[發明專利]用于推薦內容的方法及系統

有效

• 申請號: 201811621052.5
• 申請日: 2018-12-28
• 公開（公告）號: CN111382346B
• 公開（公告）日: 2023-09-01
• 發明（設計）人: 楊闖亮;程曉澄;劉熹;周開拓
• 申請（專利權）人: 第四范式（北京）技術有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 北京銘碩知識產權代理有限公司 11286
• 代理人: 高燕;張川緒

1.一種用于推薦內容的方法，包括：

針對候選內容，生成與所述候選內容對應的預測樣本；

根據所述預測樣本來預測所述候選內容在推薦給其所面向的用戶之后被點擊的概率，以作為所述候選內容的預估點擊率；

獲取用于衡量所述候選內容值得被推薦的程度的優化指標信息，所述優化指標信息包括表示所述候選內容在被點擊后被進一步接受的動作的歷史統計信息和/或衡量所述候選內容被推薦給用戶后所得收益的價格信息；以及

基于所述預估點擊率連同所述優化指標信息來確定將所述候選內容推薦給所述用戶的推薦指數；

其中，生成與所述候選內容對應的預測樣本的步驟包括：

獲取與所述候選內容對應的至少一個屬性信息，其中，所述至少一個屬性信息包括與環境有關的屬性信息，所述與環境有關的屬性信息包括以下項中的至少一項：展示所述候選內容的瀏覽器版本、展示所述候選內容的終端設備的類別、所述終端設備的型號、天氣、季節、近期熱點事件；

至少基于獲取的所述至少一個屬性信息來生成與所述候選內容對應的預測樣本。

2.如權利要求1所述的方法，其特征在于，所述至少一個屬性信息還包括與所述候選內容和/或其所面向的用戶有關的屬性信息。

3.如權利要求1或2所述的方法，其特征在于，所述歷史統計信息包括在預定時間段內所統計的所述候選內容在被點擊后的留電率，其中，所述留電率指各個用戶在點擊候選內容之后針對候選內容預留聯系方式的概率。

4.如權利要求3所述的方法，其特征在于，通過以下方式獲取所述留電率：

從所述候選內容的提供方獲取所述候選內容的留電率；和/或

針對所述候選內容預測所述候選內容在被點擊后的留電率。

5.如權利要求1或2所述的方法，其特征在于，所述方法還包括：對衡量所述候選內容被推薦給用戶后所得收益的價格信息進行歸一化處理，

其中，基于所述預估點擊率連同所述優化指標信息來確定將所述候選內容推薦給所述用戶的推薦指數的步驟包括：

基于所述歷史統計信息和歸一化處理后的價格信息中的至少一項與所述預估點擊率來確定將所述候選內容推薦給所述用戶的推薦指數。

6.如權利要求5所述的方法，其特征在于，所述推薦指數對應于所述歷史統計信息和歸一化處理后的價格信息中的至少一項與所述預估點擊率的乘積。

7.如權利要求1或2所述的方法，其特征在于，根據所述預測樣本來預測所述候選內容在推薦給所述用戶之后被點擊的概率，以作為所述候選內容的預估點擊率的步驟包括：

利用機器學習模型，針對所述預測樣本來預測所述候選內容在推薦給所述用戶之后被點擊的概率，以作為所述候選內容的預估點擊率。

8.如權利要求7所述的方法，其特征在于，通過以下方式訓練所述機器學習模型：

獲取與歷史上被推薦的真實推薦內容對應的至少一個屬性信息；

按照與生成預測樣本的特征相同的特征處理方式，至少基于獲取的所述至少一個屬性信息來生成與所述真實推薦內容對應的訓練樣本的特征；

將所述真實推薦內容是否被點擊的結果作為訓練樣本的標記；以及

基于由多個訓練樣本組成的集合來訓練所述機器學習模型。

9.如權利要求1所述的方法，其特征在于，所述方法還包括：通過以下方式之一來基于所述推薦指數向所述用戶推薦所述候選內容：

將候選內容的集合之中推薦指數最高的候選內容推薦給用戶；

創建推薦內容的列表，向用戶提供所述列表，其中，所述列表中的推薦內容為候選內容的集合之中推薦指數排序靠前的候選內容。

10.如權利要求9所述的方法，其特征在于，候選內容的集合包括全部候選內容或者針對所述所面向的用戶的特性而召回的至少一部分候選內容。