[发明专利]一种推送内容推荐方法及装置

权利要求书

1.一种推送内容推荐方法，其特征在于，用于服务器，所述方法包括：

根据实时获取的用户的历史行为信息和上下文信息确定用户当前感兴趣的候选集；

接收客户端实时采集并发送的用户对上一次推荐的推送内容的行为日志；

获取上一次推荐的推送内容的曝光日志；

将所述行为日志和所述曝光日志拼接，并结合用户相关信息输出实时模型训练所需的全部特征；

根据所述全部特征和实时模型进行mini-batch模型训练，以确定所述实时模型的最新模型参数，并根据所述最新模型参数更新所述实时模型；

当接收到候选集排序请求时，获取当前的实时模型对所述候选集进行排序，得到排序结果；

根据所述排序结果选取目标推送内容，并推送所述目标推送内容至所述客户端。

2.根据权利要求1所述的方法，其特征在于，所述用户相关信息包括以下至少一项：用户画像信息、内容画像信息和上下文信息。

3.根据权利要求1所述的方法，其特征在于，所述行为日志采用拉链式回传，所述行为日志包括用户对所述推送内容的点击、播放、评论、转发、点赞中的任一项。

4.根据权利要求1所述的方法，其特征在于，根据所述排序结果选取目标推送内容，包括：

根据排序结果选取排名靠前的预设数量的候选集作为所述目标推送内容。

5.一种推送内容推荐装置，其特征在于，用于服务器，所述装置包括：

推荐模块，用于根据实时获取的用户的历史行为信息和上下文信息确定用户当前感兴趣的候选集；

日志收集模块，用于接收客户端实时采集并发送的用户对上一次推荐的推送内容的行为日志；

获取模块，用于获取上一次推荐的推送内容的曝光日志；

特征输出模块，用于将所述行为日志和所述曝光日志拼接，并结合用户相关信息输出实时模型训练所需的全部特征；

模型训练模块，用于根据所述全部特征和实时模型进行mini-batch模型训练，以确定所述实时模型的最新模型参数，并根据所述最新模型参数更新所述实时模型；

排序模块，用于当接收到候选集排序请求时，获取当前的实时模型对所述候选集进行排序，得到排序结果；

选取模块，用于根据所述排序结果选取目标推送内容，并推送所述目标推送内容至所述客户端。

6.根据权利要求5所述的装置，其特征在于，所述用户相关信息包括以下至少一项：用户画像信息、内容画像信息和上下文信息。

7.根据权利要求5所述的装置，其特征在于，所述行为日志采用拉链式回传，所述行为日志包括用户对所述推送内容的点击、播放、评论、转发、点赞中的任一项。

8.根据权利要求5所述的装置，其特征在于，所述选取模块用于：

根据排序结果选取排名靠前的预设数量的候选集作为所述目标推送内容。

9.一种推送内容推荐系统，其特征在于，所述系统包括：

服务器集群和客户端；所述服务器集群包括：

推荐服务器，用于根据实时获取的用户的历史行为信息和上下文信息确定用户当前感兴趣的候选集；

日志收集服务器，用于接收客户端实时采集并发送的用户对上一次推荐的推送内容的行为日志；获取上一次推荐的推送内容的曝光日志；将所述行为日志和所述曝光日志拼接，并结合用户相关信息输出实时模型训练所需的全部特征；

模型训练服务器，用于根据所述全部特征和实时模型进行mini-batch模型训练，以确定所述实时模型的最新模型参数；

模型参数服务器，用于根据所述最新模型参数更新所述实时模型的参数，并根据所述最新模型参数更新所述实时模型；

排序服务器，用于当接收到候选集排序请求时，获取当前的实时模型对所述候选集进行排序，得到排序结果；

所述推荐服务器还用于，根据所述排序结果选取目标推送内容，并推送所述目标推送内容至所述客户端；

所述客户端，用于实时采集并发送用户对上一次推荐的推送内容的行为日志至所述服务器。

10.一种推送内容推荐装置，其特征在于，用于服务器，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

根据用户的历史行为信息和上下文信息确定用户当前感兴趣的候选集；

接收客户端实时采集并发送的用户对上一次推荐的推送内容的行为日志；

获取上一次推荐的推送内容的曝光日志；

将所述行为日志和所述曝光日志拼接，并结合用户相关信息输出实时模型训练所需的全部特征；

根据所述全部特征和实时模型进行mini-batch模型训练，以确定所述实时模型的最新模型参数，并根据所述最新模型参数更新所述实时模型；

当接收到候选集排序请求时，获取当前的实时模型对所述候选集进行排序，得到排序结果；

根据所述排序结果选取目标推送内容，并推送所述目标推送内容至所述客户端。