[发明专利]资源推荐方法、装置、可读介质以及设备

说明书

本申请公开了一种资源推荐方法、装置、可读介质以及设备，该方法通过接收目标用户的资源推荐请求；将目标用户当前的属性信息、所处的场合信息、以及目标用户对每一个历史标签的历史行为信息输入至资源推荐模型中，得到并输出目标用户对每一个历史标签的行为预测概率。由于资源推荐模型由多个用户的属性信息、所处的场合信息、每一个用户分别对每一个历史标签的历史行为信息以及实际反馈结果对神经网络模型训练得到，在预测目标用户是否会点击历史标签时，不仅考虑到了用户对历史标签的历史行为，还考虑到了用户所处的场合信息、属性信息因素，因此资源推荐模型所得到的目标用户对每一个历史标签的行为预测概率相较于现有技术会更为准确。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种资源推荐方法、装置、可读介质以及设备。

背景技术

现有技术中，许多为用户提供新闻、视频等资源的软件，为了提高用户的使用率，会通过推荐系统不断向用户推送用户所感兴趣的内容。具体的，推荐系统对用户的行为信息进行收集，统计出用户点击次数最多的n个标签，将统计出的n个标签认为是用户最感兴趣的标签，然后向用户推荐属于这n个标签的资源。

现有的推荐系统中，是根据用户对标签的感兴趣程度，来对用户进行资源推荐。但实际情况下，用户对标签的感兴趣程度并不是影响到用户对标签的点击行为的唯一因素。例如，现有的推荐系统通过用户以往行为信息，可以看出用户对春节这一标签的资源的点击率较低，感兴趣程度不高，因此不会向用户推送春节这一标签下的资源。但实际情况中，在春节的时间段内，用户会点击春节这一标签的资源的概率却是很大的。因此，当前的推荐系统仅依靠用户对标签的感兴趣程度进行推荐，为用户推荐资源的成功率并不高。

发明内容

基于上述现有技术的不足，本申请提出了一种资源推荐方法、装置、可读介质以及设备，以实现提高推荐资源的成功率。

为解决上述问题，现提出的方案如下：

本申请第一方面公开了一种资源推荐方法，包括：

接收目标用户的资源推荐请求；

将所述目标用户当前的属性信息、所处的场合信息、以及所述目标用户对每一个历史标签的历史行为信息输入至资源推荐模型中，得到并输出所述目标用户对每一个所述历史标签的行为预测概率；其中，所述目标用户对历史标签的行为预测概率为所述资源推荐模型对所述目标用户点击所述历史标签的预测概率；所述资源推荐模型由多个用户的属性信息、所处的场合信息、每一个所述用户分别对每一个历史标签的历史行为信息以及每一个所述用户分别对每一个所述历史标签的实际反馈结果对神经网络模型训练得到；所述用户对历史标签的实际反馈结果用于说明所述用户在所述场合信息所指代的场合下，对推荐给所述用户的所述历史标签下的资源实际是否进行点击的行为；

从所述目标用户对每一个所述历史标签的行为预测概率中，选取出行为预测概率最高的n个历史标签，作为所述目标用户的候选推荐历史标签；其中，所述目标用户的候选推荐历史标签下的资源为候选推荐给所述目标用户的资源；n为正整数。

可选地，在上述资源推荐方法中，所述目标用户当前所处的场合信息，包括：所述目标用户当前的时间点信息和所述目标目标用户当前所处的环境信息。

可选地，在上述资源推荐方法中，所述资源推荐模型的创建方法，包括：

构建用户信息集；其中，所述用户信息集，包括：多个用户的属性信息、所处的场合信息、每一个所述用户分别对每一个历史标签的历史行为信息以及每一个所述用户分别对每一个所述历史标签的实际反馈结果；

针对所述用户信息集中的每一个用户，将所述用户信息集中所述用户的属性信息、所处的场合信息、以及所述目标用户对每一个历史标签的历史行为信息输入至神经网络模型中，由所述神经网络模型得到并输出所述用户对每一个所述历史标签的行为预测概率；