资源推送方法、装置、计算机设备及介质与流程

本公开涉及互联网，尤其涉及一种资源推送方法、装置、计算机设备及介质。

背景技术：

1、随着互联网技术的飞速发展和网络用户规模的逐渐扩大，互联网类型的多媒体资源已经渗透到人们生活的方方面面，同时，多媒体资源的推送方法也随之迅速发展。通常地，在向网络用户推送多媒体资源时，网络用户针对其他多媒体资源所发生过的多种类型的交互行为，如点击行为、点赞行为、收藏行为等正向交互行为，屏蔽行为、跳过行为等负向交互行为以及针对其他多媒体资源的观看时长等，均会影响到多媒体资源的推送结果。因此，多媒体资源的推送问题是一个多目标(也即是多行为维度)优化问题，优化目的是在确保多媒体资源的观看时长的基础上，尽可能的提升用户的正向交互行为。

2、目前，在面对上述多目标优化问题时，需要平衡各个行为维度之间的关系，通常是由业务人员根据历史经验，为各个行为维度设定一个权重系数，进而基于各个行为维度的推送子参数以及各个行为维度对应的权重系数，来确定多媒体资源的推送参数，再基于多媒体资源的推送参数来向网络用户推送多媒体资源。

3、然而，上述过程中依赖于人为确定，降低了资源推送的效率和准确度。

技术实现思路

1、本公开提供一种资源推送方法、装置、计算机设备及介质，在提升确定权重系数的效率的同时，还提升了确定权重系数的准确度，从而提升了资源推送的效率和准确度。本公开的技术方案如下：

2、根据本公开实施例的第一方面，提供一种资源推送方法，该方法包括：

3、获取目标对象的候选资源在至少两个行为维度上的行为预测参数，该行为预测参数表示该目标对象在该行为维度上与该候选资源发生交互行为的预测情况；

4、基于该目标对象在该行为维度上的第一参数和第二参数，确定该行为维度对应的权重系数，该第一参数表示该目标对象在该行为维度上相对于对象群体的差异，该第二参数表示该目标对象的多个该候选资源在该行为维度上的分布情况；

5、基于该候选资源在该至少两个行为维度上的行为预测参数与该至少两个行为维度对应的权重系数，确定该候选资源的推送参数，该推送参数用于确定为该目标对象推送资源时该候选资源的推送次序。

6、在一些实施例中，该第一参数的获取过程包括：

7、获取该目标对象在该行为维度上的第一平均值以及该对象群体在该行为维度上的第二平均值，该第一平均值为该目标对象的候选资源在该行为维度上的行为预测参数的平均值，该第二平均值为该对象群体所包括的多个对象的候选资源在该行为维度上的行为预测参数的平均值；

8、基于该第一平均值与该第二平均值，确定该第一参数，其中，该第一参数与该第一平均值成正相关，该第一参数与该第二平均值成负相关。

9、在一些实施例中，该第二参数的获取过程包括：

10、获取该目标对象的多个该候选资源在该行为维度上的行为预测参数的离散度，将该离散度确定为该第二参数。

11、在一些实施例中，基于该目标对象在该行为维度上的第一参数和第二参数，确定该行为维度对应的权重系数包括：

12、基于该目标对象在该行为维度上的第一参数和第二参数，确定该目标对象在该行为维度上的第三参数，其中，该第三参数与该第一参数成正相关，该第三参数与该第二参数成正相关；

13、基于该行为维度对应的初始权重系数以及该第三参数，确定该行为维度对应的权重系数，其中，该权重系数与该初始权重系数成正相关，该权重系数与该第三参数成正相关。

14、在一些实施例中，基于该目标对象在该行为维度上的第一参数和第二参数，确定该目标对象在该行为维度上的第三参数包括：

15、基于该目标对象在该行为维度上的第二参数，确定该目标对象在该行为维度上的第四参数，该第四参数与该第二参数成负相关；

16、基于该目标对象在该行为维度上的第一参数和第四参数，确定该第三参数，该第三参数与该第四参数成负相关。

17、在一些实施例中，获取目标对象的候选资源在至少两个行为维度上的行为预测参数包括：

18、基于该目标对象的对象特征信息与该候选资源的内容特征信息，确定该候选资源在该至少两个行为维度上的行为预测参数。

19、在一些实施例中，基于该目标对象的对象特征信息与该候选资源的内容特征信息，确定该候选资源在该至少两个行为维度上的行为预测参数包括：

20、将该目标对象的对象特征信息与该候选资源的内容特征信息输入该行为维度对应的行为预测模型，通过该行为预测模型对该候选资源在该行为维度上的行为预测参数进行预测，得到该候选资源在该行为维度上的行为预测参数，该行为预测模型基于样本对象的对象特征信息、该样本对象的候选资源的内容特征信息以及该样本对象的候选资源在该行为维度上的行为参数标签训练得到。

21、在一些实施例中，基于该候选资源在该至少两个行为维度上的行为预测参数与该至少两个行为维度对应的权重系数，确定该候选资源的推送参数包括：

22、在该至少两个行为维度上，分别按照该候选资源在该至少两个行为维度上的行为预测参数进行排序；

23、基于该候选资源在该至少两个行为维度上的排列次序，分别确定该候选资源在该至少两个行为维度上的推送子参数，该推送子参数与该排列次序成负相关；

24、基于该候选资源在该至少两个行为维度上的推送子参数与该至少两个行为维度对应的权重系数，确定该候选资源的推送参数。

25、在一些实施例中，在该至少两个行为维度上，分别按照该候选资源在该至少两个行为维度上的行为预测参数进行排序包括：

26、分别在该至少两个行为维度对应的队列中，按照该候选资源在该至少两个行为维度上的行为预测参数进行排序。

27、在一些实施例中，基于该候选资源在该至少两个行为维度上的推送子参数与该至少两个行为维度对应的权重系数，确定该候选资源的推送参数包括：

28、基于该候选资源在该至少两个行为维度上的推送子参数与该至少两个行为维度对应的权重系数，进行加权求和，得到该候选资源的推送参数。

29、根据本公开实施例的第二方面，提供一种资源推送装置，该装置包括：

30、获取单元，被配置为执行获取目标对象的候选资源在至少两个行为维度上的行为预测参数，该行为预测参数表示该目标对象在该行为维度上与该候选资源发生交互行为的预测情况；

31、权重系数确定单元，被配置为执行基于该目标对象在该行为维度上的第一参数和第二参数，确定该行为维度对应的权重系数，该第一参数表示该目标对象在该行为维度上相对于对象群体的差异，该第二参数表示该目标对象的多个该候选资源在该行为维度上的分布情况；

32、推送参数确定单元，被配置为执行基于该候选资源在该至少两个行为维度上的行为预测参数与该至少两个行为维度对应的权重系数，确定该候选资源的推送参数，该推送参数用于确定为该目标对象推送资源时该候选资源的推送次序。

33、在一些实施例中，该权重系数确定单元，包括：

34、第一获取子单元，被配置为执行获取该目标对象在该行为维度上的第一平均值以及该对象群体在该行为维度上的第二平均值，该第一平均值为该目标对象的候选资源在该行为维度上的行为预测参数的平均值，该第二平均值为该对象群体所包括的多个对象的候选资源在该行为维度上的行为预测参数的平均值；

35、确定子单元，被配置为执行基于该第一平均值与该第二平均值，确定该第一参数，其中，该第一参数与该第一平均值成正相关，该第一参数与该第二平均值成负相关。

36、在一些实施例中，该权重系数确定单元，包括：

37、第二获取子单元，被配置为执行获取该目标对象的多个该候选资源在该行为维度上的行为预测参数的离散度，将该离散度确定为该第二参数。

38、在一些实施例中，该权重系数确定单元，包括：

39、第三参数确定子单元，被配置为执行基于该目标对象在该行为维度上的第一参数和第二参数，确定该目标对象在该行为维度上的第三参数，其中，该第三参数与该第一参数成正相关，该第三参数与该第二参数成正相关；

40、权重系数确定子单元，被配置为执行基于该行为维度对应的初始权重系数以及该第三参数，确定该行为维度对应的权重系数，其中，该权重系数与该初始权重系数成正相关，该权重系数与该第三参数成正相关。

41、在一些实施例中，该第三参数确定子单元，被配置为执行：

42、基于该目标对象在该行为维度上的第二参数，确定该目标对象在该行为维度上的第四参数，该第四参数与该第二参数成负相关；

43、基于该目标对象在该行为维度上的第一参数和第四参数，确定该第三参数，该第三参数与该第四参数成负相关。

44、在一些实施例中，该获取单元，被配置为执行：

45、基于该目标对象的对象特征信息与该候选资源的内容特征信息，确定该候选资源在该至少两个行为维度上的行为预测参数。

46、在一些实施例中，该获取单元，被配置为执行：

47、将该目标对象的对象特征信息与该候选资源的内容特征信息输入该行为维度对应的行为预测模型，通过该行为预测模型对该候选资源在该行为维度上的行为预测参数进行预测，得到该候选资源在该行为维度上的行为预测参数，该行为预测模型基于样本对象的对象特征信息、该样本对象的候选资源的内容特征信息以及该样本对象的候选资源在该行为维度上的行为参数标签训练得到。

48、在一些实施例中，该推送参数确定单元，包括：

49、排序子单元，被配置为执行在该至少两个行为维度上，分别按照该候选资源在该至少两个行为维度上的行为预测参数进行排序；

50、确定子单元，被配置为执行基于该候选资源在该至少两个行为维度上的排列次序，分别确定该候选资源在该至少两个行为维度上的推送子参数，该推送子参数与该排列次序成负相关；

51、确定子单元，还被配置为执行基于该候选资源在该至少两个行为维度上的推送子参数与该至少两个行为维度对应的权重系数，确定该候选资源的推送参数。

52、在一些实施例中，该排序子单元，被配置为执行：

53、分别在该至少两个行为维度对应的队列中，按照该候选资源在该至少两个行为维度上的行为预测参数进行排序。

54、在一些实施例中，该确定子单元，还被配置为执行：

55、基于该候选资源在该至少两个行为维度上的推送子参数与该至少两个行为维度对应的权重系数，进行加权求和，得到该候选资源的推送参数。

56、根据本公开实施例的第三方面，提供一种计算机设备，该计算机设备包括：

57、一个或多个处理器；

58、用于存储该处理器可执行程序代码的存储器；

59、其中，该处理器被配置为执行该程序代码，以实现上述的资源推送方法。

60、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，该计算机可读存储介质包括：当该计算机可读存储介质中的程序代码由计算机设备的处理器执行时，使得计算机设备能够执行上述的资源推送方法。

61、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，该计算机程序被处理器执行时实现上述的资源推送方法。

62、本公开实施例所提供的技术方案，在为目标对象推送资源时，基于目标对象在各个行为维度上的第一参数和第二参数，来确定各个行为维度对应的权重系数，如此，在确定各个行为维度对应的权重系数时，不仅参考了目标对象在各个行为维度上相对于对象群体的差异，还参考了目标对象的多个候选资源在各个行为维度上的分布情况，使所确定出的权重系数，不仅能够体现目标对象在各个行为维度上的倾向程度，还能够体现候选资源在各个行为维度上的分布特点，如此，针对不同的对象，均会参考各个对象在不同的行为维度上的第一参数和第二参数，来确定各个对象在不同的行为维度上的权重系数，使得针对不同的对象能够确定出不同的权重系数，以确定出能够体现各个对象的对象特征和资源特征的个性化的权重系数，在提升确定权重系数的效率的同时，还提升了确定权重系数的准确度，进而基于目标对象的候选资源在各个行为维度上的行为预测参数以及各个行为维度对应的权重系数，确定候选资源的推送参数，再基于该推送参数来进行资源推送，从而提升了资源推送的效率和准确度。

63、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释性的，并不能限制本公开。