信息推荐方法及装置、存储介质制造方法及图纸

本说明书提供一种信息推荐方法及装置、存储介质，该方法包括：基于用户对云节点下发的至少一个第一推荐信息的操作行为，得到实时特征信息；将实时特征信息发送给边缘节点；接收并存储边缘节点返回的目标特征信息，目标特征信息是用于表征用户的历史操作行为和实时操作行为之间的共性的特征信息；基于目标特征信息，对云节点下发的至少一个第二推荐信息进行重排序后输出。本公开可以利用边缘节点的算力为客户端提供更精准表征用户操作行为的目标特征信息，扩展了客户端上表征用户操作行为的特征信息的丰富度，且可以减少信息推荐的时延，能够更合理的利用端边云各个设备的资源，提高了端边云架构的可用性。提高了端边云架构的可用性。提高了端边云架构的可用性。

【技术实现步骤摘要】
信息推荐方法及装置、存储介质


[0001]本说明书一个或多个实施例涉及数据处理领域，尤其涉及一种信息推荐方法及装置、存储介质。

技术介绍

[0002]目前，客户端在接收到云节点推荐的信息后，可以通过实时感知用户操作行为，从而进行智能刷新、内容重排等操作。但由于客户端算力受限，导致客户端上可用的用于表征用户操作行为的特征信息较少，最终客户端输出的推荐信息的排序与用户的匹配度不高，该过程有待优化。

技术实现思路

[0003]本说明书一个或多个实施例提供一种信息推荐方法及装置、存储介质。
[0004]为实现上述目的，本说明书一个或多个实施例提供技术方案如下：根据本说明书一个或多个实施例的第一方面，提出了一种信息推荐方法，包括：基于用户对云节点下发的至少一个第一推荐信息的操作行为，得到实时特征信息，所述实时特征信息是用于表征所述用户的实时操作行为的特征信息；将所述实时特征信息发送给边缘节点；接收并存储所述边缘节点返回的目标特征信息，所述目标特征信息是用于表征所述用户的历史操作行为和所述实时操作行为之间的共性的特征信息；基于所述目标特征信息，对所述云节点下发的至少一个第二推荐信息进行重排序后输出。
[0005]根据本说明书一个或多个实施例的第二方面，提出了一种信息推荐方法，包括：接收客户端发送的实时特征信息，所述实时特征信息是用于表征用户的实时操作行为的特征信息；获取云节点提供的所述用户的历史特征信息，所述历史特征信息是用于表征用户的历史操作行为的特征信息；基于所述实时特征信息和所述历史特征信息，得到目标特征信息后同步给所述客户端和所述云节点，所述目标特征信息是表征所述用户的历史操作行为和所述实时操作行为之间的共性的特征信息。
[0006]根据本说明书一个或多个实施例的第三方面，提出了一种信息推荐方法，包括：基于用户的历史特征信息，向客户端下发至少一个第一推荐信息，以便所述客户端得到实时特征信息，所述历史特征信息是用于表征所述用户的历史操作行为的特征信息，所述实时特征信息是用于表征用户对至少一个所述第一推荐信息的实时操作行为的特征信息；向边缘节点发送所述用户的历史特征信息，以便所述边缘节点基于所述实时特征信息和所述历史特征信息，得到目标特征信息，所述目标特征信息是表征所述用户的历史
操作行为和所述实时操作行为之间的共性的特征信息；基于所述边缘节点发送的所述目标特征信息，同步更新所述用户的历史特征信息；基于更新后的历史特征信息，向所述客户端下发至少一个第二推荐信息，以便所述客户端基于所述目标特征信息，对至少一个所述第二推荐信息进行重排序后输出。
[0007]根据本说明书一个或多个实施例的第四方面，提出了一种信息推荐装置，包括：第一处理模块，用于基于用户对云节点下发的至少一个第一推荐信息的操作行为，得到实时特征信息，所述实时特征信息是用于表征所述用户的实时操作行为的特征信息；第一发送模块，用于将所述实时特征信息发送给边缘节点；第一接收模块，用于接收并存储所述边缘节点返回的目标特征信息，所述目标特征信息是表征所述用户的历史操作行为和所述实时操作行为之间的共性的特征信息；第二处理模块，用于基于所述目标特征信息，对所述云节点下发的至少一个第二推荐信息进行重排序后输出。
[0008]根据本说明书一个或多个实施例的第五方面，提出了一种信息推荐装置，包括：第二接收模块，用于接收客户端发送的实时特征信息，所述实时特征信息是用于表征用户的实时操作行为的特征信息；第三接收模块，用于获取云节点提供的所述用户的历史特征信息，所述历史特征信息是用于表征用户的历史操作行为的特征信息；第三处理模块，用于基于所述实时特征信息和所述历史特征信息，得到目标特征信息后同步给所述客户端和所述云节点，所述目标特征信息是表征所述用户的历史操作行为和所述实时操作行为之间的共性的特征信息。
[0009]根据本说明书一个或多个实施例的第六方面，提出了一种信息推荐装置，包括：第二发送模块，用于基于用户的历史特征信息，向客户端下发至少一个第一推荐信息，以便所述客户端得到实时特征信息，所述历史特征信息是用于表征所述用户的历史操作行为的特征信息，所述实时特征信息是用于表征用户对至少一个所述第一推荐信息的实时操作行为的特征信息；第三发送模块，用于向边缘节点发送所述用户的历史特征信息，以便所述边缘节点基于所述实时特征信息和所述历史特征信息，得到目标特征信息，所述目标特征信息是表征所述用户的历史操作行为和所述实时操作行为之间的共性的特征信息；更新模块，用于基于所述边缘节点发送的所述目标特征信息，同步更新所述用户的历史特征信息；第四发送模块，用于基于更新后的历史特征信息，向所述客户端下发至少一个第二推荐信息，以便所述客户端基于所述目标特征信息，对至少一个所述第二推荐信息进行重排序后输出。
[0010]根据本说明书一个或多个实施例的第七方面，提出了一种客户端，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器通过运行所述可执行指令以实现如第一方面任一项所述的信息
推荐方法。
[0011]根据本说明书一个或多个实施例的第八方面，提出了一种边缘节点，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器通过运行所述可执行指令以实现如第二方面任一项所述的信息推荐方法。
[0012]根据本说明书一个或多个实施例的第九方面，提出了一种云节点，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器通过运行所述可执行指令以实现如第三方面任一项所述的信息推荐方法。
[0013]根据本说明书一个或多个实施例的第十方面，提出了一种信息推荐系统，包括：客户端，所述客户端用于实现如第一方面任一项所述的信息推荐方法；边缘节点，所述边缘节点用于实现如第二方面所述的信息推荐方法；云节点，所述云节点用于实现如第三方面任一项所述的信息推荐方法。
[0014]根据本说明书一个或多个实施例的第十一方面，提出了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如上述任一项所述的信息推荐方法的步骤。
[0015]本说明书的实施例提供的技术方案可以包括以下有益效果：在本公开中，可以利用边缘节点的算力为客户端提供更精准表征用户操作行为的目标特征信息，扩展了客户端上表征用户操作行为的特征信息的丰富度，且由于端节点靠近客户端，可以减少信息推荐的时延，另外，还能够更合理的利用端边云各个设备的资源，提高了端边云架构的可用性。
附图说明
[0016]图1是一示例性实施例提供的一种信息推荐系统的结构示意图。
[0017]图2是一示例性实施例提供的一种信息推荐方法的流程示意图。
[0018]图3是一示例性实施例提供的另一种信息推荐方法的流程示意图。
[0019]图4是一示例性实施例提供的另一种信息推荐方法的流程示意图。
[0020]图5是一示例性实施例提供的另一种信息推荐方法的流程示意图。
[0021]图6是一示例性实施例提供的一种信息推荐装置的框图。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：基于用户对云节点下发的至少一个第一推荐信息的操作行为，得到实时特征信息，所述实时特征信息是用于表征所述用户的实时操作行为的特征信息；将所述实时特征信息发送给边缘节点；接收并存储所述边缘节点返回的目标特征信息，所述目标特征信息是用于表征所述用户的历史操作行为和所述实时操作行为之间的共性的特征信息；基于所述目标特征信息，对所述云节点下发的至少一个第二推荐信息进行重排序后输出。2.根据权利要求1所述的方法，其特征在于，所述基于用户对云节点下发的至少一个第一推荐信息的操作行为，得到实时特征信息，包括：采集所述用户对至少一个所述第一推荐信息实时的操作行为信息；对所述操作行为信息进行特征计算，得到所述实时特征信息。3.根据权利要求2所述的方法，其特征在于，所述对所述操作行为信息进行特征计算，包括：对所述实时特征信息按照预设周期、所述操作行为的类型、所述第一推荐信息的类型中的至少一项进行分类处理。4.根据权利要求1所述的方法，其特征在于，所述基于所述目标特征信息，对所述云节点下发的至少一个第二推荐信息进行重排序后输出，包括：将所述目标特征信息输入客户端上的目标神经网络模型，获得所述目标神经网络模型的输出结果，所述目标神经网络模型用于对多类推荐信息按照所述用户的操作行为进行最优排序；基于所述输出结果和每个所述第二推荐信息的类型，对至少一个所述第二推荐信息进行重排序后输出。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：接收云节点发送的所述目标神经网络模型的网络参数；基于所述网络参数，构建或同步更新所述客户端上的所述目标神经网络模型。6.一种信息推荐方法，其特征在于，包括：接收客户端发送的实时特征信息，所述实时特征信息是用于表征用户的实时操作行为的特征信息；获取云节点提供的所述用户的历史特征信息，所述历史特征信息是用于表征用户的历史操作行为的特征信息；基于所述实时特征信息和所述历史特征信息，得到目标特征信息后同步给所述客户端和云节点，所述目标特征信息是表征所述用户的历史操作行为和所述实时操作行为之间的共性的特征信息。7.根据权利要求6所述的方法，其特征在于，所述基于所述实时特征信息和所述历史特征信息，得到所述目标特征信息，包括：从所述实时特征信息和所述历史特征信息中提取共同的嵌入特征信息，得到所述目标特征信息。8.一种信息推荐方法，其特征在于，包括：
基于用户的历史特征信息，向客户端下发至少一个第一推荐信息，以便所述客户端得到实时特征信息，所述历史特征信息是用于表征所述用户的历史操作行为的特征信息，所述实时特征信息是用于表征用户对至少一个所述第一推荐信息的实时操作行为的特征信息；向边缘节点发送所述用户的历史特征信息，以便所述边缘节点基于所述实时特征信息和所述历史特征信息，得到目标特征信息，所述目标特征信息是表征所述用户的历史操作行为和所述实时操作行为之间的共性的特征信息；基于所述边缘节点发送的所述目标特征信息，同步更新所述用户的历史特征信息；基于更新后的历史特征信息，向所述客户端下发至少一个第二推荐信息，以便所述客户端基于所述目标特征信息，对至少一个所述第二推荐信息进行重排序后输出。9.根据权利要求8所述的方法，其特征在于，所述方法还包括：基于所述用户的历史特征信息，对云节点上的初始神经网络模型进行训练，得到目标神经网络模型，所述目标神经网络模型用于对多类推荐信息按照所述用户的操作行为进行最优排序；将所述目标神经网络模型的网络参数发送给所述客户端，以使得所述客户端建立所述目标神经网络模型。1...

【专利技术属性】
技术研发人员：孙仁恩，张冠男，魏鹏，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：