一种目标对象的推荐方法、装置及设备制造方法及图纸

本发明专利技术提供一种目标对象的推荐方法、装置及设备，目标对象的推荐方法包括：根据用户历史行为信息以及用户特征信息，生成目标对象的初始推荐结果；获取用户个性化调控参数；根据所述用户个性化调控参数，对所述初始推荐结果进行调控，得到目标对象的最终推荐结果。本发明专利技术的方案可以根据用户的兴趣进行个性化调控，能够在保证用户体验的情况下实现调控目标。能够在保证用户体验的情况下实现调控目标。能够在保证用户体验的情况下实现调控目标。

【技术实现步骤摘要】
一种目标对象的推荐方法、装置及设备


[0001]本专利技术涉及计算机信息处理
，特别是指一种目标对象的推荐方法、装置及设备。

技术介绍

[0002]个性化视频推荐是根据用户的兴趣特点和播放记录，向用户推荐其感兴趣的视频。随着经典电影以及电视剧等资源的不断增加，视频个数和种类快速增长，用户需要花费大量的时间才能找到自己想看的视频，此外，为用户推荐其感兴趣的视频也可以很好的提高用户的活跃度，提高用户满意度。
[0003]现有的推荐方法通常是根据用户的点击行为来对候选物品按点击率预估进行排序。但是在信息流的场景下，这种推荐方法不能保证推荐结果的内容质量，无法实现调控目标。

技术实现思路

[0004]本专利技术提供一种目标对象的推荐方法、装置及设备，可以根据用户的兴趣进行个性化调控，能够在保证用户体验的情况下实现调控目标。
[0005]为解决上述技术问题，本专利技术的技术方案如下：
[0006]一种目标对象的推荐方法，所述方法包括：
[0007]根据用户历史行为信息以及用户特征信息，生成目标对象的初始推荐结果；
[0008]获取用户个性化调控参数；
[0009]根据所述用户个性化调控参数，对所述初始推荐结果进行调控，得到目标对象的最终推荐结果。
[0010]可选的，根据用户历史行为信息以及用户特征信息，生成目标对象的初始推荐结果，包括：
[0011]获取用户历史交互行为信息以及用户基础特征信息；
[0012]将所述用户历史交互行为信息与用户基础特征信息输入预设推荐算法模型，进行目标对象的点击率预估，得到点击率预估得分；
[0013]对所述点击率预估得分进行排序，得到每个用户的前N个推荐结果，N为正整数。
[0014]可选的，获取用户个性化调控参数，包括：
[0015]确定目标对象的质量分布；
[0016]根据所述目标对象的质量分布，求解用户个性化调控参数。
[0017]可选的，确定目标对象的质量分布，包括：
[0018]获得目标对象的质量打分；
[0019]根据所述目标对象的质量打分以及打分阈值，确定目标对象的至少两个质量等级；
[0020]将所述至少两个质量等级中的每一个质量等级的推荐质量占比，确定为目标对象
的质量分布。
[0021]可选的，根据所述目标对象的质量分布，求解用户个性化调控参数，包括：
[0022]获取所述目标对象的质量分布与期望质量分布之间的梯度；
[0023]根据所述梯度，求解用户个性化调控参数。
[0024]可选的，获取目标对象的质量分布与期望总体目标分布之间的梯度，包括：
[0025]通过获取目标对象的质量分布与期望质量分布之间的距离；其中，P
base
为目标对象的质量分布，P
target
为期望质量分布，D为距离；
[0026]通过确定梯度，且梯度方向为其中，q为P
target
，p为P
base
。
[0027]可选的，根据所述梯度，求解用户个性化调控参数，包括：
[0028]根据p
u
＝P
base
‑
γ
u
*g求解用户个性化调控参数；
[0029]其中，p
u
为最终个性化的目标分布，γ
u
表示用户个性化调控参数，表示用户u的推荐质量分布的变化程度；
[0030]其中，
[0031]个性化目标分布满足：1≤p
u
≤1以及
[0032][0033]其中，w
u
为用户的权重，a为用户u的第a次迭代计算，式1表示各用户最小化全局用户变化的情况下的用户权重和用户u对应的γ
u
的乘积的求和；式2、式3和式4为约束条件。
[0034]可选的，根据所述用户个性化调控参数，对所述初始推荐结果进行调控，得到目标对象的最终推荐结果，包括：
[0035]根据λ*1/(rank(u,i)+1)
‑
(1
‑
λ)*D(p
u
,q)，计算对所述初始推荐结果中的每个用户的质量得分；
[0036]按照所述质量得分的高低顺序，对所述初始推荐结果中的每个用户的推荐结果进行调整，得到每个用户的目标对象的最终推荐结果；
[0037]其中，λ为超参数，表示排序得分与质量变化得分的权重；
[0038]rank(u,i)表示用户u的推荐结果中，i的排序序号；
[0039]D(p
u
,q)表示用户的两个分布之间的差异。
[0040]本专利技术的实施例还提供一种目标对象的推荐装置，包括：
[0041]获取模块，用于根据用户历史行为信息以及用户特征信息，生成目标对象的初始推荐结果；以及获取用户个性化调控参数；
[0042]处理模块，用于根据所述用户个性化调控参数，对所述初始推荐结果进行调控，得到目标对象的最终推荐结果。
[0043]本专利技术的实施例还提供一种计算设备，包括：处理器、存储有计算机程序的存储
器，所述计算机程序被处理器运行时，执行如上所述的方法。
[0044]本专利技术的实施例还提供一种计算机可读存储介质，存储指令，当所述指令在计算机上运行时，使得计算机执行如上所述的方法。
[0045]本专利技术的上述方案至少包括以下有益效果：
[0046]本专利技术的方案，通过根据用户历史行为信息以及用户特征信息，生成目标对象的初始推荐结果；获取用户个性化调控参数；根据所述用户个性化调控参数，对所述初始推荐结果进行调控，得到目标对象的最终推荐结果，能够在保证用户体验的情况下，实现调控目标。
附图说明
[0047]图1是本专利技术实施例提供的目标对象的推荐方法的流程图；
[0048]图2是本专利技术实施例提供的目标对象的推荐装置的模块示意图。
具体实施方式
[0049]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本专利技术的示例性实施例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本专利技术，并且能够将本专利技术的范围完整的传达给本领域的技术人员。
[0050]如图1所示，本专利技术的实施例提供一种目标对象的推荐方法，所述方法包括：
[0051]步骤11，根据用户历史行为信息以及用户特征信息，生成目标对象的初始推荐结果；
[0052]步骤12，获取用户个性化调控参数；
[0053]步骤13，根据所述用户个性化调控参数，对所述初始推荐结果进行调控，得到目标对象的最终推荐结果。
[0054]本专利技术的该实施例中，目标对象可以是用户浏览的视频等对象，通过根据用户历史行为信息以及用户特征信息，生成目标对象的初始推荐结果；获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标对象的推荐方法，其特征在于，所述方法包括：根据用户历史行为信息以及用户特征信息，生成目标对象的初始推荐结果；获取用户个性化调控参数；根据所述用户个性化调控参数，对所述初始推荐结果进行调控，得到目标对象的最终推荐结果。2.根据权利要求1所述的目标对象的推荐方法，其特征在于，根据用户历史行为信息以及用户特征信息，生成目标对象的初始推荐结果，包括：获取用户历史交互行为信息以及用户基础特征信息；将所述用户历史交互行为信息与用户基础特征信息输入预设推荐算法模型，进行目标对象的点击率预估，得到点击率预估得分；对所述点击率预估得分进行排序，得到每个用户的前N个推荐结果，N为正整数。3.根据权利要求1所述的目标对象的推荐方法，其特征在于，获取用户个性化调控参数，包括：确定目标对象的质量分布；根据所述目标对象的质量分布，求解用户个性化调控参数。4.根据权利要求3所述的目标对象的推荐方法，其特征在于，确定目标对象的质量分布，包括：获得目标对象的质量打分；根据所述目标对象的质量打分以及打分阈值，确定目标对象的至少两个质量等级；将所述至少两个质量等级中的每一个质量等级的推荐质量占比，确定为目标对象的质量分布。5.根据权利要求4所述的目标对象的推荐方法，其特征在于，根据所述目标对象的质量分布，求解用户个性化调控参数，包括：获取所述目标对象的质量分布与期望质量分布之间的梯度；根据所述梯度，求解用户个性化调控参数。6.根据权利要求5所述的目标对象的推荐方法，其特征在于，获取目标对象的质量分布与期望总体目标分布之间的梯度，包括：通过获取目标对象的质量分布与期望质量分布之间的距离；其中，P
base
为目标对象的质量分布，P
target
为期望质量分布，D为距离；通过确定梯度，且梯度方向为其中，q为P
target
，p为P
base
。7.根据权利要求6所述的目标对象的推荐方法，其特征在于，根据所述梯度，求解用户个性化调控参数，包括：根据p
...

【专利技术属性】
技术研发人员：刘彦凯，王晨阳，庾源清，张敏，马为之，曾海涛，冯俊兰，邓超，
申请(专利权)人：清华大学，
类型：发明
国别省市：