资源推荐方法、装置及计算机存储介质制造方法及图纸

本申请公开了一种资源推荐方法、装置及计算机存储介质，属于信息处理技术领域。所述方法包括：根据目标用户的用户关联特征，通过用户向量模型确定目标用户的用户向量，用户关联特征包括用户特征和浏览资源创意的行为特征；获取候选资源集包括的多个候选资源中每个候选资源的资源向量，每个候选资源的资源向量是根据每个候选资源的资源关联特征，通过资源向量模型确定得到，资源关联特征包括资源内容特征和资源创意特征；根据每个候选资源的资源向量与目标用户的用户向量之间的相似度，从候选资源集中选择待推荐的候选资源，将待推荐的候选资源推荐给目标用户。本申请基于内容特征和创意特征这两方面来为用户推荐资源，提高了推荐准确度。

Resource recommendation methods, devices and computer storage media

【技术实现步骤摘要】
资源推荐方法、装置及计算机存储介质
本申请涉及信息处理
，特别涉及一种资源推荐方法、装置及计算机存储介质。
技术介绍
随着互联网技术的发展，浏览网络资源逐渐成为用户日常娱乐的主要方式之一，如何通过更加精准的推荐算法推荐用户感兴趣的网络资源成为各个资源平台中重点关注的问题。其中，网络资源可以为文章、评价攻略或视频等。相关技术中，资源平台一般根据网络资源的资源内容来对用户进行资源推荐。具体地，资源平台可以获取目标用户的用户特征，以及候选资源集中每个候选资源的资源内容特征，根据目标用户的用户特征以及每个候选资源的资源内容特征，通过资源推荐模型确定每个候选资源的推荐概率，然后，根据多个候选资源的推荐概率，从多个候选资源中选择推荐概率较高的预设数目个候选资源推荐给目标用户。其中，推荐概率用于指示对应候选资源被目标用户浏览的可能性。相关技术中仅能根据资源内容来对用户进行资源推荐，资源推荐方式较为单一，为用户推荐的网络资源可能不是用户感兴趣的网络资源，用户感兴趣资源的召回准确度较低。
技术实现思路
本申请实施例提供了一种资源推荐方法，可以准确的为用户推荐用户感兴趣的网络资源。所述技术方案如下：第一方面，提供了一种资源推荐方法，所述方法包括：当接收到目标用户的资源推荐请求时，获取所述目标用户的用户关联特征，所述用户关联特征包括用户特征和浏览资源创意的行为特征，所述资源创意是指从网络资源的资源内容中提取的、用于吸引用户浏览资源内容的资源信息；根据所述目标用户的用户关联特征，通过用户向量模型确定所述目标用户的用户向量，所述用户向量模型用于确定任一用户的用户向量；获取候选资源集包括的多个候选资源中每个候选资源的资源向量，每个候选资源的资源向量是根据每个候选资源的资源关联特征，通过资源向量模型确定得到，所述资源关联特征包括资源内容特征和资源创意特征，所述资源向量模型用于确定任一资源的资源向量；根据每个候选资源的资源向量与所述目标用户的用户向量之间的相似度，从所述候选资源集中选择待推荐的候选资源，将待推荐的候选资源推荐给所述目标用户。可选地，所述资源创意特征包括创意高阶特征和创意向量特征，所述创意高阶特征包括资源创意中的图片标签和文本标签中的至少一种，所述创意向量特征为针对预设场景或预设目标从资源创意中提取的向量特征。可选地，所述用户关联特征还包括浏览资源创意的上下文特征和历史浏览数据特征中的至少一种，所述资源关联特征还包括资源发布者特征。可选地，所述根据每个候选资源的资源向量与所述目标用户的用户向量之间的相似度，从所述候选资源集中选择待推荐的候选资源，将待推荐的候选资源推荐给所述目标用户，包括：按照资源向量与所述目标用户的用户向量之间的相似度从大到小的顺序，从所述候选资源集中选取排序在前的N个候选资源，所述N为正整数；按照资源向量与所述目标用户的用户向量之间的相似度，对所述N个候选资源进行排序；将排序后的N个候选资源推荐给所述目标用户。可选地，所述根据所述目标用户的用户关联特征，通过用户向量模型确定所述目标用户的用户向量之前，还包括：获取多个样本数据，每个样本数据包括样本用户的用户关联特征、样本资源的资源关联特征、以及浏览标签，所述浏览标签用于指示所述样本用户是否浏览了所述样本资源；根据每个样本数据中的用户关联特征，通过待训练用户向量模型确定样本用户向量，以及根据每个样本数据中的资源关联特征，通过待训练资源向量模型确定样本资源向量；计算每个样本数据对应的样本用户向量和样本资源向量之间的相似度，所述相似度用于指示样本资源向量对应的样本资源被样本用户向量对应的样本用户浏览的可能性；根据每个样本数据中的浏览标签，以及每个样本数据对应的样本用户向量和样本资源向量之间的相似度，对所述待训练用户向量模型和所述待训练资源向量模型的模型参数进行调整；将模型参数调整后的待训练用户向量模型和待训练资源向量模型，分别确定为所述用户向量模型和所述资源向量模型。可选地，所述获取候选资源集包括的多个候选资源中每个候选资源的资源向量，包括：获取所述候选资源集中每个候选资源的资源关联特征；根据每个候选资源的资源关联特征，通过所述资源向量模型确定每个候选资源的资源向量。可选地，所述获取候选资源集中每个候选资源的资源关联特征之前，还包括：获取多个资源创意，所述多个资源创意为多个备选资源对应的资源创意；根据所述多个资源创意，通过先验模型确定所述多个资源创意的第一评估值，所述第一评估值用于指示资源创意被用户浏览的可能性，所述先验模型用于确定任一资源创意的评估值；根据所述多个资源创意的第一评估值，从所述多个资源创意中选取满足条件的资源创意；将选取的资源创意对应的备选资源，确定为所述候选资源集中的多个候选资源。可选地，所述根据所述多个资源创意的第一评估值，从所述多个资源创意中选取满足条件的资源创意，包括：根据对应资源创意的第一评估值，按照损失控制策略从所述多个备选资源中选择备选资源进行在线曝光；根据选择的备选资源在线曝光后的用户浏览结果和所述多个资源创意的第一评估值，从所述多个资源创意中选取满足条件的资源创意。可选地，所述根据选择的备选资源在线曝光后的用户浏览结果和所述多个资源创意的第一评估值，从所述多个资源创意中选取满足条件的资源创意，包括：根据选择的备选资源在线曝光后的用户浏览结果，对所述选择的备选资源对应的资源创意的第一评估值进行调整，得到所述选择的备选资源对应的资源创意的第二评估值；根据所述选择的备选资源对应的资源创意的第二评估值，对所述先验模型的模型参数进行调整；基于模型参数调整后的先验模型，确定所述多个资源创意的第三评估值；根据所述选择的备选资源对应的资源创意的第二评估值，以及所述多个资源创意的第三评估值，从所述多个资源创意中选取满足条件的资源创意。可选地，所述根据所述多个资源创意，通过先验模型确定所述多个资源创意的第一评估值之前，还包括：获取多个资源创意对样本，每个资源创意对样本包括样本资源对应的不同的两个的资源创意和所述两个资源创意的标注数据，所述两个资源创意的标注数据用于指示所述两个资源创意被用户浏览的概率的高低；根据所述多个资源创意对样本，对待训练先验模型进行训练，得到所述先验模型。第二方面，提供了一种资源推荐装置，所述装置包括：第一获取模块，用于当接收到目标用户的资源推荐请求时，获取所述目标用户的用户关联特征，所述用户关联特征包括用户特征和资源创意浏览行为特征，资源创意是指从资源内容中提取的用于吸引用户浏览资源内容的资源信息；第一确定模块，用于根据所述目标用户的用户关联特征，通过用户向量模型确定所述目标用户的用户向量，所述用户向量模型用于确定任一用户的用户向量；第二获取模块，用于获取候选资源集包括的多个候选资源中每个候选资本文档来自技高网...

【技术保护点】
1.一种资源推荐方法，其特征在于，所述方法包括：/n当接收到目标用户的资源推荐请求时，获取所述目标用户的用户关联特征，所述用户关联特征包括用户特征和浏览资源创意的行为特征，所述资源创意是指从网络资源的资源内容中提取的、用于吸引用户浏览资源内容的资源信息；/n根据所述目标用户的用户关联特征，通过用户向量模型确定所述目标用户的用户向量，所述用户向量模型用于确定任一用户的用户向量；/n获取候选资源集包括的多个候选资源中每个候选资源的资源向量，每个候选资源的资源向量是根据每个候选资源的资源关联特征，通过资源向量模型确定得到，所述资源关联特征包括资源内容特征和资源创意特征，所述资源向量模型用于确定任一资源的资源向量；/n根据每个候选资源的资源向量与所述目标用户的用户向量之间的相似度，从所述候选资源集中选择待推荐的候选资源，将待推荐的候选资源推荐给所述目标用户。/n

【技术特征摘要】
1.一种资源推荐方法，其特征在于，所述方法包括：
当接收到目标用户的资源推荐请求时，获取所述目标用户的用户关联特征，所述用户关联特征包括用户特征和浏览资源创意的行为特征，所述资源创意是指从网络资源的资源内容中提取的、用于吸引用户浏览资源内容的资源信息；
根据所述目标用户的用户关联特征，通过用户向量模型确定所述目标用户的用户向量，所述用户向量模型用于确定任一用户的用户向量；
获取候选资源集包括的多个候选资源中每个候选资源的资源向量，每个候选资源的资源向量是根据每个候选资源的资源关联特征，通过资源向量模型确定得到，所述资源关联特征包括资源内容特征和资源创意特征，所述资源向量模型用于确定任一资源的资源向量；
根据每个候选资源的资源向量与所述目标用户的用户向量之间的相似度，从所述候选资源集中选择待推荐的候选资源，将待推荐的候选资源推荐给所述目标用户。


2.根据权利要求1所述的方法，其特征在于，所述资源创意特征包括创意高阶特征和创意向量特征，所述创意高阶特征包括资源创意中的图片标签和文本标签中的至少一种，所述创意向量特征为针对预设场景或预设目标从资源创意中提取的向量特征。


3.根据权利要求1所述的方法，其特征在于，所述用户关联特征还包括浏览资源创意的上下文特征和历史浏览数据特征中的至少一种，所述资源关联特征还包括资源发布者特征。


4.根据权利要求1所述的方法，其特征在于，所述根据每个候选资源的资源向量与所述目标用户的用户向量之间的相似度，从所述候选资源集中选择待推荐的候选资源，将待推荐的候选资源推荐给所述目标用户，包括：
按照资源向量与所述目标用户的用户向量之间的相似度从大到小的顺序，从所述候选资源集中选取排序在前的N个候选资源，所述N为正整数；
按照资源向量与所述目标用户的用户向量之间的相似度，对所述N个候选资源进行排序；
将排序后的N个候选资源推荐给所述目标用户。


5.根据权利要求1-4任一所述的方法，其特征在于，所述根据所述目标用户的用户关联特征，通过用户向量模型确定所述目标用户的用户向量之前，还包括：
获取多个样本数据，每个样本数据包括样本用户的用户关联特征、样本资源的资源关联特征、以及浏览标签，所述浏览标签用于指示所述样本用户是否浏览了所述样本资源；
根据每个样本数据中的用户关联特征，通过待训练用户向量模型确定样本用户向量，以及根据每个样本数据中的资源关联特征，通过待训练资源向量模型确定样本资源向量；
计算每个样本数据对应的样本用户向量和样本资源向量之间的相似度，所述相似度用于指示样本资源向量对应的样本资源被样本用户向量对应的样本用户浏览的可能性；
根据每个样本数据中的浏览标签，以及每个样本数据对应的样本用户向量和样本资源向量之间的相似度，对所述待训练用户向量模型和所述待训练资源向量模型的模型参数进行调整；
将模型参数调整后的待训练用户向量模型和待训练资源向量模型，分别确定为所述用户向量模型和所述资源向量模型。


6.根据权利要求1-4任一所述的方法，其特征在于，所述获取候选资源集包括的多个候选资源中每个候选资源的资源向量，包括：
获取所述候选资源集中每个候选资源的资源关联特征；
根据每个候选资源的资源关联特征，通过所述资源向量模型确定每个候选资源的资源向量。


7.根据权利要求6所述的方法，其特征在于，所述获取候选资源集中每个候选资源的资源关联特征之前，还包括：
获取多个资源创意，所述多个资源创意为多个备选资源对...

【专利技术属性】
技术研发人员：李忆纯，王伊凡，张众一，徐宁文，
申请(专利权)人：汉海信息技术上海有限公司，
类型：发明
国别省市：上海;31