对象推荐方法、用户偏好识别方法及装置制造方法及图纸

本公开提供了一种对象推荐方法、用户偏好识别方法及装置，涉及计算机技术领域，尤其涉及智能推荐、信息流技术领域。实现方案为：获取待推荐给用户的多个对象和所述多个对象各自的第一推荐度；对于所述多个对象中的任一对象：获取所述对象的类别标签以及所述用户对所述类别标签的偏好程度，其中，所述偏好程度是基于具有所述类别标签的多个历史推荐对象的展现信息和所述用户对所述多个历史推荐对象的行为信息确定的；利用所述偏好程度对所述第一推荐度进行调整，以得到所述对象的第二推荐度，所述第二推荐度与所述偏好程度正相关；以及基于所述多个对象各自的第二推荐度，对所述多个对象进行排序，以得到所述用户的推荐列表。表。表。

【技术实现步骤摘要】
对象推荐方法、用户偏好识别方法及装置


[0001]本公开涉及计算机
，尤其涉及智能推荐、信息流
，具体涉及一种对象推荐方法及装置、用户偏好识别方法及装置、电子设备、计算机可读存储介质和计算机程序产品。

技术介绍

[0002]推荐系统用于从海量数据中筛选出用户可能感兴趣的对象，并将其推送给用户。目前，推荐系统已经被广泛应用于新闻资讯推荐、商品推荐、音视频推荐、广告投放、社交好友推荐等诸多场景中。
[0003]在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

技术实现思路

[0004]本公开提供了一种对象推荐方法及装置、用户偏好识别方法及装置、电子设备、计算机可读存储介质和计算机程序产品。
[0005]根据本公开的一方面，提供了一种对象推荐方法，包括：获取待推荐给用户的多个对象和所述多个对象各自的第一推荐度；对于所述多个对象中的任一对象：获取所述对象的类别标签以及所述用户对所述类别标签的偏好程度，其中，所述偏好程度是基于具有所述类别标签的多个历史推荐对象的展现信息和所述用户对所述多个历史推荐对象的行为信息确定的；以及利用所述偏好程度对所述第一推荐度进行调整，以得到所述对象的第二推荐度，其中，所述第二推荐度与所述偏好程度正相关；以及基于所述多个对象各自的第二推荐度，对所述多个对象进行排序，以得到所述用户的推荐列表。
[0006]根据本公开的一方面，提供了一种用户偏好识别方法，包括：获取多个目标历史推荐对象的展现信息和用户对所述多个目标历史推荐对象的行为信息，其中，所述多个目标历史推荐对象具有相同的类别标签；基于所述行为信息，确定所述用户对所述类别标签的第一偏好程度；以及利用所述展现信息对所述第一偏好程度进行修正，以得到所述用户对所述类别标签的第二偏好程度，其中，所述第二偏好程度用于确定具有所述类别标签的对象对所述用户的推荐度，以对所述用户进行对象推荐。
[0007]根据本公开的一方面，提供了一种对象推荐装置，包括：第一获取模块，被配置为获取待推荐给用户的多个对象和所述多个对象各自的第一推荐度；第二获取模块，被配置为对于所述多个对象中的任一对象，获取所述对象的类别标签以及所述用户对所述类别标签的偏好程度，其中，所述偏好程度是基于具有所述类别标签的多个历史推荐对象的展现信息和所述用户对所述多个历史推荐对象的行为信息确定的；调整模块，被配置为利用所述偏好程度对所述第一推荐度进行调整，以得到所述对象的第二推荐度，其中，所述第二推荐度与所述偏好程度正相关；以及排序模块，被配置为基于所述多个对象各自的第二推荐
度，对所述多个对象进行排序，以得到所述用户的推荐列表。
[0008]根据本公开的一方面，提供了一种用户偏好识别装置，包括：获取模块，被配置为获取多个目标历史推荐对象的展现信息和用户对所述多个目标历史推荐对象的行为信息，其中，所述多个目标历史推荐对象具有相同的类别标签；确定模块，被配置为基于所述行为信息，确定所述用户对所述类别标签的第一偏好程度；以及修正模块，被配置为利用所述展现信息对所述第一偏好程度进行修正，以得到所述用户对所述类别标签的第二偏好程度，其中，所述第二偏好程度用于确定具有所述类别标签的对象对所述用户的推荐度，以对所述用户进行对象推荐。
[0009]根据本公开的一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述任一方面的方法。
[0010]根据本公开的一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行上述任一方面的方法。
[0011]根据本公开的一方面，提供了一种计算机程序产品，包括计算机程序指令，所述计算机程序指令在被处理器执行时实现上述任一方面的方法。
[0012]根据本公开的一个或多个实施例，能够实现精准的多样化推荐。
[0013]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0014]附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
[0015]图1示出了根据本公开实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
[0016]图2示出了根据本公开实施例的对象推荐方法的流程图；
[0017]图3示出了根据本公开实施例的用户偏好识别方法的流程图；
[0018]图4示出了根据本公开实施例的对象推荐装置的结构框图；
[0019]图5示出了根据本公开实施例的用户偏好识别装置的结构框图；以及
[0020]图6示出了能够用于实现本公开实施例的示例性电子设备的结构框图。
具体实施方式
[0021]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0022]在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另
一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
[0023]在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
[0024]本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
[0025]相关技术中，通常采用多路召回、增加粗排模型或精排模型的输入特征等方法增加推荐结果的多样性。这些方法都是启发式的，认为推荐结果越多样越好，但没有考虑用户的反馈和偏好，导致推荐结果不够精准。
[0026]针对上述问题，本公开实施例提供了一种对象推荐方法，能够实现精准的多样化推荐。
[0027]下面将结合附图详细描述本公开的实施例。
[0028]图1示出了根据本公开的实施例可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对象推荐方法，包括：获取待推荐给用户的多个对象和所述多个对象各自的第一推荐度；对于所述多个对象中的任一对象：获取所述对象的类别标签以及所述用户对所述类别标签的偏好程度，其中，所述偏好程度是基于具有所述类别标签的多个历史推荐对象的展现信息和所述用户对所述多个历史推荐对象的行为信息确定的；以及利用所述偏好程度对所述第一推荐度进行调整，以得到所述对象的第二推荐度，其中，所述第二推荐度与所述偏好程度正相关；以及基于所述多个对象各自的第二推荐度，对所述多个对象进行排序，以得到所述用户的推荐列表。2.根据权利要求1所述的方法，其中，所述对象具有多个类别标签，所述利用所述偏好程度对所述第一推荐度进行调整，以得到所述对象的第二推荐度包括：利用所述多个类别标签各自的偏好程度对所述第一推荐度进行调整，以得到所述对象的第二推荐度，其中，所述第二推荐度与所述多个类别标签中的任一类别标签的偏好程度正相关。3.根据权利要求1或2所述的方法，还包括：将所述多个对象按照所述推荐列表中的顺序依次展现给所述用户；以及基于所述用户对已展现对象的行为信息和所述已展现对象的展现信息，更新所述用户对所述已展现对象的类别标签的偏好程度。4.一种用户偏好识别方法，包括：获取多个目标历史推荐对象的展现信息和用户对所述多个目标历史推荐对象的行为信息，其中，所述多个目标历史推荐对象具有相同的类别标签；基于所述行为信息，确定所述用户对所述类别标签的第一偏好程度；以及利用所述展现信息对所述第一偏好程度进行修正，以得到所述用户对所述类别标签的第二偏好程度，其中，所述第二偏好程度用于确定具有所述类别标签的对象对所述用户的推荐度，以对所述用户进行对象推荐。5.根据权利要求4所述的方法，还包括：获取所述用户的历史推荐对象列表，所述历史推荐对象列表中的每个历史推荐对象在推荐页面中的开始展现时间、展现时长和第一展现位置，所述用户在所述推荐页面中的搜索行为的开始时间和搜索框的第二展现位置；以及响应于所述历史推荐对象满足以下任一条件，将所述历史推荐对象作为所述多个目标历史推荐对象之一：所述历史推荐对象的开始展现时间与所述开始时间的差大于第一阈值；所述历史推荐对象的第一展现位置与所述第二展现位置的差大于第二阈值；所述展现时长大于第三阈值。6.根据权利要求4或5所述的方法，其中，所述基于所述行为信息，确定所述用户对所述类别标签的第一偏好程度包括：基于所述行为信息，确定所述类别标签的最大连续不点击次数；以及基于所述最大连续不点击次数，确定所述第一偏好程度，其中，所述第一偏好程度与所
述最大连续不点击次数负相关。7.根据权利要求6所述的方法，其中，所述行为信息包括是否点击和浏览时长，并且其中，所述基于所述行为信息，确定所述类别标签的最大连续不点击次数包括：将所述多个目标历史推荐对象中的被所述用户点击并且浏览时长小于第四阈值的目标历史推荐对象标记为未被点击；以及基于经过标记的多个目标历史推荐对象，确定所述类别标签的最大连续不点击次数。8.根据权利要求6或7所述的方法，其中，所述基于所述行为信息，确定所述类别标签的最大连续不点击次数包括：基于所述行为信息，确定在第一历史时期内所述类别标签的初始最大连续不点击次数和在第二历史时期内所述类别标签的点击次数，其中，所述第一历史时期包括并且长于所述第二历史时期；以及利用所述点击次数对所述初始最大连续不点击次数进行修正，以得到所述最大连续不点击次数。9.根据权利要求6或7所述的方法，其中，所述基于所述行为信息，确定所述类别标签的最大连续不点击次数包括：基于所述行为信息，确定在第一历史时期内所述类别标签的初始最大连续不点击次数；以及基于所述第一历史时期内的具有所述类别标签的历史推荐对象占所述第一历史时期内的所述用户的所有历史推荐对象的比例，对所述初始最大连续不点击次数进行修正，以得到所述最大连续不点击次数。10.根据权利要求4
‑
9中任一项所述的方法，其中，所述展现信息包括所述多个目标历史推荐对象中的最后展现的目标历史推荐对象与所述用户的历史推荐对象列表中的最后展现的历史推荐对象的距离间隔和/或时间间隔，并且其...

【专利技术属性】
技术研发人员：杨牡丹，王朝旭，曹茜，郑宇航，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：