混合资源推荐方法、装置、计算机设备及可读存储介质与流程

本技术实施例涉及资源推荐，具体涉及一种混合资源推荐方法、装置、计算机设备及可读存储介质。

背景技术：

1、在当今时代，互联网已经与人们的生活息息相关密闭可分，人们可以通过互联网区浏览自己想看的任何内容资源，然而对于一款资源、社交、短视频亦或是商城的产品如何去吸引用户，因此，如何推荐用户喜欢的内容来提高用户的粘性和留存是至关重要的。

2、目前，比较常用的推荐系统有feeds流推荐系统，为了提高推荐效果，目前feeds流推荐系统会在界面上展示不同类型的资源，如图片、文章、视频等等，然而，实际运行过程中feeds流推荐系统可能会同时推荐内容重复度较高的资源，影响用户体验。

技术实现思路

1、本技术实施例提供一种混合资源推荐方法、装置、计算机设备及可读存储介质，旨在解决现有技术中存在的推荐内容重复度较高的问题。

2、一方面，本技术实施例提供一种混合资源推荐方法，包括：

3、基于采集的目标用户的用户行为特征数据，从数据源中获取不同资源类型的待推荐数据；

4、针对任一资源类型的待推荐数据，基于所述待推荐数据之间的相似度对所述待推荐数据进行排序，得到所述资源类型对应的推荐数据序列；

5、基于预设的推荐约束条件以及各所述资源类型对应的推荐数据序列，从各所述资源类型的待推荐数据中确定目标推荐数据；

6、将所述目标推荐数据提供给所述目标用户。

7、作为本技术的一种可行实施例，所述基于所述待推荐数据之间的相似度对所述待推荐数据进行排序，得到所述资源类型对应的推荐数据序列，包括：

8、基于所述待推荐数据之间的相似度计算各所述待推荐数据与剩余待推荐数据之间的平均相似度；

9、基于各所述待推荐数据对应的平均相似度的大小关系，从所述待推荐数据中筛选出初始待推荐数据；

10、将所述初始待推荐数据写入初始推荐排序列表，并依次将所述待推荐数据中与上一写入的待推荐数据之间相似度最低的待推荐数据写入所述初始推荐排序列表；

11、直至将全部的待推荐数据写入初始推荐排序列表时，基于所述初始推荐排序列表中各所述待推荐数据的写入顺序，得到所述资源类型对应的推荐排序列表。

12、作为本技术的一种可行实施例，所述资源类型包括文章资源类型、图像资源类型以及视频资源类型，所述基于所述待推荐数据之间的相似度对所述待推荐数据进行排序，得到所述资源类型对应的推荐数据序列步骤之前，所述方法还包括：

13、若所述待推荐数据的资源类型为文章资源类型，则基于词频逆文档频率提取各所述待推荐数据中的关键词，并基于各所述待推荐数据中的关键词计算各所述待推荐数据之间的相似度；

14、若所述待推荐数据的资源类型为图片资源类型，则基于各所述待推荐数据中像素点的像素值计算各所述待推荐数据之间的相似度；

15、若所述待推荐数据的资源类型为视频资源类型，则提取各所述待推荐数据的主题信息，并基于各所述待推荐数据的主题信息计算各所述待推荐数据之间的相似度。

16、作为本技术的一种可行实施例，所述基于预设的推荐约束条件以及各所述资源类型对应的推荐数据序列，从各所述资源类型的待推荐数据中确定目标推荐数据，包括：

17、基于推荐约束条件中的数量约束条件，以及各所述资源类型对应的推荐数据序列，从各所述资源类型中筛选一定数量的待推荐数据作为目标推荐数据；和/或

18、基于推荐约束条件中的布局约束条件、各所述资源类型对应的推荐数据序列、以及各所述待推荐数据对应的布局尺寸，从各所述资源类型的待推荐数据中确定目标推荐数据。

19、作为本技术的一种可行实施例，所述基于预设的推荐约束条件以及各所述资源类型对应的推荐数据序列，从各所述资源类型的待推荐数据中确定目标推荐数据的步骤之后，

20、提取所述目标推荐数据中各所述待推荐数据对应的主题信息；

21、针对任一一组不同资源类型的待推荐数据，计算所述待推荐数据对应的主题信息之间的相似度；

22、若所述相似度大于预设的阈值，则基于预设的过滤规则，对所述待推荐数据进行过滤，得到过滤后的待推荐数据；

23、基于过滤后的待推荐数据生成待推荐的目标推荐数据。

24、作为本技术的一种可行实施例，所述基于预设的过滤规则，对所述待推荐数据进行过滤，得到过滤后的待推荐数据，包括：

25、获取所述目标用户的身份标识信息，并基于所述身份标识信息查询预设数据库，获取所述目标用户对应各资源类型的优先级权重；

26、基于所述目标用户对应各资源类型的优先级权重、各所述待推荐数据对应的资源类型，对所述待推荐数据进行过滤，得到过滤后的待推荐数据。

27、作为本技术的一种可行实施例，所述基于预设的推荐约束条件以及各所述资源类型对应的推荐数据序列，从各所述资源类型的待推荐数据中确定目标推荐数据，包括：

28、基于预设的推荐约束条件以及各所述资源类型对应的推荐数据序列，从各所述资源类型的待推荐数据中确定待推荐的第一目标推荐数据和第二目标推荐数据；

29、所述将所述目标推荐数据提供给所述目标用户包括：

30、在预设的推荐页面将所述第一目标推荐数据提供所述目标用户；

31、响应于用户在所述推荐页面上的切换操作，将所述推荐页面上展示的第一目标推荐数据切换为第二目标推荐数据。

32、另一方面，本技术实施例还提供一种混合资源推荐装置，包括：

33、获取模块，用于基于采集的目标用户的用户行为特征数据，从数据源中获取不同资源类型的待推荐数据；

34、排序模块，用于针对任一资源类型的待推荐数据，基于所述待推荐数据之间的相似度对所述待推荐数据进行排序，得到所述资源类型对应的推荐数据序列；

35、筛选模块，用于基于预设的推荐约束条件以及各所述资源类型对应的推荐数据序列，从各所述资源类型的待推荐数据中确定目标推荐数据；

36、推荐模块，用于将所述目标推荐数据提供给所述目标用户。

37、另一方面，本技术实施例还提供一种计算机设备，所述计算机设备包括处理器、存储器以及存储于所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述的混合资源推荐方法中的步骤。

38、另一方面，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现上述的混合资源推荐方法中的步骤。

39、本技术实施例在获取到不同资源类型的待推荐数据后，先基于同一资源类型的待推荐数据之间的相似度对待推荐数据进行处理，以得到推荐数据序列，保证序列中相邻的推荐数据之间的差异，后续在按照预设的推荐约束条件从不同资源类型的待推荐数据中确定目标推荐数据，并提供给用户。本技术实施例提供的混合资源推荐方法，能够同时以多种资源类型进行推送，且保证在按照序列进行推荐时所推荐的资源内容的多样性，避免同时推荐相似度较高的重复内容，进一步提高了用户的体验。