一种帖子重排方法、装置、设备及介质制造方法及图纸

本申请公开了一种帖子重排方法、装置、设备及介质，涉及计算机技术领域，包括：初始化推荐列表；获取精排产出的若干个帖子和每一个帖子的精排预测分；根据预设的约束条件从若干个帖子中筛选出与当前位置的帖子对应的候选集，得到候选集帖子特征；基于注意力机制以及当前位置之前的其他位置的帖子的特征，构建出与当前位置的帖子对应的上下文特征；利用目标重排模型、上下文特征，候选集帖子特征以及用户特征选定当前位置的帖子；基于已选定的帖子数是否达到预设待推荐帖子数确定是否进入下一个位置的候选集的筛选流程，如果否，则输出当前的所述推荐列表。本申请大大拓宽了重排模型的发挥空间，并且显著提升了重排模型的预测精度。度。度。

【技术实现步骤摘要】
一种帖子重排方法、装置、设备及介质


[0001]本专利技术涉及计算机
，特别涉及一种帖子重排方法、装置、设备及介质。

技术介绍

[0002]推荐一般分为召回、粗排、精排、重排四个阶段，重排作为推荐最后一个阶段，对用户体验有重要影响。
[0003]传统的重排有两种典型的做法，一种做法是纯粹基于约束条件的，即在满足约束条件的前提下，尽可能选择精排分高的若干帖子返回给用户。另一种做法是基于约束条件和重排模型的，比如，先按约束条件选帖，然后用重排模型计算选到的帖子的重排分，最后再按新的重排分重新进行排序(或者在得到重排分后再按约束条件选帖)。这两种做法都有缺陷，前者依赖精排分进行排序，排序结果不够准确。后者输入重排模型的帖子与重排模型输出的帖子完全相同，只是顺序不同，重排模型的发挥空间大大受限。
[0004]为此，如何提高重排模型的发挥空间和预测精度是本领域亟待解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种帖子重排方法、装置、设备及介质，能够提高重排模型的发挥空间和预测精度，其具体方案如下：
[0006]第一方面，本申请公开了一种帖子重排方法，包括：
[0007]初始化推荐列表；
[0008]获取精排产出的若干个帖子和所述若干个帖子中的每一个帖子的精排预测分；
[0009]在选取所述推荐列表中的当前位置的帖子时，根据预设的约束条件从所述若干个帖子中筛选出与所述当前位置的帖子对应的候选集，得到候选集帖子特征；
[0010]基于注意力机制以及所述当前位置之前的其他位置的帖子的特征，构建出与所述当前位置的帖子对应的上下文特征；
[0011]利用目标重排模型、所述上下文特征，所述候选集帖子特征以及用户特征选定所述当前位置的帖子；
[0012]基于已选定的帖子数是否达到预设待推荐帖子数确定是否进入下一个位置的候选集的筛选流程，如果否，则输出当前的所述推荐列表。
[0013]可选的，在构建所述上下文特征的过程中，包括：
[0014]计算所述当前位置之前的每一所述其他位置的帖子的注意力分数；
[0015]根据每一所述其他位置的帖子的注意力分数对每一所述其他位置的帖子的向量进行加权求和运算，以得到所述上下文特征。
[0016]可选的，所述利用目标重排模型、所述上下文特征，所述候选集帖子特征以及用户特征选定所述当前位置的帖子，包括：
[0017]利用目标重排模型、所述上下文特征，所述候选集帖子特征、用户特征以及精排分数特征选定所述当前位置的帖子。
[0018]可选的，所述帖子重排方法，还包括：
[0019]基于所述若干个帖子中的每一个帖子的精排预测分确定出所述精排分数特征。
[0020]可选的，所述获取精排产出的若干个帖子之后，还包括：
[0021]确定所述若干个帖子中的每一个帖子的特征，并将所述若干个帖子中的每一个帖子的特征以及所述用户特征缓存在内存中。
[0022]可选的，所述帖子重排方法，还包括：
[0023]基于对比实验确定出所述候选集的大小。
[0024]可选的，所述帖子重排方法，还包括：
[0025]基于求和池化方式以及所述当前位置之前的其他位置的帖子的特征，构建出与所述当前位置的帖子对应的上下文特征。
[0026]第二方面，本申请公开了一种帖子重排装置，包括：
[0027]初始化模块，用于初始化推荐列表；
[0028]精排帖子和分数获取模块，用于获取精排产出的若干个帖子和所述若干个帖子中的每一个帖子的精排预测分；
[0029]候选集帖子特征确定模块，用于在选取所述推荐列表中的当前位置的帖子时，根据预设的约束条件从所述若干个帖子中筛选出与所述当前位置的帖子对应的候选集，得到候选集帖子特征；
[0030]上下文特征构建模块，用于基于注意力机制以及所述当前位置之前的其他位置的帖子的特征，构建出与所述当前位置的帖子对应的上下文特征；
[0031]帖子选定模块，用于利用目标重排模型、所述上下文特征，所述候选集帖子特征以及用户特征选定所述当前位置的帖子；
[0032]推荐列表输出模块，用于基于已选定的帖子数是否达到预设待推荐帖子数确定是否进入下一个位置的候选集的筛选流程，如果否，则输出当前的所述推荐列表。
[0033]第三方面，本申请公开了一种电子设备，包括：
[0034]存储器，用于保存计算机程序；
[0035]处理器，用于执行所述计算机程序，以实现前述公开的帖子重排方法。
[0036]第四方面，本申请公开了一种计算机可读存储介质，用于保存计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的帖子重排方法。
[0037]可见，本申请提出一种帖子重排方法，包括：初始化推荐列表；获取精排产出的若干个帖子和所述若干个帖子中的每一个帖子的精排预测分；在选取所述推荐列表中的当前位置的帖子时，根据预设的约束条件从所述若干个帖子中筛选出与所述当前位置的帖子对应的候选集，得到候选集帖子特征；基于注意力机制以及所述当前位置之前的其他位置的帖子的特征，构建出与所述当前位置的帖子对应的上下文特征；利用目标重排模型、所述上下文特征，所述候选集帖子特征以及用户特征选定所述当前位置的帖子；基于已选定的帖子数是否达到预设待推荐帖子数确定是否进入下一个位置的候选集的筛选流程，如果否，则输出当前的所述推荐列表。综上可见，本申请首先基于约束条件从精排产出的若干个帖子中筛选出与当前位置的帖子对应的候选集，然后基于注意力机制和当前位置之前的其他位置的帖子的特征构建上下文特征，最后利用目标重排模型、所述上下文特征，所述候选集帖子特征以及用户特征选定当前位置的帖子。也就是说，本申请中，重排模型不再仅是发挥
了重排序的作用，而是在选取推荐列表中的每一位置的帖子时，都将约束条件与上下文特征结合了起来。如此一来，大大提高了重排模型的发挥空间。此外，由于本申请在构建上下文特征时是基于注意力机制构建的，因此，本申请能更好地利用当前位置的帖子和当前位置之前的其他位置的帖子之间的不同的相关性，使得重排模型的预测精度得到了显著提升。
附图说明
[0038]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0039]图1为本申请公开的一种帖子重排方法流程图；
[0040]图2为本申请公开的一种具体的帖子重排方法流程图；
[0041]图3为本申请公开的一种具体的帖子重排方法流程图；
[0042]图4为本申请公开的一种具体的帖子重排方法流程图；
[0043]图5为本申请公开的一种帖子重排装置结构示意图；
[0044]图6为本申请公开的一种电子本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种帖子重排方法，其特征在于，包括：初始化推荐列表；获取精排产出的若干个帖子和所述若干个帖子中的每一个帖子的精排预测分；在选取所述推荐列表中的当前位置的帖子时，根据预设的约束条件从所述若干个帖子中筛选出与所述当前位置的帖子对应的候选集，得到候选集帖子特征；基于注意力机制以及所述当前位置之前的其他位置的帖子的特征，构建出与所述当前位置的帖子对应的上下文特征；利用目标重排模型、所述上下文特征，所述候选集帖子特征以及用户特征选定所述当前位置的帖子；基于已选定的帖子数是否达到预设待推荐帖子数确定是否进入下一个位置的候选集的筛选流程，如果否，则输出当前的所述推荐列表。2.根据权利要求1所述的帖子重排方法，其特征在于，在构建所述上下文特征的过程中，包括：计算所述当前位置之前的每一所述其他位置的帖子的注意力分数；根据每一所述其他位置的帖子的注意力分数对每一所述其他位置的帖子的向量进行加权求和运算，以得到所述上下文特征。3.根据权利要求1所述的帖子重排方法，其特征在于，所述利用目标重排模型、所述上下文特征，所述候选集帖子特征以及用户特征选定所述当前位置的帖子，包括：利用目标重排模型、所述上下文特征，所述候选集帖子特征、用户特征以及精排分数特征选定所述当前位置的帖子。4.根据权利要求3所述的帖子重排方法，其特征在于，还包括：基于所述若干个帖子中的每一个帖子的精排预测分确定出所述精排分数特征。5.根据权利要求1所述的帖子重排方法，其特征在于，所述获取精排产出的若干个帖子之后，还包括：确定所述若干个帖子中的每一个帖子的特征，并将所述若干...

【专利技术属性】
技术研发人员：唐方爽，顾茂杰，张璐，陶明，
申请(专利权)人：上海任意门科技有限公司，
类型：发明
国别省市：