[發明專利]資源推薦方法及裝置

有效

• 申請號: 201810265279.4
• 申請日: 2018-03-28
• 公開（公告）號: CN108595526B
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 查強;宋華;王志華
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/2458;G06K9/62
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

本發明提供了一種資源推薦方法及裝置，其中的方法包括：當接收到用戶針對目標資源集的推薦請求時，實時讀取預先為所述目標資源集建立的決策樹文件；根據所述決策樹文件，確定所述用戶在所述決策樹各個節點的推薦概率，其中，所述各個節點的推薦概率是基于各個節點的期望收益和所述用戶在決策樹的置信區間得到的；根據所述各個節點的推薦概率，確定推薦主題。本發明實施例基于決策樹可準確為新用戶進行資源推薦。

技術領域

本發明涉及互聯網技術領域，特別是涉及一種資源推薦方法及裝置。

背景技術

隨著人工智能(AI)技術的發展，越來越多的領域使用AI技術為用戶提供服務。一種常見的網絡資源(例如視頻資源)的個性化推薦框架是：通過用戶行為構建用戶畫像，提取特征，利用算法模型提供給用戶一組排序好的推薦列表。這種人工智能的方式相較于傳統的人工運營方法具有更強的個性化、更好的多樣性和更好的數據效果；然而，這種方法存在的一個缺陷就是對于用戶畫像的強依賴性，只有建立的豐富的用戶畫像信息，完整的刻畫用戶的各個維度屬性，才能夠更精準的為用戶提供個性化的結果。對于一個全新的用戶而言，由于缺少足夠的用戶行為，用戶畫像的維度明顯不足，不能夠完整的刻畫這類用戶，導致這種冷啟動的用戶群的推薦效果較為一般。

發明內容

為了實現對新用戶進行資源推薦，本發明實施例提供一種資源推薦方法及裝置。

本發明實施例提供的一種資源推薦方法，包括：

當接收到用戶針對目標資源集的推薦請求時，實時讀取預先為所述目標資源集建立的決策樹文件；

根據所述決策樹文件，確定所述用戶在所述決策樹各個節點的推薦概率，其中，所述各個節點的推薦概率是基于各個節點的期望收益和所述用戶在決策樹的置信區間得到的；

根據所述各個節點的推薦概率，確定推薦主題。

在一種可選方式中，還包括：通過如下步驟建立所述決策樹文件：

收集樣本用戶的特征候選集；

計算所述特征候選集中每個特征的信息熵和條件熵，并根據所述信息熵和條件熵計算得到每個特征的信息增益；

根據各個特征的信息增益的大小順序以及與預設的最低信息增益閾值的比較結果，從所述特征候選集中按照順序選取出各個特征作為決策樹的各個節點；

根據選取的各個特征構建出決策樹，并計算每個節點的期望收益。

在一種可選方式中，還包括：確定所述用戶在決策樹的置信區間；

所述確定所述用戶在決策樹的置信區間包括：

計算每個樣本用戶對于決策樹所有節點的探索置信區間；

根據用戶反饋行為實時確定用戶興趣主題，實時更新所述探索置信區間，得到所述用戶在決策樹的置信區間。

在一種可選方式中，所述根據所述決策樹文件，確定所述用戶在所述決策樹各個節點的推薦概率，包括：

根據所述決策樹文件，確定各個節點的期望收益，并讀取所述用戶在所述決策樹的置信區間；

根據所述期望收益與置信區間，計算所述用戶在決策樹每個節點的權重為；

根據當前節點權重與所有節點權重之和，計算出當前節點的推薦概率。

在一種可選方式中，所述根據所述各個節點的推薦概率遍歷決策樹，從而確定推薦主題包括：

根據所述各個節點的推薦概率，確定推薦概率最高的節點為推薦根節點；

在所述推薦根節點下遍歷子節點，直至遍歷到葉子節點；

確定葉子節點對應的主題為所述推薦主題。