[发明专利]资源的推荐方法、装置、电子设备及存储介质

权利要求书

1.一种资源的推荐方法，其特征在于，所述方法包括：

获取资源推荐请求，所述请求中包括用户相关的第一特征信息以及资源显示位置的数量N，N为大于1的整数；

获取多个候选资源的第二特征信息，并基于所述第一特征信息以及各所述第二特征信息，生成多个候选序列；每个所述候选序列包括从多个候选资源中选取的各对应一个所述资源显示位置的N个目标资源；

对于每个所述候选序列中的至少一个目标资源，基于对应的第二特征信息和对应的资源显示位置、所述候选序列中除所述目标资源外的至少一个其它目标资源的第二特征信息和对应的资源显示位置以及所述第一特征信息，确定所述目标资源的预估曝光概率以及预估点击率；

基于各所述候选序列中各所述目标资源的预估曝光概率以及预估点击率，从多个所述候选序列中确定待推荐的目标序列，并按照所述目标序列中各所述目标资源对应的资源显示位置进行资源推荐。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一特征信息以及各所述第二特征信息，生成多个候选序列，包括：

对于每个所述候选资源，通过序列生成模型，基于所述第一特征信息以及多个所述第二特征信息，获取所述候选资源在每个所述资源显示位置上显示的置信度；

通过预设选取方式，基于各所述候选资源在各所述资源显示位置上显示的置信度，从所述多个候选资源中选取每个所述资源显示位置对应的多个目标资源，并基于N个所述资源显示位置各自对应的多个所述目标资源，生成多个所述候选序列。

3.根据权利要求2所述的方法，其特征在于，所述序列生成模型包括依次连接的第一嵌入层、第一深度神经网络层以及归一化层；所述通过序列生成模型，基于所述第一特征信息以及多个所述第二特征信息，获取所述候选资源在每个所述资源显示位置上显示的置信度，包括：

基于所述第一嵌入层，获取所述第一特征信息对应的第一特征向量以及各所述第二特征信息各自对应的第二特征向量，并基于各所述第二特征向量，获取所有的所述候选资源对应的全局特征向量；

对于每个所述候选资源，将所述第一特征向量、所述全局特征向量以及对应的所述第二特征向量进行拼接，得到对应的第一拼接向量；

将各所述候选资源对应的所述第一拼接向量输入所述第一深度神经网络层，以获取各所述候选资源在每个所述资源显示位置上显示的第一初始置信度；

将各所述第一初始置信度输入所述归一化层，以获取各所述候选资源对应的各所述置信度。

4.根据权利要求2或3所述的方法，其特征在于，所述预估曝光概率包括与用户主动行为相关的主动曝光概率，N个所述资源显示位置顺序排列；

所述确定所述目标资源的预估曝光概率以及预估点击率，包括：

对于每个所述候选序列中的第一资源，将对应的所述主动曝光概率确定为第一预设值；所述第一资源，为所述候选序列中与排列在首位的资源显示位置对应的目标资源；

对于每个所述候选序列中的第二资源，通过曝光概率预估模型，基于对应的第二特征信息和对应的资源显示位置、所述候选序列中第三资源的第二特征信息和对应的资源显示位置以及所述第一特征信息，确定所述第二资源的所述主动曝光概率；所述第二资源，为所述候选序列中除所述第一资源外的其它目标资源；所述第三资源，为所述候选序列中对应的资源显示位置排列在所述第二资源之前的目标资源。

5.根据权利要求4所述的方法，其特征在于，所述曝光概率预估模型包括第二嵌入层、第三嵌入层、与所述第二嵌入层和所述第三嵌入层连接的拼接层以及与所述拼接层连接的第二深度神经网络层；

所述确定所述第二资源的所述主动曝光概率，包括：

基于所述第二嵌入层，获取第三特征向量和第四特征向量，以及基于所述第三嵌入层，获取所述第一特征信息对应的第五特征向量；所述第三特征向量基于所述第二资源的第二特征信息和对应的资源显示位置得到；所述第四特征向量基于所述第三资源的第二特征信息和对应的资源显示位置得到；

将所述第三特征向量、所述第四特征向量以及所述第五特征向量输入所述拼接层，以获取对应的第二拼接向量；

将所述第二拼接向量输入所述第二深度神经网络层，以获取所述第二资源的所述主动曝光概率。