一种电子资源推荐方法、装置和可读介质制造方法及图纸

本发明专利技术公开了一种电子资源推荐方法、装置和可读介质，属于网络数据分析与处理技术领域，本发明专利技术提供的方法及装置中，在获取到电子资源推荐请求后，可以从数据库中提取所述待推荐用户的电子资源召回结果，其中，所述电子资源召回结果为利用基于用户行为的协同过滤ACF算法确定出的，所述ACF算法为根据电子资源的被点击信息和电子资源的曝光信息确定的；然后根据电子资源召回结果，向待推荐用户推荐电子资源。通过采用上述方法，基于该算法确定出的电子资源召回结果的召回率和准确率更高，进而基于此电子资源召回结果向待推荐用户推荐的电子资源更能满足待推荐用户的实际需求，在一定程度上提高了用户体验。

An electronic resource recommendation method, device and readable medium

【技术实现步骤摘要】
一种电子资源推荐方法、装置和可读介质
本专利技术涉及网络数据分析与处理
，尤其涉及一种电子资源推荐方法、装置和可读介质。
技术介绍
随着互联网技术的发展，网络信息呈指数增长趋势，一改之前的信息匮乏，而是出现了信息爆炸和信息过载的现象。然而每个用户感兴趣的信息也是不一样的，因此，如何在大量的信息中推荐出满足各个用户实际需求的信息是提高用户体验必须要解决的问题之一。协同过滤(CollaborativeFiltering，CF)算法是推荐领域应用非常广泛的一种方法。以基于项目(Item)的协同过滤方法(ItemCollaborativeFiltering，ItemCF)应用到新闻推荐场景下为例进行说明，这里的Item即为新闻。现有的ItemCF推荐方法主要根据两篇新闻共同的点击次数，以及各自被点击的次数，来计算两篇新闻之间的相似度。但该方法存在两个问题：1)没有考虑Item的曝光信息，比如某篇新闻被用户1点击但没有被用户2点击，造成这一情况的原因可能是该新闻根本没有对用户2曝光，而不是因为用户2对该新闻不感兴趣；2)没有考虑推荐关系的有向性，传统的ItemCF方法认为根据ItemA推荐ItemB的概率和根据ItemB推荐ItemA的概率是相等的。基于上述这两种情况，会导致召回率和准确率不够。
技术实现思路
本专利技术实施例提供一种电子资源推荐方法、装置和可读介质，用以提高电子资源的召回率和准确率。第一方面，本专利技术实施例提供一种电子资源推荐方法，包括：获取电子资源推荐请求，所述电子资源推荐请求用于请求为待推荐用户推荐电子资源；从数据库中提取所述待推荐用户的电子资源召回结果，其中，所述电子资源召回结果为利用基于用户行为的协同过滤ACF算法确定出的，所述ACF算法为基于电子资源的被点击信息和电子资源的曝光信息确定的；根据所述电子资源召回结果，向所述待推荐用户推荐电子资源。通过采用上述方法，由于本专利技术基于用户行为的协同过滤算法考虑了电子资源的被点击信息和曝光信息，使得基于此确定出的电子资源召回结果的召回率和准确率更高。第二方面，本专利技术实施例提供一种电子资源推荐装置，包括：获取单元，用于获取电子资源推荐请求，所述电子资源推荐请求用于请求为待推荐用户推荐电子资源；提取单元，用于从数据库中提取所述待推荐用户的电子资源召回结果，其中，所述电子资源召回结果为利用基于用户行为的协同过滤ACF算法确定出的，所述ACF算法为基于电子资源的被点击信息和电子资源的曝光信息确定的；推荐单元，用于根据所述电子资源召回结果，向所述待推荐用户推荐电子资源。第三方面，本专利技术实施例提供一种计算机可读介质，存储有计算机可执行指令，所述计算机可执行指令用于执行本申请提供的电子资源推荐方法。第四方面，本专利技术实施例提供一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请提供的电子资源推荐方法。本专利技术有益效果：本专利技术实施例提供的电子资源推荐方法、装置和可读介质，在获取到电子资源推荐请求后，可以从数据库中提取所述待推荐用户的电子资源召回结果，其中，所述电子资源召回结果为利用基于用户行为的协同过滤ACF算法确定出的，所述ACF算法为基于电子资源的被点击信息和电子资源的曝光信息确定的；然后根据所述电子资源召回结果，向所述待推荐用户推荐电子资源。通过采用上述方法，由于本专利技术中确定电子资源召回结果的基于用户行为的协同过滤算法考虑了电子资源的被点击信息和曝光信息，使得基于该算法确定出的电子资源召回结果的召回率和准确率更高，进而基于此电子资源召回结果向待推荐用户推荐的电子资源更能满足待推荐用户的实际需求，在一定程度上提高了用户体验。本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1a为本专利技术实施例提供的电子资源推荐方法的应用场景示意图；图1b为本专利技术实施例提供的电子资源推荐方法的效果示意图；图1c为本专利技术实施例提供的基于Item的ACF算法的原理示意图；图2为本专利技术实施例提供的电子资源推荐方法的流程示意图；图3为本专利技术实施例提供的预先利用基于Item的协同过滤ACF算法为待推荐用户确定电子资源召回结果的流程示意图；图4为本专利技术实施例提供的利用基于Item的ACF算法从电子资源库中确定各个已点击电子资源的候选推荐电子资源的流程示意图；图5为本专利技术实施例提供的确定该发布电子资源的曝光用户中点击了该已点击电子资源的用户的第一数量的流程示意图；图6为本专利技术实施例提供的预先利用基于User的协同过滤ACF算法为待推荐用户确定电子资源召回结果的流程示意图；图7为本专利技术实施例提供的确定待推荐用户的候选推荐用户的流程示意图；图8为本专利技术实施例提供的确定对该访问用户曝光的电子资源中被所述待推荐用户点击的电子资源的第二数量的流程示意图；图9为本专利技术实施例提供的根据电子资源召回结果，向待推荐用户推荐电子资源的流程示意图；图10为本专利技术实施例提供的电子资源推荐装置的结构示意图；图11为本专利技术实施例提供的实施电子资源推荐方法的计算装置的结构示意图。具体实施方式本专利技术实施例提供的电子资源推荐方法、装置和可读介质，用以提高电子资源的召回率和准确率。以下结合说明书附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术，并且在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。为了便于理解本专利技术，本专利技术涉及的技术术语中：1、电子资源，是指用户访问应用程序中的资源，也称物品，简称Item。例如，若应用程序为视频APP，则电子资源为视频；若应用程序为音乐APP，则电子资源为歌曲；若应用程序为淘宝，则电子资源可以为衣服、护肤品、化妆品、家居用品和儿童玩具等等。2、基于用户行为的协同过滤算法，(Action-basedCollaborativeFiltering，ACF)，该ACF算法同时考虑电子资源的被点击信息和曝光信息，为待推荐用户确定电子资源召回结果，由于该ACF算法考虑了电子资源的曝光信息，故确定出的电子资源召回结果相比于现有技术更准确，从而保证了电子资源的召回率和准确率。3、曝光用户，是指只要服务器将电子资源推荐给用户，则该用户即为该电子资源的曝光用户。4、用户设备，为可以安装各类应用程序，并且能够将已安本文档来自技高网...

【技术保护点】
1.一种电子资源推荐方法，其特征在于，包括：/n获取电子资源推荐请求，所述电子资源推荐请求用于请求为待推荐用户推荐电子资源；/n从数据库中提取所述待推荐用户的电子资源召回结果，其中，所述电子资源召回结果为利用基于用户行为的协同过滤ACF算法确定出的，所述ACF算法为基于电子资源的被点击信息和电子资源的曝光信息确定的；/n根据所述电子资源召回结果，向所述待推荐用户推荐电子资源。/n

【技术特征摘要】
1.一种电子资源推荐方法，其特征在于，包括：
获取电子资源推荐请求，所述电子资源推荐请求用于请求为待推荐用户推荐电子资源；
从数据库中提取所述待推荐用户的电子资源召回结果，其中，所述电子资源召回结果为利用基于用户行为的协同过滤ACF算法确定出的，所述ACF算法为基于电子资源的被点击信息和电子资源的曝光信息确定的；
根据所述电子资源召回结果，向所述待推荐用户推荐电子资源。


2.如权利要求1所述的方法，其特征在于，所述基于用户行为的协同过滤ACF算法包括基于电子资源Item的ACF算法，以及利用基于用户行为的协同过滤ACF算法确定电子资源召回结果，具体包括：
确定所述待推荐用户历史点击的已点击电子资源；
针对各个已点击电子资源，利用基于Item的ACF算法从电子资源库中确定各个已点击电子资源的候选推荐电子资源；
将基于各个已点击电子资源确定出的候选推荐电子资源确定为电子资源召回结果。


3.如权利要求1所述的方法，其特征在于，所述基于用户行为的协同过滤ACF算法还包括基于用户User的ACF算法，以及利用基于用户行为的协同过滤算法确定电子资源召回结果，具体包括：
利用基于User的ACF算法，确定所述待推荐用户的候选推荐用户；
确定每一候选推荐用户历史点击的已点击电子资源；
将基于各个候选推荐用户确定出的已点击电子资源确定为所述待推荐用户的电子资源召回结果。


4.如权利要求1所述的方法，其特征在于，所述基于用户行为的协同过滤ACF算法包括基于电子资源Item的ACF算法和基于用户User的ACF算法；以及利用基于用户行为的协同过滤ACF算法确定电子资源召回结果，具体包括：
将基于Item的ACF算法为所述待推荐用户确定出的电子资源召回子结果和基于User的ACF算法为所述待推荐用户确定出的电子资源召回子结果共同确定为所述待推荐用户的电子资源召回结果。


5.如权利要求2或4所述的方法，其特征在于，所述电子资源的被点击信息和曝光信息为根据待推荐用户访问电子资源的日志信息和其他用户访问电子资源的日志信息确定出的；以及
针对各个已点击电子资源，分别利用基于Item的ACF算法从电子资源库中确定各个已点击电子资源的候选推荐电子资源，具体包括：
根据待推荐用户访问电子资源的日志信息和其他访问用户访问电子资源的日志信息，确定该已点击电子资源与所述电子资源库中除该已点击电子资源以外的任一发布电子资源之间的共点击用户数量，以及确定该发布电子资源的曝光用户中点击了该已点击电子资源的用户的第一数量；
基于每一发布电子资源确定出的共点击用户数量和第一数量，确定该已点击电子资源与每一发布电子资源之间的推荐概率，其中，所述推荐概率与共点击用户数量呈正相关，与所述第一数量呈负相关；
基于各个发布电子资源确定出的推荐概率，确定该已点击电子资源的候选推荐电子资源。


6.如权利要求2或4所述的方法，其特征在于，所述被点击信息包括点击电子资源的用户的标识信息，所述曝光信息包括电子资源的曝...

【专利技术属性】
技术研发人员：冯晓强，李冰锋，李彪，范欣，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44