[發(fā)明專利]用于推薦內(nèi)容的方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201811621052.5
• 申請日: 2018-12-28
• 公開（公告）號: CN111382346B
• 公開（公告）日: 2023-09-01
• 發(fā)明（設(shè)計）人: 楊闖亮;程曉澄;劉熹;周開拓
• 申請（專利權(quán)）人: 第四范式（北京）技術(shù)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(chǎn)權(quán)代理有限公司 11286
• 代理人: 高燕;張川緒

提供一種用于推薦內(nèi)容的方法及系統(tǒng)，所述方法包括：針對候選內(nèi)容，生成與所述候選內(nèi)容對應(yīng)的預測樣本；根據(jù)所述預測樣本來預測所述候選內(nèi)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(nèi)容的預估點擊率；獲取用于衡量所述候選內(nèi)容值得被推薦的程度的優(yōu)化指標信息；以及基于所述預估點擊率連同所述優(yōu)化指標信息來確定將所述候選內(nèi)容推薦給所述用戶的推薦指數(shù)。采用上述根據(jù)本發(fā)明示例性實施例的用于推薦內(nèi)容的方法及系統(tǒng)，能夠更為精準的為用戶進行推薦，還可有助于提高內(nèi)容提供方的收益。

技術(shù)領(lǐng)域

本發(fā)明總體說來涉及內(nèi)容推薦，更具體地講，涉及一種用于推薦內(nèi)容的方法及系統(tǒng)。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，產(chǎn)生了海量內(nèi)容，向用戶推薦其感興趣的個性化內(nèi)容會有助于極大提升用戶的使用體驗，也為內(nèi)容提供者帶來巨大的收益。通常，內(nèi)容運營商在向用戶推薦特定內(nèi)容時，會期望預測該特定內(nèi)容在推薦后被用戶接受的可能性，然后根據(jù)預測結(jié)果相應(yīng)地執(zhí)行內(nèi)容推薦。然而，用戶是否最后接受的行為本身在某些情況下難以采集，用點擊率來作為用戶是否接受會導致很多預測結(jié)果不準確。

發(fā)明內(nèi)容

本發(fā)明的示例性實施例的目的在于提供一種用于推薦內(nèi)容的方法及系統(tǒng)，以克服上述至少一個缺點。

根據(jù)本發(fā)明示例性實施例的一個方面，提供一種用于推薦內(nèi)容的方法，包括：針對候選內(nèi)容，生成與所述候選內(nèi)容對應(yīng)的預測樣本；根據(jù)所述預測樣本來預測所述候選內(nèi)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(nèi)容的預估點擊率；獲取用于衡量所述候選內(nèi)容值得被推薦的程度的優(yōu)化指標信息；以及基于所述預估點擊率連同所述優(yōu)化指標信息來確定將所述候選內(nèi)容推薦給所述用戶的推薦指數(shù)。

進一步地，生成與所述候選內(nèi)容對應(yīng)的預測樣本的步驟可包括：獲取與所述候選內(nèi)容對應(yīng)的至少一個屬性信息，其中，所述至少一個屬性信息可包括與所述候選內(nèi)容、其所面向的用戶和/或環(huán)境有關(guān)的屬性信息；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(nèi)容對應(yīng)的預測樣本。

進一步地，所述優(yōu)化指標信息可包括表示所述候選內(nèi)容在被點擊后被進一步接受的動作的歷史統(tǒng)計信息和/或衡量所述候選內(nèi)容被推薦給用戶后所得收益的價格信息。

進一步地，所述歷史統(tǒng)計信息可包括在預定時間段內(nèi)所統(tǒng)計的所述候選內(nèi)容在被點擊后的留電率，其中，所述留電率可指各個用戶在點擊候選內(nèi)容之后針對候選內(nèi)容預留聯(lián)系方式的概率。

進一步地，可通過以下方式獲取所述留電率：從所述候選內(nèi)容的提供方獲取所述候選內(nèi)容的留電率；和/或針對所述候選內(nèi)容預測所述候選內(nèi)容在被點擊后的留電率。

進一步地，所述方法可還包括：對衡量所述候選內(nèi)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(yōu)化指標信息來確定將所述候選內(nèi)容推薦給所述用戶的推薦指數(shù)的步驟可包括：基于所述歷史統(tǒng)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(nèi)容推薦給所述用戶的推薦指數(shù)。

進一步地，所述推薦指數(shù)可對應(yīng)于所述歷史統(tǒng)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。

進一步地，根據(jù)所述預測樣本來預測所述候選內(nèi)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(nèi)容的預估點擊率的步驟可包括：利用機器學習模型，針對所述預測樣本來預測所述候選內(nèi)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(nèi)容的預估點擊率。

進一步地，可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(nèi)容對應(yīng)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(nèi)容對應(yīng)的訓練樣本的特征；將所述真實推薦內(nèi)容是否被點擊的結(jié)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。