[发明专利]一种资源推荐方法、装置、电子设备和存储介质

说明书

本申请涉及计算机技术领域，尤其涉及一种资源推荐方法、装置、电子设备和存储介质，用以提高资源推荐准确性。其中，方法包括：基于各正样本资源各自的资源特征，以及对应的样本对象的反馈行为信息，确定各正样本资源相关的扩展样本资源；基于各正样本资源的资源特征、各样本对象的对象特征和反馈行为特征，以及各扩展样本资源对应的资源特征，构建各正样本资源对应的正样本，以及各扩展样本资源对应的扩展样本；至少基于各正样本和各扩展样本构建训练样本数据集，并基于训练样本数据集进行模型训练，获得已训练的点击率预估模型。由于本申请通过将正样本相关的扩展样本加入到训练样本数据集中，能够缓解模型的选择性偏差，提升资源推荐准确性。

背景技术

互联网技术的快速发展，对多媒体资源推荐系统产生了各式各样的挑战，根据对多媒体资源的历史点击信息，可以预测未来点击行为，并进行多媒体资源推荐，从而能够提升推荐效果。

以广告推荐系统为例，需要通过点击率预估模型对广告进行点击率预估，并根据预估的点击率进行广告推荐。

然而，在实际应用中，不同的多媒体资源可能对应不同的点击率预估模型，而点击率预估模型需要不断根据训练样本数据与用户的点击反馈进行训练。

相关技术中，主要是从多媒体资源全量样本候选集中选择已经曝光过的数据作为训练样本数据。但是该方式中，由于曝光量高的多媒体资源有充足的数据，被点击率预估模型选择的概率也越来越高，而没有被曝光过的多媒体资源因为没有曝光数据而导致模型无法学习，因此永远不会得到曝光。

上述方式导致的选择性偏差不断积累，系统中数据的两级分化现象也会越来越严重，因此，推荐系统的公平性问题对于推荐系统的不断优化至关重要，如何缓解模型的选择性偏差，提升资源推荐的准确性是目前亟待解决的问题。

发明内容

本申请实施例提供一种资源推荐方法、装置、电子设备和存储介质，用以提高资源推荐准确性。

本申请实施例提供的一种资源推荐方法，包括：

分别基于各正样本资源各自的资源特征，以及对应的样本对象的反馈行为信息，确定所述各正样本资源各自相关的至少一个扩展样本资源，每个正样本资源为：被对应的样本对象点击的样本资源；

分别基于所述各正样本资源各自的资源特征、各样本对象各自的对象特征和反馈行为特征，以及各扩展样本资源各自对应的资源特征，构建所述各正样本资源各自对应的正样本，以及所述各扩展样本资源各自对应的扩展样本；

至少基于各正样本和各扩展样本构建训练样本数据集，并基于所述训练样本数据集进行模型训练，获得已训练的点击率预估模型，所述点击率预估模型用于基于待推荐资源的预估点击率进行资源推荐。

本申请实施例提供的一种资源推荐装置，包括：

确定单元，用于分别基于各正样本资源各自的资源特征，以及对应的样本对象的反馈行为信息，确定所述各正样本资源各自相关的至少一个扩展样本资源，每个正样本资源为：被对应的样本对象点击的样本资源；

构建单元，用于分别基于所述各正样本资源各自的资源特征、各样本对象各自的对象特征和反馈行为特征，以及各扩展样本资源各自对应的资源特征，构建所述各正样本资源各自对应的正样本，以及所述各扩展样本资源各自对应的扩展样本；

训练单元，用于至少基于各正样本和各扩展样本构建训练样本数据集，并基于所述训练样本数据集进行模型训练，获得已训练的点击率预估模型，所述点击率预估模型用于基于待推荐资源的预估点击率进行资源推荐。

可选的，所述确定单元具体用于：

针对各扩展样本资源，分别执行以下操作：

基于所述一个正样本资源对应的反馈行为信息，和一个扩展样本资源对应的反馈行为信息，确定所述一个正样本资源与所述一个扩展样本资源的反馈行为相似度；以及