资源推荐方法、装置及电子设备与流程

本发明涉及人工智能，尤其是涉及一种资源推荐方法、装置及电子设备。

背景技术：

1、召回模型是广泛应用于数字化营销中的技术手段，用于根据用户的行为从海量候选资源中筛选出最有可能被用户感兴趣的资源，从而提升资源的点击率(click-through-rate，ctr)和转化率(conversion rate，cvr)。现有召回模型往往只能根据用户对资源的轨迹行为(如浏览、点击、搜索等)进行内容召回以便向用户推荐召回内容的相关资源，但用户的轨迹行为受多种因素影响，用户在一段时间内的轨迹行为可能与用户的实际偏好之间存在差别，因而利用现有召回模型的召回内容为用户推荐的资源可能并不符合用户的实际偏好，导致资源推荐不够准确，从而对资源的点击率和转化率以及用户体验造成不良影响。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种资源推荐方法、装置及电子设备，以提高资源推荐的准确性，从而利于提升资源的点击率和转化率以及用户体验。

2、第一方面，本发明实施例提供了一种资源推荐方法，包括：获取预设时段内用户针对各资源的轨迹行为数据，并基于全部轨迹行为数据获取各类型资源的第一排序序列；其中，同一第一排序序列所对应资源类型相同，资源类型相同的每个资源在其所对应第一排序序列中具有相应的第一排序；基于全部第一排序序列和全部轨迹行为数据以及预先设置的各类型资源的业务偏好量，从全部资源中划分出至少一个资源组；其中，每个资源组包括各类型资源；基于全部轨迹行为数据和预先训练的排序模型对每个资源组中的全部资源进行初步排序，得到每个资源组的第二排序序列；其中，每个资源组中的每个资源在其所对应第二排序序列中具有相应的第二排序；基于预设规则以及全部第一排序序列对每个第二排序序列所对应全部资源进行二次排序，并基于二次排序后得到的全部优化排序序列为用户推荐资源。

3、第二方面，本发明实施例还提供一种资源推荐装置，包括：获取模块，用于获取预设时段内用户针对各资源的轨迹行为数据，并基于全部轨迹行为数据获取各类型资源的第一排序序列；其中，同一第一排序序列所对应资源类型相同，资源类型相同的每个资源在其所对应第一排序序列中具有相应的第一排序；划分模块，用于基于全部第一排序序列和全部轨迹行为数据以及预先设置的各类型资源的业务偏好量，从全部资源中划分出至少一个资源组；其中，每个资源组包括各类型资源；初步排序模块，用于基于全部轨迹行为数据和预先训练的排序模型对每个资源组中的全部资源进行初步排序，得到每个资源组的第二排序序列；其中，每个资源组中的每个资源在其所对应第二排序序列中具有相应的第二排序；二次排序及推荐模块，用于基于预设规则以及全部第一排序序列对每个第二排序序列所对应全部资源进行二次排序，并基于二次排序后得到的全部优化排序序列为用户推荐资源。

4、第三方面，本发明实施例还提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现上述第一方面所述资源推荐方法。

5、本发明实施例提供的一种资源推荐方法、装置及电子设备，获取预设时段内用户针对各资源的轨迹行为数据，并基于全部轨迹行为数据获取各类型资源的第一排序序列；基于全部第一排序序列和全部轨迹行为数据以及预先设置的各类型资源的业务偏好量，从全部资源中划分出至少一个资源组；基于全部轨迹行为数据和预先训练的排序模型对每个资源组中的全部资源进行初步排序，得到每个资源组的第二排序序列；基于预设规则以及全部第一排序序列对每个第二排序序列所对应全部资源进行二次排序，并基于二次排序后得到的全部优化排序序列为用户推荐资源。采用上述技术，可利用轨迹数据得到单类型资源排序结果，并结合轨迹数据和单类型资源的业务偏好量利用排序模型进行混合类型资源的初步排序，进而引入预设规则结合单类型资源排序结果进行混合类型资源的二次排序，以保证利用混合类型资源排序结果所得到的资源推荐结果更接近用户实际偏好，能够提高资源推荐的准确性，从而利于提升资源的点击率和转化率以及用户体验。

6、本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

7、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

技术特征：

1.一种资源推荐方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，基于全部第一排序序列和全部轨迹行为数据以及预先设置的各类型资源的业务偏好量，从全部资源中划分出至少一个资源组，包括：

3.根据权利要求2所述的方法，其特征在于，基于全部轨迹行为数据以及各类型资源的业务偏好量，确定各类型资源的整体偏好量，包括：

4.根据权利要求3所述的方法，其特征在于，基于全部轨迹行为数据，确定各类型资源的轨迹偏好量，包括：

5.根据权利要求1所述的方法，其特征在于，所述方法包括：

6.根据权利要求5所述的方法，其特征在于，按照特征维度构建每个资源组中每个资源所对应的特征向量，包括：

7.根据权利要求5所述的方法，其特征在于，每个资源的轨迹行为数据包括预设时段内相应资源被用户点击的次数；所述得分包括相应资源被用户点击的概率值；基于全部特征向量所对应资源的轨迹行为数据预测出每个特征向量所对应资源的得分，包括：

8.根据权利要求7所述的方法，其特征在于，基于预设规则以及全部第一排序序列对每个第二排序序列所对应全部资源进行二次排序，包括：

9.一种资源推荐装置，其特征在于，包括：

10.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至8任一项所述方法。

技术总结
本发明提供了一种资源推荐方法、装置及电子设备，获取预设时段内用户针对各资源的轨迹行为数据，并基于全部轨迹行为数据获取各类型资源的第一排序序列；基于全部第一排序序列和全部轨迹行为数据以及预先设置的各类型资源的业务偏好量，从全部资源中划分出至少一个资源组；基于全部轨迹行为数据和预先训练的排序模型对每个资源组中的全部资源进行初步排序，得到每个资源组的第二排序序列；基于预设规则以及全部第一排序序列对每个第二排序序列所对应全部资源进行二次排序，并基于二次排序后得到的全部优化排序序列为用户推荐资源。采用本发明可以提高资源推荐的准确性，从而利于提升资源的点击率和转化率以及用户体验。

技术研发人员：韩冬,刁梦霏,张耀
受保护的技术使用者：同程网络科技股份有限公司
技术研发日：
技术公布日：2024/5/19