The application discloses a method, device and device for dividing the recommendation strategy into buckets, which is used to realize the configuration of multiple recommendation strategies and adjust the corresponding flow ratio according to whether each recommendation strategy is close to the user's demand. In this method, for the same application scenario, configure multiple recommendation policies, each recommendation policy corresponds to a bucket; determine the bucket corresponding to the user according to the user ID; determine the content recommended by the user according to the target recommendation policy corresponding to the bucket corresponding to the user; determine the content recommended by the user according to whether the recommended content is accepted by the user The performance index of the target recommendation strategy; if the performance index meets the first preset condition, increase the number of users corresponding to the buckets corresponding to the target recommendation strategy; and / or, if the performance index meets the second preset condition, reduce the number of users corresponding to the buckets corresponding to the target recommendation strategy.
【技术实现步骤摘要】
一种推荐策略分桶方法、装置及设备
本申请涉及信息
,尤其涉及一种推荐策略分桶方法、装置及设备。
技术介绍
随着信息技术的发展,为用户推荐个性化内容的需求也随之高涨。目前,大多数的推荐系统基于相同的策略以及用户的历史行为进行建模,以实现为用户推荐感兴趣的内容。然而对于不同场景和不同的用户群体,采用相同的策略进行内容,未必能够满足用户需求。此外,对于数据稀疏、冷启动等情况,也不适宜采用相同的推荐策略。
技术实现思路
本说明书实施例提供一种推荐策略分桶方法、装置及设备,用以解决采用单一推荐策略为用户推荐内容的局限性问题。第一方面,本说明书实施例提供的一种推荐策略分桶方法,包括:针对同一应用场景,配置多个推荐策略,每个推荐策略对应一个分桶;根据用户的用户标识确定所述用户对应的分桶;根据所述用户对应的分桶所对应的目标推荐策略,确定为所述用户推荐的内容;根据所述推荐的内容是否被用户接纳确定所述目标推荐策略的性能指标;若所述性能指标满足第一预设条件,则增加所述目标推荐策略对应的分桶对应的用户数量;和/或,若所述性能指标满足第二预设条件,则降低所述目标推荐策略对应的分桶对应的用户数量。在上述实施例中,针对每一个应用场景可以配置多种推荐策略,即设置多个分桶,然后根据推荐内容是否被用户接纳确定推荐策略的性能,对于性能较高的推荐策略,可以为增加为其分配的流量,即增加该推荐策略对应的用户数量,或者在性能较低时降低其流量,从而实现在更加灵活的为用户推荐内容。第二方面,本说明书实施例提供一种推荐装置,包括:配置模块,用于针对同一应用场景,配置多个推荐策略,每个推荐策略对应一个分桶; ...
【技术保护点】
1.一种推荐策略分桶方法,其特征在于,包括:针对同一应用场景,配置多个推荐策略,每个推荐策略对应一个分桶;根据用户的用户标识确定所述用户对应的分桶;根据所述用户对应的分桶所对应的目标推荐策略,确定为所述用户推荐的内容;根据所述推荐的内容是否被用户接纳确定所述目标推荐策略的性能指标;若所述性能指标满足第一预设条件,则增加所述目标推荐策略对应的分桶对应的用户数量;和/或,若所述性能指标满足第二预设条件,则降低所述目标推荐策略对应的分桶对应的用户数量。
【技术特征摘要】
1.一种推荐策略分桶方法,其特征在于,包括:针对同一应用场景,配置多个推荐策略,每个推荐策略对应一个分桶;根据用户的用户标识确定所述用户对应的分桶;根据所述用户对应的分桶所对应的目标推荐策略,确定为所述用户推荐的内容;根据所述推荐的内容是否被用户接纳确定所述目标推荐策略的性能指标;若所述性能指标满足第一预设条件,则增加所述目标推荐策略对应的分桶对应的用户数量;和/或,若所述性能指标满足第二预设条件,则降低所述目标推荐策略对应的分桶对应的用户数量。2.如权利要求1所述的方法,其特征在于,所述根据所述用户对应的分桶所对应的目标推荐策略,确定为所述用户推荐的内容,包括:根据所述目标推荐策略中的至少一种召回方式确定召回内容,所述召回内容表示推荐给用户的候选内容;对所述召回内容进行排序;根据排序后的召回内容确定为用户推荐的内容。3.如权利要求2所述的方法,其特征在于,所述根据所述目标推荐策略中的至少一种召回方式确定召回内容,包括:所述目标推荐策略中包括多种召回方式,根据每种召回方式的权重,确定根据每种召回方式召回的内容的数量,根据每种召回方式以及每种召回方式召回内容的数量确定召回内容。4.如权利要求2所述的方法,其特征在于,还包括:根据用户已阅读、已购买或者已标记不喜欢的内容,对所述召回内容进行过滤;和/或若所述召回内容中包含有已推荐给用户的内容,则降低所述已推荐给用户的内容的权重;和/或对所述召回内容中的第一类型的内容进行加权,所述第一类型为用户感兴趣的内容类型。5.如权利要求2所述的方法,其特征在于,所述对所述召回内容进行排序,包括:根据所述召回内容在召回时确定的第一分数和/或通过排序模型对所述召回内容进行打分得到的第二分数,对所述召回内容进行排序。6.如权利要求5所述的方法,其特征在于,在对所述召回内容进行排序之后,所述方法还包括:根据预设的内容类型顺序,对所述排序后的召回内容进行调整。7.如权利要求1所述的方法,其特征在于,所述根据所述推荐的内容是否被用户接纳确定所述目标推荐策略的性能指标,包括:根据用户是否点击所述推荐的内容确定用户点击率和/或商品点击率,根据所述用户点击率和/或商品点击率确定所述目标推荐策略的性能指标。8.如权利要求1所述的方法,其特征在于,若所述性能指标满足第二预设条件,所述方法还包括:修改所述目标推荐策略。9.一种推荐装置,其特征在于,包括:配置模块,用于针对同一应用场景,配置多个推荐策略,每个推荐策略对应一个分桶;确定模块,用于根据用...
【专利技术属性】
技术研发人员:王冉,杨明川,杨溥,徐唐,沈仁奎,邓鑫鑫,
申请(专利权)人:北京思维造物信息科技股份有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。