信息推荐方法、装置及电子设备制造方法及图纸

本发明专利技术公开了一种信息推荐方法、装置及电子设备。该方法包括：根据与信息获取历史行为相关的历史行为数据，获取多条候选信息；基于信息推荐模型，分别根据每条候选信息的信息画像以及目标用户的用户画像，获取每条候选信息对目标用户的信息推荐分；选取信息推荐分符合预设的推荐条件的候选信息，作为目标信息推荐给目标用户。

Information recommendation methods, devices and electronic equipment

【技术实现步骤摘要】
信息推荐方法、装置及电子设备
本专利技术涉及信息
，更具体地，涉及一种信息推荐方法、装置及电子设备。
技术介绍
随着移动互联网技术的飞速发展以及终端智能化的普及，通过例如手机、平板电脑、笔记本电脑等电子设备访问网络浏览信息，已经成为用户日常生活中获取信息的重要途径。而随着网络上可获取的信息的数量爆发性增长，如何在海量的信息中快速获取满足自身需求的信息，是用户浏览信息时最为关注的。因此，以Feed流形式来提供碎片化的信息(例如短视频、图片、新闻等)以供用户快速浏览的Feed流产品(例如，推送短视频、新闻头条类的资讯应用)极受用户青睐。但是，目前的Feed流产品，在以Feed流形式向用户提供碎片化信息时，通常是根据信息的点击率，向用户推荐点击率较高的信息，这样只能依赖用户对信息的点击行为来衡量用户对信息的偏好，无法精准、有效地获取用户对信息的偏好度，不能实际满足用户获取信息的需求。
技术实现思路
本专利技术的一个目的是提供一种用于推荐信息的新技术方案。根据本专利技术的第一方面，提供了一种信息推荐方法，其中，包括：根据与信息获取历史行为相关的历史行为数据，获取多条候选信息；基于信息推荐模型，分别根据每条所述候选信息的信息画像以及目标用户的用户画像，获取每条所述候选信息对所述目标用户的信息推荐分；选取所述信息推荐分符合预设的推荐条件的所述候选信息，作为目标信息推荐给所述目标用户。可选地，所述历史行为数据至少包括历史信息记录、信息来源记录以及整体信息获取记录三者其中之一；所述历史信息记录包括目标用户已完整获取的历史信息的信息标识；所述信息来源记录包括所述目标用户已关注的信息来源的来源标识；所述整体信息获取记录包括信息数据库中包括每一条信息每次被用户获取的时刻；所述获取多条候选信息的步骤包括：当所述历史行为数据包括所述历史信息记录时，根据所述历史信息记录，获取所述目标用户对信息数据库中包括的每条信息的信息偏好分，选取信息偏好分的降序排序次序符合预设的第一排序范围的所述信息，作为所述候选信息；当所述历史行为数据包括所述信息来源记录时，选取所述信息来源记录中记录的每个信息来源在预设的发布时段内发布的、已被完整获取次数的降序排序次序符合预设的第二排序范围的信息，作为所述候选信息；当所述历史行为数据包括整体信息获取记录时，根据所述整体信息获取记录获取所述信息数据库中包括的每条信息在预设的记录时段内被用户获取的总次数，以选取所述被用户获取的总次数的降序排序次序符合预设的第三排序范围的所述信息，作为所述候选信息。进一步可选地，当所述历史行为数据包括所述历史信息记录时，所述根据所述历史信息记录，获取所述目标用户对信息数据库中包括的每条信息的信息偏好分的步骤包括：对信息数据库中包括每条信息，将所述信息与所述历史信息记录的每条所述历史信息的信息相关系数进行求和，得到所述信息的信息偏好分；其中，所述信息相关系数是根据与所述信息对应的第一用户集合以及与所述历史信息对应的第二用户集合确定的；所述第一用户集合中包括所有已完整获取所述信息的用户；所述第二用户集合中包括所有已完整获取所述历史信息的用户。可选地，所述信息推荐模型中包括多个模型特征以及信息推荐权重集合，每个所述模型特征具有唯一的特征标识，所述信息推荐权重集合包括一个常数权重以及多个特征权重，每个所述特征权重与一个所述模型特征唯一对应；所述获取每条所述候选信息对目标用户的信息推荐分的步骤包括：根据所述候选信息的信息画像以及所述目标用户的用户画像，确定与所述信息推荐模型中包括每个所述模型特征对应的取值；其中，所述信息画像是在预设的信息统计时段内获取的、与对应的所述信息被用户获取的状态相关的画像数据；所述用户画像是在预设的用户统计时段内获取的、与对应的所述用户的获取信息行为相关的画像数据；根据所述信息推荐权重集合以及已确定的所述每个所述模型特征对应的取值，获取所述候选信息对目标用户的信息推荐分。进一步可选地，所述信息画像至少包括对应的所述信息的平均完整获取次数、正向反馈比率、完整获取比率以及信息标签；所述平均完整获取次数是所述信息在所述信息统计时段内平均每个预设的时间单位中的被完整获取的次数；所述正向反馈率是所述信息在所述信息统计时段内被获取后得到正向反馈的次数与所述信息的发布次数的比率；所述完整获取比率是所述信息在所述信息统计时段内被完整获取的次数以及所述信息的发布次数的比率；所述用户画像至少包括对应的所述用户的完整获取信息记录、正向反馈信息记录以及信息偏好标签；所述完整获取信息记录包括对应的所述用户在所述用户统计时段内完整获取符合第一预设数目的信息具有的信息标识；所述正向反馈信息记录包括对应的所述用户在所述用户统计时段内给予正向反馈的符合第二预设数目的信息具有的信息标识；所述信息偏好标签是所述完整获取信息记录和/或所述正向反馈信息记录中记录的所有所述信息的信息标签中重复次数满足预设重复阈值的信息标签；所述信息推荐模型中包括的多个模型特征分别属于多个不同的特征类，所述多个特征类中包括与所述用户的完整获取信息记录以及与所述信息的信息标识交叉相关的第一特征类、与所述用户的正向反馈信息记录以及与所述信息的信息标识交叉相关的第二特征类、与所述用户的信息偏好标签以及与所述信息的信息标签交叉相关的第三特征类、与所述信息的平均完整获取次数相关的第四特征类、与所述信息的正向反馈比率相关的第五特征类以及与所述完整获取比率相关的第六特征类；所述根据所述候选信息的信息画像以及所述目标用户的用户画像，确定与所述信息推荐模型中包括每个所述模型特征对应的取值的步骤包括：根据所述候选信息的信息画像以及所述目标用户的用户画像，确定具有所述信息推荐模型中包括的一个模型特征时，设置所述模型特征的取值为1；根据所述候选信息的信息画像以及所述目标用户的用户画像，确定不具有所述信息推荐模型中包括的一个模型特征时，设置所述模型特征的取值为0。可选地，所述方法还包括训练获取所述的信息推荐模型的步骤，包括：根据统计时段内获取的多个训练样本，构建所述信息推荐模型包括的多个模型特征；其中，每个所述训练样本包括一个用户的所述用户画像以及一条信息的所述信息画像；分别确定每个训练样本的每个所述模型特征的取值；根据每个所述训练样本的每个所述模型特征的取值，以包括一个常数权重以及多个特征权重的信息推荐权重集合为变量，分别确定每个所述训练样本的信息推荐分表达式；分别获取每个所述训练样本的实际推荐评分，以根据多个所述训练样本的所述信息推荐分表达式以及所述实际推荐评分，构建损失函数；求解所述损失函数，确定所述信息推荐权重集合的常数权重以及每个所述特征权重的取值，完成本次对所述信息推荐模型的训练。可选地，所述分别获取每个所述训练样本的实际推荐评分的步骤包括：对每个所述训练样本，根据与所述训练样本对应的所述用户对本文档来自技高网...

【技术保护点】
1.一种信息推荐方法，其中，包括：/n根据与信息获取历史行为相关的历史行为数据，获取多条候选信息；/n基于信息推荐模型，分别根据每条所述候选信息的信息画像以及目标用户的用户画像，获取每条所述候选信息对所述目标用户的信息推荐分；/n选取所述信息推荐分符合预设的推荐条件的所述候选信息，作为目标信息推荐给所述目标用户。/n

【技术特征摘要】
1.一种信息推荐方法，其中，包括：
根据与信息获取历史行为相关的历史行为数据，获取多条候选信息；
基于信息推荐模型，分别根据每条所述候选信息的信息画像以及目标用户的用户画像，获取每条所述候选信息对所述目标用户的信息推荐分；
选取所述信息推荐分符合预设的推荐条件的所述候选信息，作为目标信息推荐给所述目标用户。


2.根据权利要求1所述的方法，其中，
所述历史行为数据至少包括历史信息记录、信息来源记录以及整体信息获取记录三者其中之一；所述历史信息记录包括目标用户已完整获取的历史信息的信息标识；所述信息来源记录包括所述目标用户已关注的信息来源的来源标识；所述整体信息获取记录包括信息数据库中包括每一条信息每次被用户获取的时刻；
所述获取多条候选信息的步骤包括：
当所述历史行为数据包括所述历史信息记录时，根据所述历史信息记录，获取所述目标用户对信息数据库中包括的每条信息的信息偏好分，选取信息偏好分的降序排序次序符合预设的第一排序范围的所述信息，作为所述候选信息；
当所述历史行为数据包括所述信息来源记录时，选取所述信息来源记录中记录的每个信息来源在预设的发布时段内发布的、已被完整获取次数的降序排序次序符合预设的第二排序范围的信息，作为所述候选信息；
当所述历史行为数据包括整体信息获取记录时，根据所述整体信息获取记录获取所述信息数据库中包括的每条信息在预设的记录时段内被用户获取的总次数，以选取所述被用户获取的总次数的降序排序次序符合预设的第三排序范围的所述信息，作为所述候选信息。


3.根据权利要求2所述的方法，其中，
当所述历史行为数据包括所述历史信息记录时，所述根据所述历史信息记录，获取所述目标用户对信息数据库中包括的每条信息的信息偏好分的步骤包括：
对信息数据库中包括每条信息，将所述信息与所述历史信息记录的每条所述历史信息的信息相关系数进行求和，得到所述信息的信息偏好分；
其中，所述信息相关系数是根据与所述信息对应的第一用户集合以及与所述历史信息对应的第二用户集合确定的；所述第一用户集合中包括所有已完整获取所述信息的用户；所述第二用户集合中包括所有已完整获取所述历史信息的用户。


4.根据权利要求1所述的方法，其中，
所述信息推荐模型中包括多个模型特征以及信息推荐权重集合，每个所述模型特征具有唯一的特征标识，所述信息推荐权重集合包括一个常数权重以及多个特征权重，每个所述特征权重与一个所述模型特征唯一对应；
所述获取每条所述候选信息对目标用户的信息推荐分的步骤包括：
根据所述候选信息的信息画像以及所述目标用户的用户画像，确定与所述信息推荐模型中包括每个所述模型特征对应的取值；
其中，所述信息画像是在预设的信息统计时段内获取的、与对应的所述信息被用户获取的状态相关的画像数据；所述用户画像是在预设的用户统计时段内获取的、与对应的所述用户的获取信息行为相关的画像数据；
根据所述信息推荐权重集合以及已确定的所述每个所述模型特征对应的取值，获取所述候选信息对目标用户的信息推荐分。


5.根据权利要求4所述的方法，其中，
所述信息画像至少包括对应的所述信息的平均完整获取次数、正向反馈比率、完整获取比率以及信息标签；所述平均完整获取次数是所述信息在所述信息统计时段内平均每个预设的时间单位中的被完整获取的次数；所述正向反馈率是所述信息在所述信息统计时段内被获取后得到正向反馈的次数与所述信息的发布次数的比率；所述完整获取比率是所述信息在所述信息统计时段内被完整获取的次数以及所述信息的发布次数的比率；
所述用户画像至少包括对应的所述用户的完整获取信息记录、正向反馈信息记录以及信息偏好标签；所述完整获取信息记录包括对应的所述用户在所述用户统计时段内完整获取符合第一预设数目的信息具有的信息标识；所述正向反馈信息记录包括对应的所述用户在所述用户统计时段内给予正向反馈的符合第二预设数目的信息具有的信息标识；所述信息偏好标签是所述完整获取信息记录和/或所述正向反馈信息记录中记录的所有所述信息的信息标签中重复次数满足预设重复阈值的信息标签；
所述信息推荐模型中包括的多个模型特征分别属于多个不同的特征类，所述多个特征类中包括与所述用户的完整获取信息记录以及与所述信息的信息标识交叉相关的第一特征类、与所述用户的正向反馈信息记录以及与所述信息的信息标识交叉相关的第二特征类、与所述用户的信息偏好标签以及与...

【专利技术属性】
技术研发人员：潘岸腾，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛;KY