[發(fā)明專利]一種信息推薦的方法及推薦裝置

在審

• 申請?zhí)枺?/td>: 202111542326.3
• 申請日: 2021-12-16
• 公開（公告）號: CN114331505A
• 公開（公告）日: 2022-04-12
• 發(fā)明（設(shè)計）人: 宋偉;李爽
• 申請（專利權(quán)）人: 北京三快在線科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京曼威知識產(chǎn)權(quán)代理有限公司 11709
• 代理人: 方志煒

1.一種信息推薦的方法，其特征在于，包括：

獲取針對待推薦信息的初始創(chuàng)意組合，所述初始創(chuàng)意組合由歸屬于不同類的創(chuàng)意元素的創(chuàng)意實例構(gòu)成；

根據(jù)確定出的所述初始創(chuàng)意組合中包含的各創(chuàng)意實例對應(yīng)的實例特征表示，以及所述初始創(chuàng)意組合中包含的各創(chuàng)意實例之間的關(guān)聯(lián)特征表示，從其他創(chuàng)意組合中搜索出各相關(guān)創(chuàng)意組合，并將所述初始創(chuàng)意組合以及所述各相關(guān)創(chuàng)意組合構(gòu)建為創(chuàng)意組合集；

針對所述創(chuàng)意組合集中的每個創(chuàng)意組合，根據(jù)該創(chuàng)意組合中包含的各創(chuàng)意實例對應(yīng)的實例權(quán)重，以及該創(chuàng)意組合中包含的各創(chuàng)意實例之間的關(guān)聯(lián)權(quán)重，確定該創(chuàng)意組合對應(yīng)的優(yōu)先級；

根據(jù)每個創(chuàng)意組合對應(yīng)的優(yōu)先級，從所述創(chuàng)意組合集中確定出目標創(chuàng)意組合，并按照所述目標創(chuàng)意組合對應(yīng)的創(chuàng)意展示形式，向用戶推薦所述待推薦信息。

2.如權(quán)利要求1所述的方法，其特征在于，根據(jù)該創(chuàng)意組合中包含的各創(chuàng)意實例對應(yīng)的實例權(quán)重，以及該創(chuàng)意組合中包含的各創(chuàng)意實例之間的關(guān)聯(lián)權(quán)重，確定該創(chuàng)意組合對應(yīng)的優(yōu)先級，具體包括：

將該創(chuàng)意組合中包含的每個創(chuàng)意實例作為不同的節(jié)點，按照預(yù)設(shè)的順序，將該創(chuàng)意組合中包含的每個創(chuàng)意實例對應(yīng)的節(jié)點進行連接，得到該創(chuàng)意組合對應(yīng)的樹結(jié)構(gòu)；

根據(jù)所述樹結(jié)構(gòu)中包含的各節(jié)點對應(yīng)的實例權(quán)重，以及相鄰節(jié)點之間的關(guān)聯(lián)權(quán)重，確定該創(chuàng)意組合對應(yīng)的優(yōu)先級。

3.如權(quán)利要求1所述的方法，其特征在于，根據(jù)每個創(chuàng)意組合對應(yīng)的優(yōu)先級，從所述創(chuàng)意組合集中確定出目標創(chuàng)意組合，具體包括：

根據(jù)每個創(chuàng)意組合對應(yīng)的優(yōu)先級，從所述創(chuàng)意組合集中選取出各候選創(chuàng)意組合；

針對每個候選創(chuàng)意組合，將該候選創(chuàng)意組合以及推薦環(huán)境信息輸入到預(yù)設(shè)的關(guān)聯(lián)模型中，確定該候選創(chuàng)意組合在所述推薦環(huán)境信息下的優(yōu)先級，所述推薦環(huán)境信息包括：所述用戶對應(yīng)的用戶偏好以及所述用戶獲取所述待推薦信息所基于的場景信息中的至少一種；

根據(jù)每個候選創(chuàng)意組合在所述推薦環(huán)境信息下的優(yōu)先級，確定所述目標創(chuàng)意組合。

4.如權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

根據(jù)監(jiān)測到的所述用戶針對所述待推薦信息的瀏覽情況，對所述目標創(chuàng)意組合中包含的各創(chuàng)意實例對應(yīng)的實例權(quán)重，以及所述目標創(chuàng)意組合中包含的各創(chuàng)意實例之間的關(guān)聯(lián)權(quán)重進行更新。

5.如權(quán)利要求4所述的方法，其特征在于，根據(jù)監(jiān)測到的所述用戶針對所述待推薦信息的瀏覽情況，對所述目標創(chuàng)意組合中包含的各創(chuàng)意實例對應(yīng)的實例權(quán)重，以及所述目標創(chuàng)意組合中包含的各創(chuàng)意實例之間的關(guān)聯(lián)權(quán)重進行更新，具體包括：

若根據(jù)監(jiān)測到的所述用戶針對所述待推薦信息的瀏覽情況，確定所述用戶對所述待推薦信息執(zhí)行了點擊操作，提高所述目標創(chuàng)意組合中包含的各創(chuàng)意實例對應(yīng)的實例權(quán)重，以及所述目標創(chuàng)意組合中包含的各創(chuàng)意實例之間的關(guān)聯(lián)權(quán)重；

若根據(jù)監(jiān)測到的所述用戶針對所述待推薦信息的瀏覽情況，確定所述用戶對所述待推薦信息未執(zhí)行點擊操作，降低所述目標創(chuàng)意組合中包含的各創(chuàng)意實例對應(yīng)的實例權(quán)重，以及所述目標創(chuàng)意組合中包含的各創(chuàng)意實例之間的關(guān)聯(lián)權(quán)重。

6.如權(quán)利要求1所述的方法，其特征在于，確定所述初始創(chuàng)意組合中包含的各創(chuàng)意實例對應(yīng)的實例特征表示，以及所述初始創(chuàng)意組合中包含的各創(chuàng)意實例之間的關(guān)聯(lián)特征表示，具體包括：

將所述初始創(chuàng)意組合中包含的各創(chuàng)意實例輸入到預(yù)先訓練的特征學習模型，確定出所述初始創(chuàng)意組合中包含的各創(chuàng)意實例對應(yīng)的實例特征表示，以及所述初始創(chuàng)意組合中包含的各創(chuàng)意實例之間的關(guān)聯(lián)特征表示。