一种推荐信息显示方法、装置、设备及存储介质制造方法及图纸

本申请公开一种推荐信息显示方法、装置、设备及存储设备，该方法包括：获取至少两个候选推荐组；每个候选推荐组包括至少两条推荐信息，不同候选推荐组中推荐信息排列顺序不同；将候选推荐组输入深度学习模型，输出候选推荐组中每个推荐信息的第一浏览量；深度学习模型用于预测每个推荐信息受相邻推荐信息影响后浏览量；基于候选推荐组中每个推荐信息的第一浏览量，确定候选推荐组的预期费用；从至少两个候选推荐组选取预期费用最大的目标推荐组并显示目标推荐组。如此，本申请预测每个推荐信息的浏览量时，结合相邻推荐信息对浏览量的影响去预测每个推荐信息的浏览量，提升浏览量的预测精度，使得最终选取的推荐组的预期费用最大且准确度高。

【技术实现步骤摘要】
一种推荐信息显示方法、装置、设备及存储介质
本申请涉及数据处理技术，尤其涉及一种推荐信息显示方法、装置、设备及存储介质。
技术介绍
电商平台中，广告内容与非广告内容常常在一起展示。这两者内容都可能影响用户的行为。前者帮助广告商实现营销目标，并为平台提供广告收入。后者有助于提升用户体验，这是平台实现长期成功的关键。因此，如何将广告内容与非广告内容合理分配在一起，使得带给电商平台最大收入成为重中之重。针对上述问题，现有中对广告内容与非广告内容进行分配时，通常根据广告能够带给电商平台的预期收入对广告进行排序。然而，现有中忽略广告内容与非广告内容之间的相互影响，使得选出的广告和非广告的组合不是最优，进而计算出电商平台的预期收入不准确。
技术实现思路
为解决上述技术问题，本申请提供一种推荐信息显示方法、装置、设备及存储介质。本申请的技术方案是这样实现的：第一方面，提供了一种推荐信息显示方法，该方法包括：获取至少两个候选推荐组；其中，每个候选推荐组中包括至少两条推荐信息，不同候选推荐组中推荐信息的排列顺序本文档来自技高网...

【技术保护点】
1.一种推荐信息显示方法，其特征在于，所述方法包括：/n获取至少两个候选推荐组；其中，每个候选推荐组中包括至少两条推荐信息，不同候选推荐组中推荐信息的排列顺序不同；/n将候选推荐组输入到深度学习模型，输出所述候选推荐组中每个推荐信息对应的第一浏览量；其中，所述深度学习模型用于预测每个推荐信息受相邻推荐信息影响后的浏览量；/n基于所述候选推荐组中每个推荐信息对应的第一浏览量，确定所述候选推荐组的预期费用；/n从所述至少两个候选推荐组选取所述预期费用最大的目标推荐组，并显示所述目标推荐组。/n

【技术特征摘要】
1.一种推荐信息显示方法，其特征在于，所述方法包括：
获取至少两个候选推荐组；其中，每个候选推荐组中包括至少两条推荐信息，不同候选推荐组中推荐信息的排列顺序不同；
将候选推荐组输入到深度学习模型，输出所述候选推荐组中每个推荐信息对应的第一浏览量；其中，所述深度学习模型用于预测每个推荐信息受相邻推荐信息影响后的浏览量；
基于所述候选推荐组中每个推荐信息对应的第一浏览量，确定所述候选推荐组的预期费用；
从所述至少两个候选推荐组选取所述预期费用最大的目标推荐组，并显示所述目标推荐组。


2.根据权利要求1所述的方法，其特征在于，
所述推荐信息包括付费的广告信息；
所述基于所述候选推荐组中每个推荐信息对应的第一浏览量，确定所述候选推荐组的预期费用，包括：
基于所述候选推荐组中每个广告信息的第一浏览量和预设的真实收费标准，确定所述候选推荐组中所有广告信息的第一总费用；
基于所述候选推荐组中每个广告信息的第一浏览量和预设的第一虚拟收费标准，确定所述候选推荐组中所有广告信息的第二总费用；其中，所述虚拟收费标准根据推荐平台的自身估值设定的；
根据所述第一总费用和所述第二总费用，得到所述预期费用。


3.根据权利要求2所述的方法，其特征在于，
所述推荐信息还包括未付费的非广告信息；
所述基于所述候选推荐组中每个推荐信息对应的第一浏览量，确定所述候选推荐组的预期费用，还包括：
基于所述候选推荐组中每个非广告信息的第一浏览量和预设的第二虚拟收费标准，确定所述候选推荐组中所有非广告信息的第三总费用；
根据所述第一总费用、所述第二总费用和所述第三总费用，得到所述预期费用。


4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
创建第一预设函数；其中，所述第一预设函数为计算所述目标推荐组中所有广告信息的浏览量的平均值的函数；
创建第二预设函数；其中，所述第二预设函数为计算所述目标推荐组中所有广告信息的真实费用的平均值的函数；
获取N个历史推荐组；其中，每个历史推荐组包括至少两个子候选推荐组；
所述预期收费为所述第一总费用时，从每个历史推荐组对应的至少两个子候选推荐组中选取所述第一总费用最大的目标推荐组；
根据所述第一预设函数计算N个目标推荐组中所有广告信息的浏览量的均值，得到第一平均值；
所述预期收费为所述第二总费用时，从每个历史推荐组对应的至少两个子候选推荐组中选取所述第二总费用最大的目标推荐组；
根据所述第二预设函数计算N个目标推荐组中所有广告信息的真实费用的均值，得到第二平均值；
基于所述第一预设函数分别创建所述N个历史推荐组对应的新的第一预设函数，并对N个新的第一预设函数取平均，得到第三预设函数；
基于所述第二预设函数分别创建所述N个历史推荐组对应的新的第二预设函数，并对N个新的第二预设函数取平均，得到第四预设函数；
所述第一平均值和所述第二平均值构成第一个点，所述第三预设函数和所述第四预设函数构成第二个点；
计算两个点之间的最小欧几里得距离，得到所述第一虚拟收费。


5.根据权利要求4所述的...

【专利技术属性】
技术研发人员：王泽南，卡洛斯·卡里昂，罗象宏，雷雨霖，哈里克什·萨西库马尔·奈尔，
申请(专利权)人：北京沃东天骏信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11