[发明专利]一种网站资源的推荐方法、装置和计算设备

权利要求书

1.一种网站资源的推荐方法，适于在计算设备中执行，所述计算设备中预先训练有点击率预估模型，所述方法包括步骤：

当监测到需要进行资源推荐时，识别当前资源池中的新资源和非新资源，所述新资源包括观察期新资源和筛选期新资源，所述筛选期新资源指已达到预定投放效果的新资源，所述预定投放效果指曝光量大于等于第二数值且实际点击率大于等于第三数值；

根据所述点击率预估模型计算所述非新资源和筛选期新资源的点击率预估值，并根据所计算的点击率预估值划分优质资源和低质资源，所述优质资源指点击率预估值大于等于第一数值的资源；以及

调整所述优质资源和低质资源在本次资源推荐的曝光占比，并确定所述观察期新资源的曝光比例后按照每种资源的曝光占比进行资源推荐。

2.如权利要求1所述的方法，其中，

所述非新资源指加入资源池超过预定时间的资源，所述新资源指加入资源池未超过预定时间的资源；

所述观察期新资源指未达到预定投放效果的新资源。

3.如权利要求1或2所述的方法，还包括步骤：

从资源池中采用第一召回器召回观察期新资源、采用第二召回器召回筛选期新资源，采用第三召回器召回非新资源；

结合所述每种资源的曝光占比，采用综合排序算法对所召回的多个资源进行综合排序，并根据综合排序结果对该多个资源进行资源推荐，其中排序靠前的资源优先推荐且曝光占比高。

4.如权利要求3所述的方法，其中每个观察期新资源都标记有资源优质度，所述第一召回器按照各观察期新资源的资源优质度进行召回，其中资源优质度高的资源优先召回且排序靠前。

5.如权利要求3所述的方法，还包括所述点击率预估模型的训练步骤：

计算多个高点击率的非新资源的多个特征值作为正样本集，计算多个低点击率的非新资源的多个特征值作为负样本集；以及

根据所述正样本集和负样本集对所述点击率预估模型进行训练，得到各特征值的权重和所述点击率预估值的计算方式。

6.如权利要求5所述的方法，还包括所述观察期新资源的资源优质度的计算步骤：

对于某个新资源，计算该新资源的多个特征值并组成特征向量；

分别计算该特征向量与正样本集中每个样本所对应的特征向量的相似度，并将所得到的多个相似度值取平均作为该新资源的资源优质度。

7.如权利要求5所述的方法，其中所述多个特征值所对应的特征包括以下特征中的至少一种：

资源时间特征、资源热度特征、用户兴趣特征、用户行为特征、点击率综合得分特征、用户负反馈特征和关键词特征。

8.如权利要求7所述的方法，其中，

所述资源时间特征包括资源的入资源池时间、有效时间和推荐时间中的至少一种；

所述资源热度特征包括资源的曝光数、点击数、评论数和分享数中的至少一种；

所述用户兴趣特征包括用户的品牌偏好、型号偏好、价格偏好和用户画像标签的至少一种；

所述用户行为特征包括用户的浏览事件、搜索事件、点击事件、咨询线索事件中的至少一种所对应的信息特征。

9.如权利要求1所述的方法，其中所述点击率预估模型为XGBsoot模型和逻辑回归模型联用。