[發(fā)明專利]信息推薦、布隆過濾器的創(chuàng)建方法及裝置

在審

• 申請?zhí)枺?/td>: 201910959614.5
• 申請日: 2019-10-10
• 公開（公告）號: CN110781386A
• 公開（公告）日: 2020-02-11
• 發(fā)明（設(shè)計）人: 寧朝陽
• 申請（專利權(quán)）人: 支付寶(杭州)信息技術(shù)有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 11315 北京國昊天誠知識產(chǎn)權(quán)代理有限公司
• 代理人: 許振新

1.一種信息推薦方法，所述方法應(yīng)用于應(yīng)用服務(wù)端，包括：

根據(jù)用戶通過應(yīng)用客戶端發(fā)送的信息獲取請求，從過濾器服務(wù)端中獲取為所述用戶創(chuàng)建的布隆過濾器，所述布隆過濾器由過濾器服務(wù)端根據(jù)已經(jīng)推薦給所述用戶的歷史推薦信息生成；

為所述用戶生成至少一組候選推薦信息，并通過獲取到的布隆過濾器，對每組所述候選推薦信息分別進行過濾，確定出未向所述用戶推薦過的目標推薦信息；

將所述目標推薦信息發(fā)送給所述應(yīng)用客戶端。

2.如權(quán)利要求1所述的方法，為所述用戶創(chuàng)建的不同布隆過濾器具有不同的時間段屬性，則

根據(jù)用戶通過應(yīng)用客戶端發(fā)送的信息獲取請求，從過濾器服務(wù)端中獲取為所述用戶創(chuàng)建的布隆過濾器，包括：

根據(jù)用戶通過應(yīng)用客戶端發(fā)送的信息獲取請求，以及預定的過濾信息時長需求，從過濾器服務(wù)端為所述用戶創(chuàng)建的、多個具有不同時間段屬性的布隆過濾器中，獲取滿足所述過濾信息時長需求的至少一個布隆過濾器。

3.如權(quán)利要求1所述的方法，為所述用戶生成至少一組候選推薦信息，并通過獲取到的布隆過濾器，對每組所述候選推薦信息分別進行過濾，確定出未向所述用戶推薦過的目標推薦信息之后，所述方法還包括：

將所述目標推薦信息作為歷史推薦信息，與所述用戶對應(yīng)發(fā)送給過濾器服務(wù)端。

4.如權(quán)利要求1所述的方法，將所述目標推薦信息發(fā)送給所述用戶之后，所述方法還包括：

根據(jù)所述用戶在應(yīng)用客戶端的歷史行為，從所述目標推薦信息中確定出所述用戶已經(jīng)瀏覽的信息；

將所述用戶已經(jīng)瀏覽的信息作為歷史推薦信息，與所述用戶對應(yīng)發(fā)送給過濾器服務(wù)端。

5.如權(quán)利要求1所述的方法，為所述用戶生成至少一組候選推薦信息，并通過獲取到的布隆過濾器，對每組所述候選推薦信息分別進行過濾，確定出未向所述用戶推薦過的目標推薦信息，包括：

確定針對信息的推薦數(shù)量；

為所述用戶生成至少一組候選推薦信息，并通過獲取到的布隆過濾器、以及所述推薦數(shù)量，對每組所述候選推薦信息分別進行過濾，確定出未向所述用戶推薦過、且不小于所述推薦數(shù)量的目標推薦信息。

6.如權(quán)利要求5所述的方法，確定針對信息的推薦數(shù)量，包括：

確定與所述信息獲取請求對應(yīng)的、針對信息的推薦數(shù)量。

7.一種信息推薦裝置，所述裝置應(yīng)用于應(yīng)用服務(wù)端，包括：過濾器獲取單元、信息過濾單元、以及信息推薦單元，其中，

所述過濾器獲取單元，根據(jù)用戶通過應(yīng)用客戶端發(fā)送的信息獲取請求，從過濾器服務(wù)端中獲取為所述用戶創(chuàng)建的布隆過濾器，所述布隆過濾器由過濾器服務(wù)端根據(jù)已經(jīng)推薦給所述用戶的歷史推薦信息生成；

所述信息過濾單元，為所述用戶生成至少一組候選推薦信息，并通過獲取到的布隆過濾器，對每組所述候選推薦信息分別進行過濾，確定出未向所述用戶推薦過的目標推薦信息；

所述信息推薦單元，將所述目標推薦信息發(fā)送給所述用戶客戶端。

8.一種電子設(shè)備，所述電子設(shè)備應(yīng)用于應(yīng)用服務(wù)端，包括：

處理器；以及

被安排成存儲計算機可執(zhí)行指令的存儲器，所述可執(zhí)行指令在被執(zhí)行時使所述處理器執(zhí)行以下操作：

根據(jù)用戶通過應(yīng)用客戶端發(fā)送的信息獲取請求，從過濾器服務(wù)端中獲取為所述用戶創(chuàng)建的布隆過濾器，所述布隆過濾器由過濾器服務(wù)端根據(jù)已經(jīng)推薦給所述用戶的歷史推薦信息生成；

為所述用戶生成至少一組候選推薦信息，并通過獲取到的布隆過濾器，對每組所述候選推薦信息分別進行過濾，確定出未向所述用戶推薦過的目標推薦信息；

將所述目標推薦信息發(fā)送給所述用戶客戶端。