[发明专利]端云协同推荐系统、方法以及电子设备

说明书

本申请实施例提供了一种端云协同推荐系统、方法以及电子设备。所述端云协同推荐系统包括：终端设备和云服务器。所述云服务器用于：获取终端设备的用户特征数据；基于多个推荐模型与所述用户特征数据的相对推荐匹配度，从所述多个推荐模型中选择匹配的推荐模型，所述多个推荐模型包括部署在所述终端设备中的端侧推荐模型、以及部署在所述云服务器中的云侧推荐模型，所述相对推荐匹配度指示所述多个推荐模型对所述用户特征数据的相对推荐效果；基于所述匹配的推荐模型向所述终端设备进行推荐。本申请实施例的方案实现了端侧推荐模型和云侧推荐模型之间的高效协同，提升推荐效果。

技术领域

本申请实施例涉及计算机技术领域，尤其涉及一种端云协同推荐系统、方法以及电子设备。

背景技术

目前的推荐系统存在多种类型，不同类型的推荐系统各有优劣，有的推荐系统侧重于实时推荐，提高了推荐的效率，有的推荐系统侧重于准确推荐，提高了推荐的可靠性。

例如，在第一种类型中，云服务器通过召回和排序得到多个候选商品然后展示给用户，使得推荐算法和用户实时行为之间存在网络传输时延

又例如，在第二种类型中，云侧推荐系统与用户的交互更加频繁，但是耗费的网络资源较大。

又例如，在第三种类型中，允许移动端设备充分参与到整个推荐系统的算法流程中，将其升级为推荐系统的算法环节，通过在端设备上设计高效轻量级的算法方案，实现用户实时兴趣驱动的内容推荐。

上述各种类型的推荐系统中，采用了基于不同推荐算法的推荐模型，但是，采用单独推荐模型的推荐效果仍有提高的空间。

发明内容

有鉴于此，本申请实施例提供一种端云协同推荐系统、方法以及电子设备，以至少部分解决上述问题。

根据本申请实施例的第四方面，提供了一种端云协同推荐系统，包括：终端设备和云服务器。云服务器用于：获取所述终端设备的用户特征数据；基于多个推荐模型与所述用户特征数据的相对推荐匹配度，从所述多个推荐模型中选择匹配的推荐模型，所述多个推荐模型包括部署在所述终端设备中的端侧推荐模型、以及部署在所述云服务器中的云侧推荐模型，所述相对推荐匹配度指示所述多个推荐模型对所述用户特征数据的相对推荐效果；基于所述匹配的推荐模型向所述终端设备进行推荐。

在本申请的另一实现方式中，所述云服务器具体用于：基于所述用户特征数据输入到控制器中，选择匹配的推荐模型，其中，所述控制器通过模型选择数据集确定，所述模型选择数据集基于多个推荐模型的训练数据构建。

在本申请的另一实现方式中，所述云服务器具体用于：基于所述用户特征数据输入到所述匹配的推荐模型，得到推荐结果。

在本申请的另一实现方式中，所述用户特征数据包括应用程序的用户实时特征数据和用户历史特征数据。相应地，所述云服务器具体用于：将所述用户实时特征数据和所述用户历史特征数据输入到所述端侧推荐模型，得到所述应用程序的实时推荐结果。

在本申请的另一实现方式中，所述用户特征数据包括应用程序的用户历史特征数据，相应地，所述云服务器具体用于：将所述用户历史特征数据输入到所述云侧推荐模型，得到所述应用程序的推荐结果。

根据本申请的第二方面，提供了一种数据集构建方法，包括：获取推荐条件数据；基于所述推荐条件数据，输入到预先训练的多个模拟推荐模型中，分别得到多个推荐结果，所述多个模拟推荐模型分别用于模拟多个推荐模型，所述多个推荐模型至少包括云侧推荐模型和端侧推荐模型；比较所述多个推荐结果分别对所述推荐条件数据的推荐效果，得到模型选择标签；基于所述推荐条件数据与所述模型选择标签，构建所述多个推荐模型的模型选择数据集。

在本申请的另一实现方式中，所述基于所述推荐条件数据，输入到预先训练的多个模拟推荐模型中，包括：将所述推荐条件数据输入到序列编码层，得到所述推荐条件数据对应的推荐条件序列；将所述推荐条件序列输入到预先训练的多个模拟推荐模型中。