[发明专利]资源推荐方法、装置及计算机存储介质

权利要求书

1.一种资源推荐方法，其特征在于，所述方法包括：

当接收到目标用户的资源推荐请求时，获取所述目标用户的用户关联特征，所述用户关联特征包括用户特征和浏览资源创意的行为特征，所述资源创意是指从网络资源的资源内容中提取的、用于吸引用户浏览资源内容的资源信息；

根据所述目标用户的用户关联特征，通过用户向量模型确定所述目标用户的用户向量，所述用户向量模型用于确定任一用户的用户向量；

获取多个资源创意，所述多个资源创意为多个备选资源对应的资源创意；

根据所述多个资源创意，通过先验模型确定所述多个资源创意的第一评估值，所述第一评估值用于指示资源创意被用户浏览的可能性，所述先验模型用于确定任一资源创意的评估值；

根据所述多个资源创意的第一评估值，从所述多个资源创意中选取满足条件的资源创意；

将选取的资源创意对应的备选资源，确定为候选资源集中的多个候选资源；

获取所述候选资源集包括的多个候选资源中每个候选资源的资源向量，每个候选资源的资源向量是根据每个候选资源的资源关联特征，通过资源向量模型确定得到，所述资源关联特征包括资源内容特征和资源创意特征，所述资源创意特征包括创意高阶特征和创意向量特征，所述创意高阶特征包括资源创意中的图片标签和文本标签中的至少一种，所述创意向量特征为针对预设场景或预设目标从资源创意中提取的向量特征，所述资源向量模型用于确定任一资源的资源向量，所述每个候选资源的资源向量具体通过将从每个候选资源中提取的资源内容特征、资源发布者特征、资源高阶特征及资源向量特征输入到所述资源向量模型中得到；

根据每个候选资源的资源向量与所述目标用户的用户向量之间的相似度，从所述候选资源集中选择待推荐的候选资源，将待推荐的候选资源推荐给所述目标用户。

2.根据权利要求1所述的方法，其特征在于，所述用户关联特征还包括浏览资源创意的上下文特征和历史浏览数据特征中的至少一种，所述资源关联特征还包括资源发布者特征。

3.根据权利要求1所述的方法，其特征在于，所述根据每个候选资源的资源向量与所述目标用户的用户向量之间的相似度，从所述候选资源集中选择待推荐的候选资源，将待推荐的候选资源推荐给所述目标用户，包括：

按照资源向量与所述目标用户的用户向量之间的相似度从大到小的顺序，从所述候选资源集中选取排序在前的N个候选资源，所述N为正整数；

按照资源向量与所述目标用户的用户向量之间的相似度，对所述N个候选资源进行排序；

将排序后的N个候选资源推荐给所述目标用户。

4.根据权利要求1-3任一所述的方法，其特征在于，所述根据所述目标用户的用户关联特征，通过用户向量模型确定所述目标用户的用户向量之前，还包括：

获取多个样本数据，每个样本数据包括样本用户的用户关联特征、样本资源的资源关联特征、以及浏览标签，所述浏览标签用于指示所述样本用户是否浏览了所述样本资源；

根据每个样本数据中的用户关联特征，通过待训练用户向量模型确定样本用户向量，以及根据每个样本数据中的资源关联特征，通过待训练资源向量模型确定样本资源向量；

计算每个样本数据对应的样本用户向量和样本资源向量之间的相似度，所述相似度用于指示样本资源向量对应的样本资源被样本用户向量对应的样本用户浏览的可能性；

根据每个样本数据中的浏览标签，以及每个样本数据对应的样本用户向量和样本资源向量之间的相似度，对所述待训练用户向量模型和所述待训练资源向量模型的模型参数进行调整；

将模型参数调整后的待训练用户向量模型和待训练资源向量模型，分别确定为所述用户向量模型和所述资源向量模型。

5.根据权利要求1-3任一所述的方法，其特征在于，所述获取所述候选资源集包括的多个候选资源中每个候选资源的资源向量，包括：

获取所述候选资源集中每个候选资源的资源关联特征；

根据每个候选资源的资源关联特征，通过所述资源向量模型确定每个候选资源的资源向量。