资源推荐方法及装置制造方法及图纸

本公开关于一种资源推荐方法及装置，属于计算机技术领域，本公开的实施例提供一种基于实时场景特征为用户推荐资源的方法。该方法考虑到实时场景维度的特征对资源推荐的影响，将用户、资源和实时场景这三种维度的特征联系到一起，综合这三种维度的特征之间整体的相关性来进行推荐，使得推荐的资源在与用户特征匹配的基础上，还与实时场景匹配，因此提高资源推荐的准确率。荐的准确率。荐的准确率。

【技术实现步骤摘要】
资源推荐方法及装置


[0001]本公开涉及计算机
，尤其涉及一种资源推荐方法及装置。

技术介绍

[0002]资源推荐的基本原理是将用户和资源联系到一起，在海量的资源中发现用户感兴趣的资源，并将资源推荐给用户。
[0003]目前的资源推荐方案中，会考虑用户和资源这两个维度的特征，从用户和资源两个维度进行相关推荐。
[0004]然而，推荐的资源是否准确，不仅会受到用户和资源这两个维度的特征带来的影响，还会受到更多维度的特征带来的影响。上述方法仅考虑了用户和资源这两个维度的特征，存在一定的局限性，导致资源推荐的准确率不足。

技术实现思路

[0005]本公开提供一种资源推荐方法及装置，以至少解决相关技术中资源推荐的准确率不足的问题。本公开的技术方案如下：
[0006]根据本公开实施例的第一方面，提供一种资源推荐方法，所述方法包括：
[0007]获取用户特征、实时场景特征、至少一个候选资源的资源特征，所述用户特征是客户端登录的用户帐号的特征，所述实时场景特征是所述客户端所处的当前场景的特征；
[0008]根据所述用户特征、所述实时场景特征以及所述至少一个候选资源的资源特征，获取所述至少一个候选资源的相关性数据，所述相关性数据表示所述用户特征、所述实时场景特征与对应候选资源的资源特征之间的相关性；
[0009]响应于所述至少一个候选资源中第一资源的相关性数据满足推荐条件，向所述客户端发送所述第一资源。
[0010]在一些实施例中，所述根据所述用户特征、所述实时场景特征以及所述至少一个候选资源的资源特征，获取所述至少一个候选资源的相关性数据，包括：
[0011]根据所述实时场景特征与所述用户特征之间的相似度、所述实时场景特征与所述至少一个候选资源的资源特征之间的相似度、所述用户特征与所述资源特征之间的相似度，获取所述至少一个候选资源的相关性数据。
[0012]在一些实施例中，所述根据所述实时场景特征与所述用户特征之间的相似度、所述实时场景特征与所述至少一个候选资源的资源特征之间的相似度、所述用户特征与所述资源特征之间的相似度，获取所述至少一个候选资源的相关性数据，包括：
[0013]对所述实时场景特征与所述用户特征之间的相似度、所述至少一个候选资源的实时场景特征与所述资源特征之间的相似度、所述用户特征与所述资源特征之间的相似度进行加权求和，得到所述至少一个候选资源的相关性数据。
[0014]在一些实施例中，所述获取用户特征、实时场景特征、至少一个候选资源的资源特征，包括：
[0015]将日志数据输入深度学习模型，所述深度学习模型在训练阶段使用的正样本为曝光且播放时长大于设定时长的资源，所述深度学习模型在训练阶段使用的负样本为曝光且播放时长小于设定时长的资源；
[0016]通过所述深度学习模型对所述日志数据进行特征提取，得到用户特征、实时场景特征、至少一个候选资源的资源特征。
[0017]在一些实施例中，所述根据所述用户特征、所述实时场景特征以及所述至少一个候选资源的资源特征，获取所述至少一个候选资源的相关性数据之后，所述方法还包括：
[0018]对所述至少一个候选资源的相关性数据进行归一化处理，得到所述至少一个候选资源在所述当前场景下被所述客户端播放的概率；
[0019]所述响应于所述至少一个候选资源中第一资源的相关性数据满足推荐条件，向所述客户端发送所述第一资源，包括：
[0020]响应于所述至少一个候选资源中第一资源的概率高于概率阈值，向所述客户端发送所述第一资源。
[0021]根据本公开实施例的第二方面，提供一种资源推荐装置，所述装置包括：
[0022]获取单元，被配置为执行获取用户特征、实时场景特征、至少一个候选资源的资源特征，所述用户特征是客户端登录的用户帐号的特征，所述实时场景特征是所述客户端所处的当前场景的特征；
[0023]所述获取单元，还用于根据所述用户特征、所述实时场景特征以及所述至少一个候选资源的资源特征，获取所述至少一个候选资源的相关性数据，所述相关性数据表示所述用户特征、所述实时场景特征与对应候选资源的资源特征之间的相关性；
[0024]发送单元，被配置为执行响应于所述至少一个候选资源中第一资源的相关性数据满足推荐条件，向所述客户端发送所述第一资源。
[0025]在一些实施例中，所述获取单元，被配置为执行根据所述实时场景特征与所述用户特征之间的相似度、所述实时场景特征与所述至少一个候选资源的资源特征之间的相似度、所述用户特征与所述资源特征之间的相似度，获取所述至少一个候选资源的相关性数据。
[0026]在一些实施例中，所述获取单元，被配置为执行对所述实时场景特征与所述用户特征之间的相似度、所述至少一个候选资源的实时场景特征与所述资源特征之间的相似度、所述用户特征与所述资源特征之间的相似度进行加权求和，得到所述至少一个候选资源的相关性数据。
[0027]在一些实施例中，所述获取单元，被配置为执行将日志数据输入深度学习模型，所述深度学习模型在训练阶段使用的正样本为曝光且播放时长大于设定时长的资源，所述深度学习模型在训练阶段使用的负样本为曝光且播放时长小于设定时长的资源；通过所述深度学习模型对所述日志数据进行特征提取，得到用户特征、实时场景特征、至少一个候选资源的资源特征。
[0028]在一些实施例中，所述装置还包括：处理单元，被配置为执行对所述至少一个候选资源的相关性数据进行归一化处理，得到所述至少一个候选资源在所述当前场景下被所述客户端播放的概率；
[0029]所述发送单元，被配置为执行响应于所述至少一个候选资源中第一资源的概率高
于概率阈值，向所述客户端发送所述第一资源。
[0030]根据本公开实施例的第三方面，提供一种电子设备，包括：
[0031]一个或多个处理器；
[0032]用于存储所述处理器可执行程序代码的一个或多个存储器；
[0033]其中，所述一个或多个处理器被配置为执行所述程序代码，以实现上述资源推荐方法。
[0034]根据本公开实施例的第四方面，提供一种存储介质，当所述存储介质中的程序代码由电子设备的处理器执行时，使得所述电子设备能够执行上述资源推荐方法。
[0035]根据本公开实施例的第五方面，提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述资源推荐方法。
[0036]本公开的实施例提供的技术方案至少带来以下有益效果：
[0037]本公开的实施例提供一种基于实时场景特征为用户推荐资源的方法。该方法考虑到实时场景维度的特征对资源推荐的影响，将用户、资源和实时场景这三种维度的特征联系到一起，综合这三种维度的特征之间整体的相关性来进行推荐，使得推荐的资源在与用户特征匹配的基础上，还与实时场景匹配，因此提高资源推荐的准确率。
[0038]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种资源推荐方法，其特征在于，所述方法包括：获取用户特征、实时场景特征、至少一个候选资源的资源特征，所述用户特征是客户端登录的用户帐号的特征，所述实时场景特征是所述客户端所处的当前场景的特征；根据所述用户特征、所述实时场景特征以及所述至少一个候选资源的资源特征，获取所述至少一个候选资源的相关性数据，所述相关性数据表示所述用户特征、所述实时场景特征与对应候选资源的资源特征之间的相关性；响应于所述至少一个候选资源中第一资源的相关性数据满足推荐条件，向所述客户端发送所述第一资源。2.根据权利要求1所述的资源推荐方法，其特征在于，所述根据所述用户特征、所述实时场景特征以及所述至少一个候选资源的资源特征，获取所述至少一个候选资源的相关性数据，包括：根据所述实时场景特征与所述用户特征之间的相似度、所述实时场景特征与所述至少一个候选资源的资源特征之间的相似度、所述用户特征与所述资源特征之间的相似度，获取所述至少一个候选资源的相关性数据。3.根据权利要求2所述的资源推荐方法，其特征在于，所述根据所述实时场景特征与所述用户特征之间的相似度、所述实时场景特征与所述至少一个候选资源的资源特征之间的相似度、所述用户特征与所述资源特征之间的相似度，获取所述至少一个候选资源的相关性数据，包括：对所述实时场景特征与所述用户特征之间的相似度、所述至少一个候选资源的实时场景特征与所述资源特征之间的相似度、所述用户特征与所述资源特征之间的相似度进行加权求和，得到所述至少一个候选资源的相关性数据。4.根据权利要求1至3中任一项所述的资源推荐方法，其特征在于，所述获取用户特征、实时场景特征、至少一个候选资源的资源特征，包括：将日志数据输入深度学习模型，所述深度学习模型在训练阶段使用的正样本为曝光且播放时长大于设定时长的资源，所述深度学习模型在训练阶段使用的负样本为曝光且播放时长小于设定时长的资源；通过所述深度学习模型对所述日志数据进行特征提取，得到用户特征、实时场景特征、至少一个候选资源的资源特征。5.根据权利要求1至4中任一项所述的资源推荐方法，其特征在于，所...

【专利技术属性】
技术研发人员：杜佩佩，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：