一种资讯推荐方法、装置、设备以及存储介质制造方法及图纸

本申请公开了一种基于人工智能技术和云技术实现的资讯推荐方法，可应用的领域包括但不限于地图、导航、车联网、车路协同和即时通信等领域，应用场景至少包括各类终端，如：手机、电脑、车载终端等。本申请包括获取目标对象信息和候选资讯信息；通过点击率预估模型获取预估点击率；通过转化率预估模型获取候选资讯的浅层转化率预估值和候选资讯的浅层至深层转化率预估值；对于深层目标资讯，根据预估点击率、浅层转化率预估值、浅层至深层转化率预估值、浅层出价和深层出价确定目标收益值；若满足资讯推荐条件，则向目标对象推荐候选资讯。本申请还提供相关装置、设备及介质。本申请能够为特定对象推荐有针对性的资讯内容，从而提升推荐效果。升推荐效果。升推荐效果。

【技术实现步骤摘要】
一种资讯推荐方法、装置、设备以及存储介质


[0001]本申请涉及机器学习
，尤其涉及一种资讯推荐方法、装置、设备以及存储介质。

技术介绍

[0002]基于大数据技术的发展，信息推荐作为提高用户体验的方式，被广泛应用于各个领域。例如，在用户浏览网页时，为用户推荐可能感兴趣的游戏资讯。又例如，在用户通过电子商务平台筛选商品时，为用户推荐可能感兴趣的商品资讯等。
[0003]通过个性化推荐算法能够帮助用户找到感兴趣的内容，有利于提升用户的在线时长和留存率。在现有技术中，可根据渠道商提供的信息和资讯主设置的定向条件筛选出符合条件的资讯，然后这些资讯进行排序，最后，将排序结果作为资讯推荐的依据。
[0004]专利技术人发现现有技术中至少存在如下问题，对资讯进行排序的过程中，涉及到的定向条件往往是针对某个群体的，例如，针对25岁至30岁的男性。因此，对于没有被定向的群体可能无法观看到这些资讯，导致推荐效果较差。

技术实现思路

[0005]本申请实施例提供了一种资讯推荐方法、装置、设备以及存储介质。基于预估点击率和预估转化率共同确定资讯的目标收益值，由此，能够实现为特定对象推荐有针对性的资讯内容，从而提升推荐效果。
[0006]有鉴于此，本申请一方面提供一种资讯推荐方法，包括：
[0007]获取目标对象的目标对象信息以及候选资讯的候选资讯信息；
[0008]基于目标对象信息以及候选资讯信息，通过点击率预估模型获取目标对象针对候选资讯的预估点击率；
[0009]基于目标对象信息以及候选资讯信息，通过转化率预估模型获取候选资讯的浅层转化率预估值以及候选资讯的浅层至深层转化率预估值；
[0010]若候选资讯属于深层目标资讯，则通过调用综合函数对所述预估点击率、浅层转化率预估值、浅层至深层转化率预估值、浅层出价以及深层出价进行计算，得到候选资讯所对应的目标收益值，其中，深层目标资讯具有已设定的浅层出价以及深层出价；
[0011]若根据目标收益值确定候选资讯满足资讯推荐条件，则向目标对象推荐候选资讯。
[0012]本申请另一方面提供一种资讯推荐装置，包括：
[0013]获取模块，用于获取目标对象的目标对象信息以及候选资讯的候选资讯信息；
[0014]获取模块，还用于基于目标对象信息以及候选资讯信息，通过点击率预估模型获取目标对象针对候选资讯的预估点击率；
[0015]获取模块，还用于基于目标对象信息以及候选资讯信息，通过转化率预估模型获取候选资讯的浅层转化率预估值以及候选资讯的浅层至深层转化率预估值；
[0016]确定模块，用于若候选资讯属于深层目标资讯，则通过调用综合函数对所述预估点击率、浅层转化率预估值、浅层至深层转化率预估值、浅层出价以及深层出价进行计算，得到候选资讯所对应的目标收益值，其中，深层目标资讯具有已设定的浅层出价以及深层出价；
[0017]推荐模块，用于若根据目标收益值确定候选资讯满足资讯推荐条件，则向目标对象推荐候选资讯。
[0018]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，
[0019]确定模块，具体用于根据深层出价与浅层出价的比值，确定候选资讯的目标深层转化率；
[0020]根据目标深层转化率与动态调价因子的乘积，确定转化率阈值，其中，动态调价因子与深层目标资讯在资讯总数的占比具有关联关系；
[0021]根据浅层转化率预估值与浅层至深层转化率预估值的乘积，确定候选资讯的深层转化率预估值；
[0022]若浅层至深层转化率预估值大于转化率阈值，则根据预估点击率、浅层转化率预估值、浅层出价、动态调价因子、深层转化率预估值以及深层出价，计算得到候选资讯所对应的目标收益值；
[0023]若浅层至深层转化率预估值小于或等于转化率阈值，则将候选资讯所对应的目标收益值确定为最小收益值。
[0024]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，
[0025]确定模块，还用于若候选资讯属于浅层目标资讯，则根据预估点击率、浅层转化率预估值以及浅层出价，确定候选资讯所对应的目标收益值，其中，浅层目标资讯具有已设定的浅层出价。
[0026]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，
[0027]获取模块，具体用于获取目标对象所对应的目标对象信息，其中，目标对象信息包括目标对象的基础属性信息、行为信息以及兴趣信息中的至少一种；
[0028]获取候选资讯所对应的候选资讯信息，其中，候选资讯信息包括候选资讯的资讯标识、资讯主标识、资讯类型、文本信息以及图片信息中的至少一种。
[0029]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，
[0030]获取模块，具体用于根据目标对象信息获取P组对象嵌入向量，其中，P组对象嵌入向量中至少一组对象嵌入向量为基于嵌入查询关系所确定的，P为大于或等于1的整数；
[0031]根据候选资讯信息获取Q组资讯嵌入向量，其中，Q组资讯嵌入向量中至少一组资讯嵌入向量为基于嵌入查询关系所确定的，Q为大于或等于1的整数；
[0032]将P组对象嵌入向量中相同位置对应的元素进行相加，得到目标对象的对象特征向量；
[0033]将Q组资讯嵌入向量中相同位置对应的元素进行相加，得到候选资讯的资讯特征向量；
[0034]对对象特征向量与资讯特征向量进行拼接处理，得到目标拼接向量；
[0035]基于目标拼接向量，通过转化率预估模型获取候选资讯的浅层转化率预估值以及浅层至深层转化率预估值。
[0036]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，
[0037]获取模块，具体用于对目标对象信息进行特征化处理，得到目标对象的对象特征向量；
[0038]对候选资讯信息进行特征化处理，得到候选资讯的资讯特征向量；
[0039]对对象特征向量与资讯特征向量进行拼接处理，得到目标拼接向量；
[0040]基于目标拼接向量，通过转化率预估模型获取候选资讯的浅层转化率预估值以及浅层至深层转化率预估值。
[0041]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，
[0042]获取模块，具体用于从目标对象信息中获取目标对象的对象子信息，其中，对象子信息所包括的特征类型少于或等于目标对象信息所包括的特征类型；
[0043]从候选资讯信息中获取候选资讯的资讯子信息，其中，资讯子信息所包括的特征类型少于或等于候选资讯信息所包括的特征类型；
[0044]对对象子信息进行特征化处理，得到目标对象的对象子特征向量；
[0045]对资讯子信息进行特征化处理，得到候选资讯的资讯子特征向量；
[0046]基于对象子特征向量以及资讯子特征向量，通过点击率预估模型获取目标对象针对候选资讯的预估点击率。
[0047]在一种可能的设计中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种资讯推荐方法，其特征在于，包括：获取目标对象的目标对象信息以及候选资讯的候选资讯信息；基于所述目标对象信息以及所述候选资讯信息，通过点击率预估模型获取所述目标对象针对所述候选资讯的预估点击率；基于所述目标对象信息以及所述候选资讯信息，通过转化率预估模型获取所述候选资讯的浅层转化率预估值以及所述候选资讯的浅层至深层转化率预估值；若所述候选资讯属于深层目标资讯，则通过调用综合函数对所述预估点击率、所述浅层转化率预估值、所述浅层至深层转化率预估值、浅层出价以及深层出价进行计算，得到所述候选资讯所对应的目标收益值，其中，所述深层目标资讯具有已设定的所述浅层出价以及所述深层出价；若根据所述目标收益值确定所述候选资讯满足资讯推荐条件，则向所述目标对象推荐所述候选资讯。2.根据权利要求1所述的资讯推荐方法，其特征在于，所述通过调用综合函数对所述预估点击率、所述浅层转化率预估值、所述浅层至深层转化率预估值、浅层出价以及深层出价进行计算，得到所述候选资讯所对应的目标收益值，包括：根据所述深层出价与所述浅层出价的比值，确定所述候选资讯的目标深层转化率；根据所述目标深层转化率与动态调价因子的乘积，确定转化率阈值，其中，所述动态调价因子与深层目标资讯在资讯总数的占比具有关联关系；根据所述浅层转化率预估值与所述浅层至深层转化率预估值的乘积，确定所述候选资讯的深层转化率预估值；若所述浅层至深层转化率预估值大于所述转化率阈值，则根据所述预估点击率、所述浅层转化率预估值、所述浅层出价、所述动态调价因子、所述深层转化率预估值以及所述深层出价，计算得到所述候选资讯所对应的所述目标收益值；若所述浅层至深层转化率预估值小于或等于所述转化率阈值，则将所述候选资讯所对应的目标收益值确定为最小收益值。3.根据权利要求1所述的资讯推荐方法，其特征在于，所述方法还包括：若所述候选资讯属于浅层目标资讯，则根据所述预估点击率、所述浅层转化率预估值以及浅层出价，确定所述候选资讯所对应的目标收益值，其中，所述浅层目标资讯具有已设定的所述浅层出价。4.根据权利要求1所述的资讯推荐方法，其特征在于，所述获取目标对象的目标对象信息以及候选资讯的候选资讯信息，包括：获取所述目标对象所对应的目标对象信息，其中，所述目标对象信息包括所述目标对象的基础属性信息、行为信息以及兴趣信息中的至少一种；获取所述候选资讯所对应的候选资讯信息，其中，所述候选资讯信息包括所述候选资讯的资讯标识、资讯主标识、资讯类型、文本信息以及图片信息中的至少一种。5.根据权利要求1所述的资讯推荐方法，其特征在于，所述基于所述目标对象信息以及所述候选资讯信息，通过转化率预估模型获取所述候选资讯的浅层转化率预估值以及浅层至深层转化率预估值，包括：根据所述目标对象信息获取P组对象嵌入向量，其中，所述P组对象嵌入向量中至少一
组对象嵌入向量为基于嵌入查询关系所确定的，所述P为大于或等于1的整数；根据所述候选资讯信息获取Q组资讯嵌入向量，其中，所述Q组资讯嵌入向量中至少一组资讯嵌入向量为基于所述嵌入查询关系所确定的，所述Q为大于或等于1的整数；将所述P组对象嵌入向量中相同位置对应的元素进行相加，得到所述目标对象的对象特征向量；将所述Q组资讯嵌入向量中相同位置对应的元素进行相加，得到所述候选资讯的资讯特征向量；对所述对象特征向量与所述资讯特征向量进行拼接处理，得到目标拼接向量；基于所述目标拼接向量，通过所述转化率预估模型获取所述候选资讯的浅层转化率预估值以及浅层至深层转化率预估值。6.根据权利要求1所述的资讯推荐方法，其特征在于，所述基于所述目标对象信息以及所述候选资讯信息，通过转化率预估模型获取所述候选资讯的浅层转化率预估值以及浅层至深层转化率预估值，包括：对所述目标对象信息进行特征化处理，得到所述目标对象的对象特征向量；对所述候选资讯信息进行特征化处理，得到所述候选资讯的资讯特征向量；对所述对象特征向量与所述资讯特征向量进行拼接处理，得到目标拼接向量；基于所述目标拼接向量，通过所述转化率预估模型获取所述候选资讯的浅层转化率预估值以及浅层至深层转化率预估值。7.根据权利要求1所述的资讯推荐方法，其特征在于，所述基于所述目标对象信息以及所述候选资讯信息，通过点击率预估模型获取所述目标对象针对所述候选资讯的预估点击率，包括：从所述目标对象信息中获取所述目标对象的对象子信息，其中，所述对象子信息所包括的特征类型少于或等于所述目标对象信息所包括的特征类型；从所述候选资讯信息中获取所述候选资讯的资讯子信息，其中，所述资讯子信息所包括的特征类型少于或等于所述候选资讯信息所包括的特征类型；对所述对象子信息进行特征化处理，得到所述目标对象的对象子特征向量；对所述资讯子信息进行特征化处理，得到所述候选资讯的资讯子特征向量；基于所述对象子特征向量以及所述资讯子特征向量，通过所述点击率预估模型获取所述目标对象针对所述候选资讯的预估点击率。8.根据权利要求1所述的资讯推荐方法，其特征在于，所述方法还包括：获取M组训练样本数据，其中，每组训练样本数据包括训练对象的对象子样本信息、训练资讯的资讯子样本信息以及所述训练对象的标注点击标签，所述M为大于或等于1的整数；针对所述每组训练样本数据，对所述对象子样本信息进行特征化处理，得到所述训练对象的对象样本子特征向量；针对所述每组训练样本数据，对所述资讯子样本信息进行特征化处理，得到所述训练资讯的资讯样本子特征向量；针对所述每组训练样本数据，基于所述对象样本子特征向量以及所述资讯样本子特征向量，通过待训练点击率预估模型获取所述训练对象针对所述训练资讯的预估点击率；
针对所述M组训练样本数据，根据所述训练对象针对所述训练资讯的预估点击率以及所述训练对象的标注点击标签，对所述待训练点击率预估模型的模型参数进行更新，直至满足模型训练条件，得到所述点击率预估模型。9.根据权利要求1所述的资讯推荐方法，其特征在于，所述方法还包括：按照收益值从高到低的顺序，根据所述目标收益值更新资讯排序列表，其中，所述资讯...

【专利技术属性】
技术研发人员：石志林，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：