[发明专利]信息推荐方法、装置、服务器及存储介质

权利要求书

1.一种信息推荐方法，其特征在于，包括：

获取当前账号的历史状态信息；所述历史状态信息用于记录所述当前账号对历史信息执行交互操作的操作信息，所述历史信息为历史推荐给所述当前账号的信息，所述操作信息中至少记录有所述当前账号与所述历史信息进行交互操作的操作类型；

根据所述当前账号对所述历史信息的操作信息，从所述操作类型中筛选出至少一种目标操作类型；

根据所述历史状态信息以及所述目标操作类型，获取候选信息集，其中，所述候选信息集用于向所述当前账号对应终端推送所述候选信息集内的目标信息。

2.根据权利要求1所述的信息推荐方法，其特征在于，所述根据所述当前账号对所述历史信息的操作信息，从所述操作类型中筛选出至少一种目标操作类型的步骤，包括：

将所述当前账号对所述历史信息的操作信息输入至预先构建的第一推荐模型中，通过所述第一推荐模型获取目标操作类型；

所述根据所述历史状态信息以及所述目标操作类型，获取候选信息集的步骤，包括：

将所述当前账号的历史状态信息以及所述目标操作类型输入至预先构建的第二推荐模型中，通过所述第二推荐模型获取所述候选信息集；

所述根据所述历史状态信息以及所述目标操作类型，获取候选信息集的步骤之后，还包括：

获取所述当前账号对所述候选信息集中的目标信息的反馈操作信息；

根据所述反馈操作信息获取所述目标操作类型对应的反馈值，所述反馈值用于对所述第二推荐模型进行迭代更新。

3.根据权利要求2所述的信息推荐方法，其特征在于，所述根据所述历史状态信息以及所述目标操作类型，获取候选信息集的步骤之后，还包括：

根据所述反馈操作信息确定各所述操作类型对应的反馈值；

获取各所述操作类型对应反馈值的和值，将各所述操作类型对应反馈值的和值，确定为用于对所述第一推荐模型进行迭代更新的更新信息。

4.根据权利要求3所述的信息推荐方法，其特征在于，所述获取所述当前账号对所述候选信息集中的各个目标信息的反馈操作信息的步骤之后，还包括：

根据所述候选信息集以及所述反馈操作信息，更新所述当前账号的历史状态信息。

5.根据权利要求2所述的信息推荐方法，其特征在于，所述将所述当前账号对所述历史信息的操作信息输入至预先构建的第一推荐模型中的步骤之前，包括：

采集所述当前账号在不同历史时刻的历史状态信息，并根据所述不同历史时刻的历史状态信息，生成训练样本；其中，训练样本包括：第一历史时刻的历史状态信息、第一历史时刻的更新信息、第二历史时刻的历史状态信息；

将所述第二历史时刻的历史状态信息输入至所述第一推荐模型，获取所述第二历史时刻的更新信息预测值，根据所述第二历史时刻的更新信息预测值以及所述第一历史时刻的更新信息，计算所述第一历史时刻的更新信息累计值；

将所述第一历史时刻的历史状态信息输入至所述第一推荐模型预测所述第一历史时刻的更新信息预测值；

根据所述第一历史时刻的更新信息预测值与所述第一历史时刻的更新信息累计值间的差值，更新所述第一推荐模型的网络参数。

6.根据权利要求2所述的信息推荐方法，其特征在于，在将所述当前账号的状态信息以及所述目标优化操作输入至预先构建的第二推荐模型中的步骤之前，还包括：

采集所述当前账号在不同历史时刻的历史状态信息，并根据所述不同历史时刻的历史状态信息，生成训练样本；其中，训练样本包括：第一历史时刻的历史状态信息、第一历史时刻的目标操作类型、第一历史时刻的反馈值、第二历史时刻的历史状态信息、第二历史时刻的目标操作类型；

将所述第二历史时刻的历史状态信息以及所述第二历史时刻的目标操作类型输入至所述第二推荐模型，获取所述第二历史时刻的反馈预测值，根据所述第二历史时刻的反馈预测值以及所述第一历史时刻的反馈值，计算第一历史时刻的预测累计反馈值；

将所述第一历史时刻的历史状态信息以及所述第一历史时刻的目标操作类型输入至所述第二推荐模型，获取所述第一历史时刻的反馈预测值；

根据所述第一历史时刻的预测累计反馈值与所述第一历史时刻的反馈预测值间的差值，更新所述第二推荐模型的网络参数。