资源推荐方法、装置和计算机设备制造方法及图纸

本申请提出一种资源推荐方法、装置和计算机设备，上述资源推荐方法包括：获取待推荐资源；获取用户的用户模型，并确定所述用户所属的用户分类；根据所述用户模型与待推荐资源的匹配程度，确定所述用户与所述待推荐资源的相关性；根据所述用户所属的用户分类和所述用户与所述待推荐资源的相关性向所述用户推荐资源。本申请可以实现针对不同类型的用户，采用不同的方式进行资源推荐，提高用户的整体体验，在保证推荐的资源与用户的相关性的前提下，提高向用户推荐的资源的质量。

Resource recommendation method, device and computer equipment

This application proposes a resource recommendation method, device, and computer device. The resource recommendation method includes: obtaining a resource to be recommended; obtaining a user model of the user and determining the user classification to which the user belongs; and determining the user and the user to be recommended according to the matching degree between the user model and the resource to be recommended. Relevance of resources; recommendation of resources to the user according to the user classification to which the user belongs and the relevance of the user to the resource to be recommended. This application can recommend resources in different ways for different types of users, improve the overall experience of users, and improve the quality of resources recommended to users on the premise of ensuring the relevance of recommended resources to users.

【技术实现步骤摘要】
资源推荐方法、装置和计算机设备
本申请涉及互联网
，尤其涉及一种资源推荐方法、装置和计算机设备。
技术介绍
现有相关技术中，图集推荐系统由个性化队列、协同推荐队列和新热队列三大部分组成。其中，个性化队列是完全根据用户模型的兴趣点和分类来与文章的兴趣点和分类来进行匹配；协同推荐队列是将相似用户的阅读历史推荐给当前用户；新热队列则是将在线上点击展现率高且时效性新的图集资源推荐给所有用户。从严格意义上来讲只有个性化队列属于个性化推荐，虽然协同推荐队列和新热队列是作为用户发散兴趣使用，但是这二者与个性化毫无关系，会导致整个系统所推荐出来的图集与用户的期望差异较大。另外，现有的图集推荐系统没有对图集质量进行控制，即该系统所推荐的资源的质量无法得到保证。由于新热队列的来源是是线上点击展现率高的资源，而现有的图集推荐系统没有对图集资源的质量加以控制，所以由新热队列推荐出来的图集资源很容易会出现低质资源，如果当前的用户是高端用户，显然对于当前所推荐的内容会体验不好。另外，由于用户的阅读历史中或多或少都可能带有一些劣质资源，所以在协同推荐队列中也容易将劣质资源带出来，从而影响用户体验。
技术实现思路
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请的第一个目的在于提出一种资源推荐方法，以实现针对不同类型的用户，采用不同的方式进行资源推荐，提高用户的整体体验，在保证推荐的资源与用户的相关性的前提下，提高向用户推荐的资源的质量。本申请的第二个目的在于提出一种资源推荐装置。本申请的第三个目的在于提出一种计算机设备。本申请的第四个目的在于提出一种非临时性计算机可读存储介质。为达上述目的，本申请第一方面实施例提出了一种资源推荐方法，包括：获取待推荐资源；获取用户的用户模型，并确定所述用户所属的用户分类；根据所述用户模型与待推荐资源的匹配程度，确定所述用户与所述待推荐资源的相关性；根据所述用户所属的用户分类和所述用户与所述待推荐资源的相关性向所述用户推荐资源。本申请实施例的资源推荐方法中，获取待推荐资源之后，获取用户的用户模型，并确定上述用户所属的用户分类，以及根据上述用户模型与待推荐资源的匹配程度，确定上述用户与上述待推荐资源的相关性，然后根据上述用户所属的用户分类和上述用户与上述待推荐资源的相关性，向上述用户推荐资源，从而可以实现针对不同类型的用户，采用不同的方式进行资源推荐，提高用户的整体体验，并可以在保证推荐的资源与用户的相关性的前提下，提高向用户推荐的资源的质量。为达上述目的，本申请第二方面实施例提出了一种资源推荐装置，包括：获取模块，用于获取待推荐资源；以及获取用户的用户模型，并确定所述用户所属的用户分类；确定模块，用于根据所述用户模型与待推荐资源的匹配程度，确定所述用户与所述待推荐资源的相关性；推荐模块，用于根据所述用户所属的用户分类和所述用户与所述待推荐资源的相关性向所述用户推荐资源。本申请实施例的资源推荐装置中，获取模块获取待推荐资源之后，获取用户的用户模型，并确定上述用户所属的用户分类，确定模块根据上述用户模型与待推荐资源的匹配程度，确定上述用户与上述待推荐资源的相关性，然后推荐模块根据上述用户所属的用户分类和上述用户与上述待推荐资源的相关性，向上述用户推荐资源，从而可以实现针对不同类型的用户，采用不同的方式进行资源推荐，提高用户的整体体验，并可以在保证推荐的资源与用户的相关性的前提下，提高向用户推荐的资源的质量。为达上述目的，本申请第三方面实施例提出一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上所述的方法。为了实现上述目的，本申请第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法。本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。附图说明本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为本申请资源推荐方法一个实施例的流程图；图2为本申请资源推荐方法另一个实施例的流程图；图3为本申请资源推荐方法再一个实施例的流程图；图4为本申请资源推荐方法再一个实施例的流程图；图5为本申请资源推荐方法再一个实施例的流程图；图6为本申请资源推荐装置一个实施例的结构示意图；图7为本申请资源推荐装置另一个实施例的结构示意图；图8为本申请计算机设备一个实施例的结构示意图。具体实施方式下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。从用户行为上分析，无论是什么样的用户，都不会对感兴趣的资源产生排斥，而对于相关性不太强或甚至不相关的资源，只要是质量好的，用户也能容忍。对于质量不是很好的资源，系统也会将其推荐给对这类资源感兴趣的用户，但是需要防止将此类资源扩散给其他用户。因此，从整体上看，优质资源可以推荐给所有用户，而相对劣质的资源则需要根据用户分类和资源与用户的相关性来推荐给用户。图1为本申请资源推荐方法一个实施例的流程图，如图1所示，上述资源推荐方法可以包括：步骤101，获取待推荐资源。具体地，服务器可以在接收用户发送的操作请求之后，获取待推荐资源。上述操作请求可以为上述用户在浏览页面时的下拉页面操作，也可以为上述用户的点击页面操作，或者上述用户的长按页面操作，本实施例对上述用户发送的操作请求不作限定，只要上述操作请求可以用于请求服务器给上述用户推荐资源即可。其中，获取待推荐资源可以为：通过个性化队列、协同推荐队列和新热队列，对资源库中的资源进行筛选，获取待推荐资源。步骤102，获取用户的用户模型，并确定上述用户所属的用户分类。其中，获取用户的用户模型，确定上述用户所属的用户分类可以为：根据上述用户的用户模型，确定上述用户属于高端用户，还是普通用户。本实施例中，高端用户包括对推荐的资源的质量和相关性要求较高的用户，普通用户包括对推荐的资源的质量要求不会特别高，对质量较低的资源具有一定的容忍度，往往更注重兴趣相关的用户。在具体实现时，可以根据上述用户的用户模型，结合上述用户的历史行为(例如：上述用户的历史浏览和点击行为)确定上述用户所属的用户分类。步骤103，根据上述用户模型与待推荐资源的匹配程度，确定上述用户与上述待推荐资源的相关性。步骤104，根据上述用户所属的用户分类和上述用户与上述待推荐资源的相关性，向上述用户推荐资源。本实施例中，待推荐资源可以包括图片资源、文本资源和/或语音资源，本实施例对上述待推荐资源的具体形式不作限定。上述资源推荐方法中，获取待推荐资源之后，获取用户的用户模型，并确定上述用户所属的用户分类，以及根据上述用户模型与待推荐资源的匹配程度，确定上述用户与上述待推荐资源的相关性，然后根据上述用户所属的用户分类和上述用户与上述待推荐资源的相关性，向上述用户推荐资源，从而可以实现针对不同类型的用户，采用不同的方式进行资源推荐，提高用户的整体体验，并可以在保证推荐本文档来自技高网...

【技术保护点】
1.一种资源推荐方法，其特征在于，包括：获取待推荐资源；获取用户的用户模型，并确定所述用户所属的用户分类；根据所述用户模型与待推荐资源的匹配程度，确定所述用户与所述待推荐资源的相关性；根据所述用户所属的用户分类和所述用户与所述待推荐资源的相关性向所述用户推荐资源。

【技术特征摘要】
1.一种资源推荐方法，其特征在于，包括：获取待推荐资源；获取用户的用户模型，并确定所述用户所属的用户分类；根据所述用户模型与待推荐资源的匹配程度，确定所述用户与所述待推荐资源的相关性；根据所述用户所属的用户分类和所述用户与所述待推荐资源的相关性向所述用户推荐资源。2.根据权利要求1所述的方法，其特征在于，所述根据所述用户模型与待推荐资源的匹配程度，确定所述用户与所述待推荐资源的相关性包括：获取所述待推荐资源的兴趣点和/或所述待推荐资源所属的分类；如果所述待推荐资源的兴趣点与所述用户模型的兴趣点匹配，和/或所述待推荐资源所属的分类与所述用户模型的兴趣分类匹配，则确定所述用户与所述待推荐资源相关；如果所述待推荐资源的兴趣点与所述用户模型的兴趣点不匹配，并且所述待推荐资源所属的分类与所述用户模型的兴趣分类不匹配，则确定所述用户与所述待推荐资源不相关。3.根据权利要求1所述的方法，其特征在于，所述根据所述用户所属的用户分类和所述用户与所述待推荐资源的相关性向所述用户推荐资源包括：确定所述待推荐资源的质量；当所述用户属于高端用户时，在所述待推荐资源中查找与所述用户相关并且质量高于预定阈值的资源，将查找到的资源进行融合排序后，推荐给所述用户。4.根据权利要求1所述的方法，其特征在于，所述根据所述用户所属的用户分类和所述用户与所述待推荐资源的相关性向所述用户推荐资源包括：确定所述待推荐资源的质量；当所述用户属于普通用户时，在所述待推荐资源中查找与所述用户相关的资源，以及在所述待推荐资源中查找与所述用户不相关但质量高于预定阈值的资源；对查找到的资源进行融合排序，在对查找到的资源进行融合排序时，提高所述查找到的资源中与所述用户相关并且质量高于预定阈值的资源的权重；将排序后的资源推荐给所述用户。5.根据权利要求3或4所述的方法，其特征在于，所述确定所述待推荐资源的质量包括：根据所述待推荐资源本身的质量分数、所述待推荐资源的抄袭程度和/或所述待推荐资源的低俗程度，确定所述待推荐资源的质量。6.根据权利要求5所述的方法，其特征在于，所述根据所述待推荐资源本身的质量分数、所述待推荐资源的抄袭程度和/或所述待推荐资源的低俗程度，确定所述待推荐资源的质量包括：当所述待推荐资源本身的质量分数高于第一阈值、所述待推荐资源的抄袭程度的分数低于第二阈值和/或所述待推荐资源的低俗程度的分数低于第三阈值时，确定所述待推荐资源的质量高于预定阈值。7.根据权利要求1-4任意一项所述的方法，其特征在于，所述获取待推荐资源包括：通过个性化队列、协同推荐队列和新热队列，对资源库中的资源进行筛选，获取待推荐资源。8.一种资源推荐装置，其特征在于，包括：获取模块，用于...

【专利技术属性】
技术研发人员：黄凌，章巍巍，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11