用于资源推荐的方法及装置、存储介质及电子设备制造方法及图纸

本公开提供了一种用于资源推荐的方法、装置、电子设备及存储介质。该方法包括：接收客户端发送的目标用户对目标资源的资源获取请求；当目标资源未存储于边缘缓存服务器的资源数据库中时，获取目标用户的历史浏览数据、目标资源的资源属性数据，以及资源数据库中已存储的缓存资源的资源属性数据；基于历史浏览数据、目标资源的资源属性数据和缓存资源的资源属性数据，构建用户体验效用优化问题的目标函数和约束条件，在约束条件下对目标函数进行求解，以从缓存资源中选出目标推荐资源；根据目标推荐资源生成资源推荐集合，进而将资源推荐集合发送至客户端。该方法可以在未找到用户所请求的资源时，基于用户习惯为其推荐资源，优化用户体验。化用户体验。化用户体验。

【技术实现步骤摘要】
用于资源推荐的方法及装置、存储介质及电子设备


[0001]本公开涉及计算机
，尤其涉及一种用于资源推荐的方法及装置、存储介质及电子设备。

技术介绍

[0002]随着通信技术的发展，用户可以在客户端向服务器请求资源(如图片、视频、音频等)用以浏览。以视频资源为例，当IPTV网络负载过高时，容易导致用户浏览视频时出现加载过慢、卡顿等现象，因此为改善用户体验，通常在离用户更近的位置，如网络边缘，部署边缘缓存服务器以方便更快地响应用户的资源请求。
[0003]由于边缘缓存服务器空间有限，所以用户所请求的资源可能未存储于边缘缓存服务器中，该情况下，相关技术中通常是向用户返回请求失败的消息，从而导致用户体验较差。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0005]本公开的目的在于提供一种用于资源推荐的方法、装置、电子设备及存储介质，以解决上述相关技术中的一个或多个问题。
[0006]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
[0007]根据本公开的一个方面，提供一种用于资源推荐的方法，该方法应用于边缘缓存服务器，包括：接收客户端发送的目标用户对目标资源的资源获取请求；当目标资源未存储于边缘缓存服务器的资源数据库中时，获取目标用户的历史浏览数据、目标资源的资源属性数据，以及资源数据库中已存储的缓存资源的资源属性数据；基于历史浏览数据、目标资源的资源属性数据和缓存资源的资源属性数据，构建用户体验效用优化问题的目标函数和约束条件，在约束条件下对目标函数进行求解，以从缓存资源中选出目标推荐资源；根据目标推荐资源生成资源推荐集合，进而将资源推荐集合发送至客户端。
[0008]在本公开一个实施例中，获取目标用户的历史浏览数据、目标资源的资源属性数据，以及资源数据库中已存储的缓存资源的资源属性数据的步骤，包括：获取目标用户在预设时段内浏览的历史资源集合；根据历史资源集合中各历史资源的类型信息确定历史浏览数据；获取目标资源的评分信息，根据目标资源的评分信息确定目标资源的资源属性数据；获取缓存资源的评分信息和类型信息，根据缓存资源的评分信息和类型信息确定缓存资源的资源属性数据。
[0009]在本公开一个实施例中，目标函数的优化变量是从缓存资源中选出的待推荐资源；基于历史浏览数据、目标资源的资源属性数据和缓存资源的资源属性数据，构建用户体验效用优化问题的目标函数和约束条件，在约束条件下对目标函数进行求解，以从缓存资
源中选出目标推荐资源的步骤，包括：根据历史浏览数据和缓存资源的资源属性数据构建用户偏好相关性函数，用户偏好相关性函数用于表征历史浏览数据和待推荐资源在类型维度的相关性；根据目标资源的资源属性数据和缓存资源的资源属性数据构建资源评分相关性函数，资源评分相关性函数用于表征目标资源和待推荐资源在评分维度的相关性；根据缓存资源的资源属性数据构建推荐类型多样性函数，推荐类型多样性函数用于表征待推荐资源在类型维度的多样性；根据用户偏好相关性函数、资源评分相关性函数和推荐类型多样性函数构建用户体验效用函数；将用户体验效用函数最大作为目标函数，并获取待推荐资源的数量阈值以确定约束条件；在满足约束条件的情况下基于目标函数获得优化变量的解集，进而根据解集确定目标推荐资源。
[0010]在本公开一个实施例中，根据历史浏览数据和缓存资源的资源属性数据构建用户偏好相关性函数的步骤，包括：根据历史浏览数据中各历史资源的类型信息确定历史浏览数据的第一类型特征；根据缓存资源的资源属性数据中的类型信息确定待推荐资源所构成的集合的第二类型特征；根据第一类型特征和第二类型特征，基于向量距离算法确定历史浏览数据和待推荐资源在类型维度的向量距离表达式；根据向量距离表达式确定历史浏览数据和待推荐资源的用户偏好相关性函数。
[0011]在本公开一个实施例中，根据目标资源的资源属性数据和缓存资源的资源属性数据构建资源评分相关性函数的步骤，包括：根据目标资源的资源属性数据中的评分信息确定目标资源的评分特征；根据缓存资源的资源属性数据中的评分信息确定各待推荐资源的评分特征；根据目标资源的评分特征和各待推荐资源的评分特征，基于相似度算法确定目标资源与各待推荐资源在评分维度的相似度表达式；根据所有相似度表达式确定资源评分相关性函数。
[0012]在本公开一个实施例中，根据缓存资源的资源属性数据构建推荐类型多样性函数的步骤，包括：根据缓存资源的资源属性数据中的类型信息，确定待推荐资源所构成的集合对应的类型数量；获取预设置的资源类型总数，进而根据类型数量和资源类型总数确定推荐类型多样性函数。
[0013]在本公开一个实施例中，还包括：当目标资源存储于边缘缓存服务器的资源数据库中时，根据目标资源生成资源推荐列表。
[0014]根据本公开实施例的第二方面，一种用于资源缓存的方法，该方法应用于边缘缓存服务器集群，包括：确定边缘缓存服务器集群中各边缘缓存服务器对应的用户群；获取用户群的类型偏好信息、源服务器中各资源的资源属性数据；基于类型偏好信息和各资源的资源属性数据，确定用户群中各用户请求资源后生成的资源推荐集合以及资源推荐集合相应的用户体验效用函数；其中，资源推荐集合是边缘缓存服务器集群中的一个边缘缓存服务器生成的；资源推荐集合是根据上述实施例所述的用于资源推荐的方法确定的；获取各边缘缓存服务器之间的第一传输时延、各边缘缓存服务器与资源的源服务器之间的第二传输时延；基于第一传输时延、第二传输时延、资源推荐集合以及资源推荐集合相应的用户体验效用函数，构建总传输时延优化问题的时延目标函数和时延优化约束条件，在时延优化约束条件下对时延目标函数进行求解，以确定各边缘缓存服务器中的待存储资源。
[0015]根据本公开实施例的第三方面，提供一种用于资源推荐的装置，包括：接收模块，用于接收客户端发送的目标用户对目标资源的资源获取请求；获取模块，用于当目标资源
未存储于边缘缓存服务器的资源数据库中时，获取目标用户的历史浏览数据、目标资源的资源属性数据，以及资源数据库中已存储的缓存资源的资源属性数据；确定模块，用于基于历史浏览数据、目标资源的资源属性数据和缓存资源的资源属性数据，构建用户体验效用优化问题的目标函数和约束条件，在约束条件下对目标函数进行求解，以从缓存资源中选出目标推荐资源；发送模块，用于根据目标推荐资源生成资源推荐集合，进而将资源推荐集合发送至客户端。
[0016]根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例所述的用于资源推荐的方法或用于资源缓存的方法。
[0017]根据本公开实施例的第五方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述实施例所述的用于资源推荐的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于资源推荐的方法，其特征在于，所述方法应用于边缘缓存服务器，包括：接收客户端发送的目标用户对目标资源的资源获取请求；当所述目标资源未存储于所述边缘缓存服务器的资源数据库中时，获取所述目标用户的历史浏览数据、所述目标资源的资源属性数据，以及所述资源数据库中已存储的缓存资源的资源属性数据；基于所述历史浏览数据、所述目标资源的资源属性数据和所述缓存资源的资源属性数据，构建用户体验效用优化问题的目标函数和约束条件，在所述约束条件下对所述目标函数进行求解，以从所述缓存资源中选出目标推荐资源；根据所述目标推荐资源生成资源推荐集合，进而将所述资源推荐集合发送至所述客户端。2.根据权利要求1所述的方法，其特征在于，所述获取所述目标用户的历史浏览数据、所述目标资源的资源属性数据，以及所述资源数据库中已存储的缓存资源的资源属性数据的步骤，包括：获取所述目标用户在预设时段内浏览的历史资源集合；根据所述历史资源集合中各历史资源的类型信息确定所述历史浏览数据；获取所述目标资源的评分信息，根据所述目标资源的评分信息确定所述目标资源的资源属性数据；获取所述缓存资源的评分信息和类型信息，根据所述缓存资源的评分信息和类型信息确定所述缓存资源的资源属性数据。3.根据权利要求2所述的方法，其特征在于，所述目标函数的优化变量是从缓存资源中选出的待推荐资源；所述基于所述历史浏览数据、所述目标资源的资源属性数据和所述缓存资源的资源属性数据，构建用户体验效用优化问题的目标函数和约束条件，在所述约束条件下对所述目标函数进行求解，以从缓存资源中选出目标推荐资源的步骤，包括：根据所述历史浏览数据和所述缓存资源的资源属性数据构建用户偏好相关性函数，所述用户偏好相关性函数用于表征所述历史浏览数据和所述待推荐资源在类型维度的相关性；根据所述目标资源的资源属性数据和所述缓存资源的资源属性数据构建资源评分相关性函数，所述资源评分相关性函数用于表征所述目标资源和所述待推荐资源在评分维度的相关性；根据所述缓存资源的资源属性数据构建推荐类型多样性函数，所述推荐类型多样性函数用于表征所述待推荐资源在类型维度的多样性；根据所述用户偏好相关性函数、所述资源评分相关性函数和所述推荐类型多样性函数构建所述用户体验效用函数；将所述用户体验效用函数最大作为所述目标函数，并获取所述待推荐资源的数量阈值以确定所述约束条件；在满足所述约束条件的情况下基于所述目标函数获得所述优化变量的解集，进而根据所述解集确定所述目标推荐资源。4.根据权利要求3所述的方法，其特征在于，所述根据所述历史浏览数据和所述缓存资
源的资源属性数据构建用户偏好相关性函数的步骤，包括：根据所述历史浏览数据中各历史资源的类型信息确定所述历史浏览数据的第一类型特征；根据所述缓存资源的资源属性数据中的类型信息确定所述待推荐资源所构成的集合的第二类型特征；根据所述第一类型特征和所述第二类型特征，基于向量距离算法确定所述历史浏览数据和所述待推荐资源在类型维度的向量距离表达式；根据所述向量距离表达式确定所述历史浏览数据和所述待推荐资源的用户偏好相关性函数。5.根据权利要求3所述的方法，其特征在于，所述根据所述目标...

【专利技术属性】
技术研发人员：郝艳飞，张妍，张庆贺，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：