资源推荐方法、装置、服务器及存储介质制造方法及图纸

本说明书实施例提供了一种资源推荐方法、装置、服务器及存储介质：通过组合预估模型将候选资源对象的资源对象特征与用户特征进行特征交叉，得到包含多阶交叉特征的组合特征，根据组合特征对候选资源对象进行用户点击率预估，得到候选资源对象的CTR预估结果，根据M个候选资源对象中每个候选资源对象的CTR预估结果，从M个候选资源对象中确定出目标资源对象，并向目标用户推荐确定出的目标资源对象。

Resource recommendation methods, devices, servers and storage media

【技术实现步骤摘要】
资源推荐方法、装置、服务器及存储介质
本说明书实施例涉及互联网
，尤其涉及一种资源推荐方法、装置、服务器及存储介质。
技术介绍
在计算机领域中存在各种各样的电子资源，这些资源能够被相应的对象使用，来实现该电子资源的功能。不同用户的兴趣爱好不同，因此对电子资源的偏好不同。比如：共享存储空间、电子数据(比如视频、音频、文档)、电子优惠券等等。比如，以优惠券为例，电子商务和O2O等线上商务得到了蓬勃发生，各类平台为支持商家更好地运营，建设了丰富的基础能力。电商平台一般会通过优惠劵刺激用户消费。电商平台向线上商户发布优惠券活动进行招商。线上商户通过线上进行活动申请提供优惠券。不同用户的兴趣爱好不同，因此有不同的商品偏好，需要个性化推荐不同的优惠劵给不同的用户，以推荐最合适的优惠券给用户。
技术实现思路
本说明书实施例提供一种资源推荐方法、装置、服务器及存储介质，以提高了资源推荐的准确性和合理性，进而避免资源推荐不准确导致的重复向用户资源推荐，从而节省了网络传输资源。第一方面，本说明书实施例提供一种资源推荐方法，本文档来自技高网...

【技术保护点】
1.一种资源推荐方法，包括：/n获取目标用户的用户特征以及M个候选资源对象的资源对象特征，M为正整数；/n针对所述M个候选资源对象分别进行CTR预估，得到所述M个候选资源对象中每个候选资源对象的CTR预估结果；/n其中，所述针对所述M个候选资源对象分别进行CTR预估包括：针对每个候选资源对象，通过组合预估模型将所述候选资源对象的资源对象特征与所述用户特征进行特征交叉，得到所述候选资源对象的组合特征，并根据所述组合特征对所述候选资源对象进行CTR预估，得到所述候选资源对象的CTR预估结果，其中，所述组合特征包括根据所述组合预估模型的多层因子分解机子模型得到的线性特征、组内交叉特征和组间交叉特征，...

【技术特征摘要】
1.一种资源推荐方法，包括：
获取目标用户的用户特征以及M个候选资源对象的资源对象特征，M为正整数；
针对所述M个候选资源对象分别进行CTR预估，得到所述M个候选资源对象中每个候选资源对象的CTR预估结果；
其中，所述针对所述M个候选资源对象分别进行CTR预估包括：针对每个候选资源对象，通过组合预估模型将所述候选资源对象的资源对象特征与所述用户特征进行特征交叉，得到所述候选资源对象的组合特征，并根据所述组合特征对所述候选资源对象进行CTR预估，得到所述候选资源对象的CTR预估结果，其中，所述组合特征包括根据所述组合预估模型的多层因子分解机子模型得到的线性特征、组内交叉特征和组间交叉特征，以及根据所述组合预估模型的神经网络子模型得到的高阶交叉特征；
根据所述M个候选资源对象中每个候选资源对象的CTR预估结果，从所述M个候选资源对象中确定出目标资源对象，并向所述目标用户推荐所述目标资源对象。


2.如权利要求1所述的方法，所述通过组合预估模型将所述候选资源对象的资源对象特征与所述用户特征进行特征交叉，得到所述候选资源对象的组合特征，包括：
对所述用户特征和所述候选资源对象的资源对象特征经过分组和嵌入处理，得到所述候选资源对象的N个原始特征分组，N为正整数；
通过所述多层因子分解机子模型对所述N个原始特征分组进行组内特征交叉，得到所述候选资源对象的N组组内交叉结果；
通过所述多层因子分解机子模型，对所述候选资源对象的N组组内交叉结果和所述N个原始特征分组进行特征相加、组间特征交叉以及整合所述N个原始特征分组中的原始特征，产出所述候选资源对象的线性特征、组内交叉特征以及组间交叉特征；
通过所述神经网络子模型对所述N个原始特征分组进行特征交叉，构造出所述候选资源对象的高阶交叉特征。


3.如权利要求2所述的方法，所述通过所述多层因子分解机子模型，对所述候选资源对象的N组组内交叉结果和所述N个原始特征分组进行特征相加和组间特征交叉，包括：
对所述候选资源对象的N组组内交叉结果进行嵌入处理，以及对所述N个原始特征分组的原始特征进行嵌入处理，形成所述候选资源对象的N个中间特征分组；
对所述候选资源对象的N个中间特征分组进行组间特征交叉，形成所述候选资源对象的组间交叉特征；
对所述候选资源对象的N个中间特征分组进行特征相加，得到所述候选资源对象的组内交叉特征。


4.如权利要求1所述的方法，所述获得所述M个候选资源对象的步骤包括：
根据基于位置的服务LBS召回策略，召回在所述目标用户的实时位置的预设距离范围内商户设备所提供的候选资源对象，得到所述M个候选资源对象。


5.如权利要求1-4中任一项所述的方法，所述根据所述M个候选资源对象中每个候选资源对象的CTR预估结果，从所述M个候选资源对象中确定出目标资源对象，包括：
获取所述M候选资源对象的优先级干预信息；
整合所述M候选资源对象的优先级干预信息和所述M个候选资源对象中每个候选资源对象的CTR预估结果，得到所述M候选资源对象的最终推荐排序；
根据展示坑位数量和所述最终推荐排序，从所述M个候选资源对象中确定出所述目标资源对象。


6.一种资源推荐装置，包括：
特征提取单元，用于获取目标用户的用户特征以及M个候选资...

【专利技术属性】
技术研发人员：杜敏，苏建安，
申请(专利权)人：支付宝实验室新加坡有限公司，
类型：发明
国别省市：新加坡;SG