[发明专利]资源推荐方法、装置及电子设备

说明书

本公开关于一种资源推荐方法、装置及电子设备，属于计算机技术领域。其中，该方法包括：获取各待推荐资源的信息和用户的第一历史状态信息；根据每个待推荐资源的信息和第一历史状态信息，确定每个待推荐资源对应的预估展示时长；根据每个待推荐资源对应的预估展示时长，确定目标推荐资源；将目标推荐资源发送给用户客户端，以使用户客户端展示目标推荐资源。由此，通过根据各待推荐资源的信息和用户的历史状态信息，获取各待推荐资源的预估展示时长，基于各待推荐资源的预估展示时长，确定向用户推荐的资源，提高了推荐的精准性。

技术领域

本公开涉及计算机技术领域，尤其涉及一种资源推荐方法、装置及电子设备。

背景技术

视频消费信息流平台会有海量的视频内容，其中，直播是其中的一个新兴的视频表达载体。为了便于用户观看，平台可向用户进行推荐直播间。

相关技术中，通常是利用多个单一目标的预估结果，以一个多项式加权的方式融合多个单一目标，确定资源(如动图、视频、直播等)最终的单次展现收益，基于各个资源的单次展现收益，向用户推荐资源。但是，这种融合方式只是简单利用单一目标结果进行融合，从而会导致资源推荐的准确性降低。

发明内容

本公开提供一种资源推荐方法、装置及电子设备，以至少解决相关技术中资源推荐的准确性低问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种资源推荐方法，包括：

获取各待推荐资源的信息和用户的第一历史状态信息；

根据每个所述待推荐资源的信息和所述第一历史状态信息，确定每个所述待推荐资源对应的预估展示时长；

根据每个所述待推荐资源对应的预估展示时长，确定目标推荐资源；

将所述目标推荐资源发送给用户客户端，以使所述用户客户端展示所述目标推荐资源。

在本公开第一方面实施例的一种实现方式中，所述根据每个所述待推荐资源的信息和所述第一历史状态信息，确定每个所述待推荐资源对应的预估展示时长，包括：

利用第一神经网络模型，对每个所述待推荐资源的信息和所述第一历史状态信息进行处理，以获取每个所述待推荐资源对应的第一点击概率；

利用第二神经网络模型，对每个所述待推荐资源的信息和所述第一历史状态信息进行处理，以获取每个所述待推荐资源对应的第二点击概率；

根据所述第一点击概率和所述第二点击概率，确定每个所述待推荐资源对应的预估展示时长。

在本公开第一方面实施例的一种实现方式中，该方法还可包括：

获取训练样本集；其中，所述训练样本集包括多个资源的信息、每个所述资源对应的所述用户的第二历史状态信息及每个所述资源对应的多个标签；

根据每个所述资源对应的多个标签，确定所述用户对每个所述资源的实际点击概率；

将每个所述资源的信息及对应的第二历史状态信息输入第一初始神经网络模型，以获取每个所述资源对应的第一预测点击概率；

根据每个所述资源对应的第一预测点击概率和所述实际点击概率之间的差异，对所述第一初始神经网络模型进行修正，以生成所述第一神经网络模型。

在本公开第一方面实施例的一种实现方式中，在所述根据每个所述资源对应的多个标签，确定所述用户对每个所述资源的实际点击概率之后，还包括：

将每个所述资源的信息及对应的第二历史状态信息输入第二初始神经网络模型，以获取每个所述资源对应的第二预测点击概率；

根据每个所述资源对应的第二预测点击概率和所述实际点击概率之间的差异，确定初始损失值；