[发明专利]一种网站资源的推荐方法、装置和计算设备

说明书

本发明公开了一种网站资源的推荐方法，适于在计算设备中执行，该计算设备中预先训练有点击率预估模型，该方法包括步骤：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，该新资源包括观察期新资源和筛选期新资源；根据点击率预估模型计算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；以及调整优质资源和低质资源在本次资源推荐的曝光占比，并确定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。本发明还一并公开了对应的网站资源的推荐装置和计算设备。

技术领域

本发明涉及图像识别领域，尤其涉及一种网站资源的推荐方法、装置和计算设备。

背景技术

个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。该系统是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。

个性化推荐系统一般采用基于内容的推荐和基于协同过滤的推荐等方法。其中，基于内容的推荐主要基于用户的历史浏览数据来向用户推荐其可能感兴趣的内容。基于协同过滤的算法主要是找到与此用户有相似兴趣的其他用户，然后将这些相似用户所感兴趣的内容推荐给此用户。但这些推荐方法都未考虑资源本身的属性问题，有时推荐给用户的资源可能含有较多的低质资源，影响整体资源的点击率(CTR，Click-Through-Rate)。因此需要一种能够尽可能多为用户提供优质资源的推荐方法。

发明内容

鉴于上述问题，本发明提出了一种网站资源的推荐方法、装置和计算设备，以力图解决或者至少解决上面存在的问题。

根据本发明的一个方面，提供了一种网站资源的推荐方法，适于在计算设备中执行，该计算设备中预先训练有点击率预估模型，该方法包括步骤：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；根据点击率预估模型计算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；以及调整优质资源和低质资源在本次资源推荐的曝光占比，并确定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。

可选地，在根据本发明的方法中，非新资源指加入资源池超过预定时间的资源，新资源指加入资源池未超过预定时间的资源，筛选期新资源指已达到预定投放效果的新资源，观察期新资源指未达到预定投放效果的新资源。

可选地，在根据本发明的方法中，优质资源指点击率预估值大于等于第一数值的资源；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。

可选地，在根据本发明的方法中，从资源池中采用第一召回器中召回观察期新资源、采用第二召回器召回筛选期新资源，采用第三召回器中召回非新资源；结合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。

可选地，在根据本发明的方法中，每个观察期新资源都标记有资源优质度，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。

可选地，在根据本发明的方法中，还包括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；以及根据正样本集和负样本集对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。

可选地，在根据本发明的方法中，还包括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。