向用户推荐资源的方法、装置、设备、介质和程序产品制造方法及图纸

根据本公开的示例实施例，提供了一种用于从资源库中向用户推荐资源的方法、装置、设备、介质和程序产品。涉及人工智能领域，尤其涉及内容推荐和深度学习技术领域。具体实现方案为：分别确定用户的用户特征以及多个资源的多个资源特征；基于用户特征和多个资源特征，分别确定用户和多个资源之间的多个匹配度；基于用户特征、多个资源特征以及多个匹配度，分别确定用户与多个资源之间的多个动作关系；以及基于多个动作关系中的、包括推荐的动作关系，从多个资源中向用户推荐资源。根据本公开的实施例，可以准确地向用户推荐资源，提升用户体验。验。验。

【技术实现步骤摘要】
向用户推荐资源的方法、装置、设备、介质和程序产品


[0001]本公开涉及人工智能领域，并且更具体地，涉及用于从资源库中向用户推荐资源的方法、装置、设备、计算机可读存储介质和计算机程序产品。

技术介绍

[0002]随着互联网的快速发展，人们接受到的信息也在爆炸式增长，推荐系统需要在信息超载的情况下，为用户推荐其感兴趣的资源、从而提高用户体验并且提高资源的分发效率。推荐系统在面临海量资源的推荐分发时，可以应用各种不同类型的模型以实现在毫秒级时间内从千万量级资源库中为用户推荐出感兴趣的资源。因此，需要一种推荐模型来实现资源的准确推荐。

技术实现思路

[0003]根据本公开的示例实施例，提供了一种用于从资源库中向用户推荐资源的方法、装置、设备、计算机可读存储介质和计算机程序产品。
[0004]在本公开的第一方面中，提供了一种用于从资源库中向用户推荐资源的方法，资源库包括多个资源。该方法包括：分别确定用户的用户特征以及多个资源的多个资源特征；基于用户特征和多个资源特征，分别确定用户和多个资源之间的多个匹配度；基于用户特征、多个资源本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于从资源库中向用户推荐资源的方法，所述资源库包括多个资源，所述方法包括：分别确定所述用户的用户特征以及所述多个资源的多个资源特征；基于所述用户特征和所述多个资源特征，分别确定所述用户和所述多个资源之间的多个匹配度；基于所述用户特征、所述多个资源特征以及所述多个匹配度，分别确定所述用户与所述多个资源之间的多个动作关系；以及基于所述多个动作关系中的、包括推荐的动作关系，从所述多个资源中向所述用户推荐资源。2.根据权利要求1所述的方法，其中所述动作关系包括以下至少任一项：未召回类型、召回未推荐类型、推荐未点击类型、以及推荐已点击类型。3.根据权利要求1所述的方法，其中分别确定所述用户与所述多个资源之间的所述多个动作关系包括：针对所述用户与所述多个资源中的资源，获取与所述资源库相关联的推荐模型，所述推荐模型至少基于包括一个关联用户的特征的训练样本而被预先确定；以及基于所述用户特征、所述资源的资源特征、所述用户与所述资源之间的匹配度以及所述推荐模型，确定所述多个动作关系中的所述用户与所述资源之间的动作关系。4.根据权利要求1所述的方法，其中从所述多个资源中向所述用户推荐资源包括：响应于确定所述多个动作关系中的动作关系属于预定动作关系，基于所述多个资源中的与所述动作关系相关联的资源来确定推荐列表；以及向所述用户提供所述候选推荐列表。5.根据权利要求4所述的方法，其中所述预定动作关系包括：推荐未点击类型以及推荐已点击类型中的任一项。6.根据权利要求1所述的方法，其中分别确定所述用户和所述多个资源之间的多个匹配度包括：针对所述多个资源中的资源，获取匹配模型，所述匹配模型描述所述用户特征和所述资源特征之间的匹配关系；以及基于所述用户特征、所述资源特征和所述匹配模型，确定所述用户和所述资源之间的匹配度。7.根据权利要求1所述的方法，其中：所述用户特征包括以下至少任一项：性别、年龄、收入、所在地、以及教育水平；所述资源特征包括以下至少任一项：分类、作者以及发布时间。8.一种用于获取推荐模型的方法，所述推荐模型用于从包括多个资源的资源库向用户推荐资源，所述方法包括：从所述资源库的访问历史中选择历史访问条目，所述历史访问条目中记载的资源曾经被推荐给所述历史访问条目中记载的用户；确定所述用户的用户特征以及所述资源的资源特征；基于所述用户特征和所述资源特征确定所述用户和所述资源之间的匹配度；以及基于所述用户特征、所述资源特征、所述匹配度以及所述访问历史中记载的所述用户
与所述资源之间的动作关系，训练所述推荐模型。9.根据权利要求8所述的方法，其中所述动作关系包括以下至少任一项：未召回类型、召回未推荐类型、推荐未点击类型、以及推荐已点击类型。10.根据权利要求8所述的方法，其中选择所述历史访问条目包括：响应于确定所述历史访问条目中记载的用户和资源之间的动作关系属于预定正向动作关系，选择所述历史访问条目以建立用于训练所述推荐模型的正向训练样本，其中所述预定正向动作关系包括推荐未点击类型和推荐已点击类型中的任一项。11.根据权利要求8所述的方法，其中选择所述历史访问条目包括：响应于确定所述历史访问条目中记载的用户和资源之间的动作关系属于预定负向动作关系，选择所述历史访问条目以建立用于训练所述推荐模型的负向训练样本，其中所述预定负向动作关系包括未召回类型和召回未推荐类型中的任一项。12.根据权利要求8所述的方法，其中选择所述历史访问条目包括：响应于确定所述历史访问条目中记载的资源不属于预定资源类型，选择所述历史访问条目。13.根据权利要求8所述的方法，其中：所述用户特征包括以下至少任一项：性别、年龄、收入、所在地以及教育水平；所述资源特征包括以下至少任一项：分类、作者以及发布时间。14.一种用于从资源库中向用户推荐资源的装置，所述资源库包括多个资源，所述装置包括：第一特征确定模块，被配置为分别确定所述用户的用户特征以及所述多个资源的多个资源特征；第一匹配度确定模块，被配置为基于所述用户特征和所述多个资源特征，分别确定所述用户和所述多个资源之间的多个匹配度；第一动作关系确定模块，被配置为基于所述用户特征、所述多个资源特征以及所述多个匹配度，分别确定所述用户与所述多个资源之间的多个动作关系；以及推荐模块，被配置为基于所述多个动作关系中的、包括推荐的动作关系，从所述多个资源中向所述用户推荐资源。15.根据权利要求14所述的装置，其中所述动作关系包括以下至少任一项：未召回类型、召回未推荐类型、推荐未点击类型、以及推荐已点击类型。16.根据权利要求14所述的装置，其中所述第一动作关系确定模块包括：推荐模型获取模块，被配置为针对所述用户与所述多个资源中的资源，获取与所述资源库相关联的推荐模型，...

【专利技术属性】
技术研发人员：邹浩，杨作栋，祝帅，王超，秦首科，陈超洁，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：