[发明专利]一种基于在线学习的网络资源推荐方法及装置

说明书

本发明实施例公开了一种基于在线学习的网络资源推荐方法及装置，该方法包括：根据用户针对展示的网络资源的反馈日志，对用于推荐网络资源的数据模型进行训练；基于所述数据模型对需要推荐的网络资源按照E&E算法进行打分和推荐；对推荐的网络资源进行展示。本发明实施例以用户的反馈来训练数据模型，实现对数据模型进行快速反复的迭代，能提高推荐策略的反应速度和推荐的准确率。

技术领域

本发明涉及互联网技术领域，具体涉及一种基于在线学习的网络资源推荐方法及装置。

背景技术

在视频，搜索，影视资源网站，互联网搜索引擎，以及推荐引擎(包括新闻推荐，商品推荐，广告推荐等)等领域，通常遇到的问题是互联网资源较多，但是资源竞争问题决定仅仅只有有限的互联网资源能够得以展现给用户，因此如何选择合适的互联网资源推荐给用户是比较重要的问题。

现有技术中，网络设备向用户推荐互联网资源时，往往是对资源按照用户行为等信息进行权重计算，再根据权重排名选择推荐信息，但是，这种现有的互联网资源推荐过程中，发明人发现存在以下问题：推荐的信息趋于集中和固定，某些新的或冷门的互联网资源因为参照的结果信息的缺失而得不到推荐。

发明内容

有鉴于此，本发明实施例提供一种基于在线学习的网络资源推荐方法及装置，以提高推荐策略的反应速度和推荐的准确率。

第一方面，本发明实施例提供了一种基于在线学习的网络资源推荐方法，包括：

根据用户针对展示的网络资源的反馈日志，对用于推荐网络资源的数据模型进行训练；

基于所述数据模型对需要推荐的网络资源按照E&E算法进行打分和推荐；

对推荐的网络资源进行展示。

第二方面，本发明实施例还提供了一种基于在线学习的网络资源推荐装置，包括：

模型训练单元，用于根据用户针对展示的网络资源的反馈日志，对用于推荐网络资源的数据模型进行训练；

资源推荐单元，用于基于所述数据模型对需要推荐的网络资源按照E&E算法进行打分和推荐；

资源展示单元，用于对推荐的网络资源进行展示。

本发明实施例的技术方案根据用户针对展示的网络资源的反馈日志对数据模型进行训练，基于所述数据模型对需要推荐的网络资源按照E&E算法进行打分、推荐和展示，再根据用户针对展示的网络资源的反馈日志又对数据模型进行训练，依此循环，不断迭代，以用户的反馈来训练数据模型，实现对数据模型进行快速反复的迭代，能提高推荐策略的反应速度和推荐的准确率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本发明实施例的内容和这些附图获得其他的附图。

图1是本发明实施例一所述的基于在线学习的网络资源推荐方法流程图；

图2是本发明实施例二所述的基于在线学习的网络资源推荐方法流程图；

图3是本发明实施例三所述的基于在线学习的网络资源推荐装置的结构框图。

具体实施方式

为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明实施例的技术方案作进一步的详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。