[发明专利]推荐信息的刷新方法、装置、存储介质和终端设备

说明书

本发明提出一种推荐信息的刷新方法、装置、存储介质和终端设备，其中，所述方法包括：响应请求端的刷新请求，从推荐信息集合中提取推荐信息组合成初始信息序列；其中，所述初始信息序列包括M个推荐信息；根据所述初始信息序列中各推荐信息的预测点击概率，调整所述初始信息序列的排列顺序，获得优选信息序列；从所述优选信息序列中提取推荐信息序列，所述推荐信息序列包括所述优选信息序列中排序在前N个的推荐信息，其中，M大于N；以及向所述请求端发送所述推荐信息序列，以在所述请求端进行刷新显示。采用本发明，在本次刷新下发的推荐信息序列为最优的前提下，能够考虑到未来刷新下发的推荐信息序列。

技术领域

本发明涉及计算机技术领域，尤其涉及一种推荐信息的刷新方法、装置、存储介质和终端设备。

背景技术

随着互联网的发展，涌现出多种多样的推荐平台，向互联网用户推送或推荐信息。例如、商品优惠信息的推送、搜索引擎的搜索信息的推荐、新闻信息或各领域的文章等信息的推送。

此类的推荐平台的推荐系统都是以刷新为单位进行推荐信息的下发。例如，当用户在客户端触发刷新操作时，向服务端发送请求。服务端响应请求并将n个推荐信息组成推荐列表下发到客户端。客户端显示接收到的推荐列表。其中，服务端通过推荐算法，使得下发给用户的n个推荐信息及排列顺序尽可能匹配用户的兴趣，以吸引用户点击和阅读。但是，推荐系统通常只考虑将本次刷新内的信息序列尽可能最优，而相邻刷新之间的信息序列的优化却很少考虑。例如，用户请求3次刷新，分别得到list(1)、list(2)和list(3)。如果仅仅参考本次刷新内推荐信息，可能均是本次刷新的最优列表，即局部最优列表。但是，如果将3个list拼接到一起所组成的列表，组成的列表未必是全局的最优列表。特别是，当用户进行上拉刷新时，可以历史的多次刷新的下发列表拼接在一起进行展示。此时，并接接后展示的列表未必是排列最优的列表。因而，如何使由多次刷新的下发列表组成的列表也为排列最优的列表，是目前亟需解决的技术问题。

传统的技术方案通常是：通过基于session(会话)的推荐算法，在当前刷新中对下发的推荐信息进行选取排列。在此过程中，将过去的多次刷新所下发的推荐信息及信息之间的排列顺序作为特征，加入到推荐算法中进行计算。从而，得到的计算结果，可以使得由本次刷新下发的推荐信息列表与客户端历史展现的推荐信息列表所组合在一起显示的列表的排列最优。

虽然，上述技术方案在下发本次刷新的推荐信息列表时，只考虑了历史下发的推荐信息列表的特征，则在将本次刷新与未来刷新的列表相拼接展示，未必是最优的列表。在用户持续刷新过程中，影响用户的浏览体验。

发明内容

本发明实施例提供一种推荐信息的刷新方法、装置、存储介质和终端设备，以解决或缓解现有技术中的以上一个或多个技术问题。

第一方面，本发明实施例提供了一种推荐信息的刷新方法，包括：

响应请求端的刷新请求，从推荐信息集合中提取推荐信息组合成初始信息序列；其中，所述初始信息序列包括M个推荐信息；

根据所述初始信息序列中各推荐信息的预测点击概率，调整所述初始信息序列的排列顺序，获得优选信息序列；

从所述优选信息序列中提取推荐信息序列，所述推荐信息序列包括所述优选信息序列中排序在前N个的推荐信息，其中，M大于N；以及

向所述请求端发送所述推荐信息序列，以在所述请求端进行刷新显示。

结合第一方面，在第一方面的第一种实施方式中，所述响应请求端的刷新请求，从推荐信息集合中提取推荐信息组合成初始信息序列，包括：

根据所述刷新请求中的用户信息，从推荐信息库中查找对应的各推荐信息，得到推荐信息集合；

根据预设的推荐算法，计算所述推荐信息集合中的各推荐信息的推荐权重值；以及