广告推荐方法和装置、电子设备、存储介质、程序与流程

本发明涉及广告推荐技术，尤其是一种广告推荐方法和装置、电子设备、存储介质、程序。

背景技术：

随着互联网技术的发展，广告推荐技术得到很大发展，现有技术的广告推荐方法大多基于对用户历史查看信息对用户有针对性的进行推荐，这种推荐方法，可以使用户能够查看到与自身需要比较相关的广告信息内容。

但是，在实现本发明的过程中，发明人发现，现有技术至少存在以下问题：

通过现有技术的广告推荐方法，用户只能查看到已有的相关广告信息，不能得到其他内容的广告信息，长期推荐将导致内容出现重复，降低广告的转化率。

技术实现要素：

本发明实施例提供的一种广告推荐技术。

根据本发明实施例的一个方面，提供的一种广告推荐方法，包括：

基于网站的属性信息和/或网络环境获取所述网站对应的属性分类，基于所述属性分类从广告库中获取对应所述属性分类的广告信息；

获取用户对应的用户标签，基于所述用户标签筛选所述获取的广告信息得到第一推荐广告集；

将所述第一推荐广告集中的广告信息基于质量评分进行排序；所述质量评分用于标识广告信息的质量；

基于所述排序后的第一推荐广告集为所述用户推荐第二推荐广告集；所述第二推荐广告集中包括第一预设数量的推荐广告信息，所述推荐广告信息包括广告信息和/或冷广告信息；所述冷广告信息指上线时长小于设定时长或曝光量小于设定量的广告信息。

在基于本发明上述方法的另一个实施例中，所述广告类别包括以下至少一种：

文字类广告、图片类广告、动图类广告、视频类广告、音频类广告。

在基于本发明上述方法的另一个实施例中，所述网站的属性信息包括以下至少一种：

网站类型、网站显示信息的类型、网站来源、网站地址。

在基于本发明上述方法的另一个实施例中，所述广告库中包括至少一个类别条目；每个所述类别条目对应一个广告类别，每个所述类别条目中存储对应所述广告类别的所有广告信息；

基于所述属性分类从广告库中获取对应广告类别的广告信息，包括：

基于所述属性分类获得对应的至少一个所述广告类别；

基于所述至少一个广告类别得到对应的类别条目，输出所述类别条目中的所有广告信息。

在基于本发明上述方法的另一个实施例中，所述获取用户对应的用户标签，基于所述用户标签筛选所述获取的广告信息得到第一推荐广告集，包括：

获取用户查看广告的历史记录，基于所述历史记录中包括的所有广告信息对应的广告标签获得至少一个广告标签，将所述获得的广告标签作为所述用户对应的用户标签；

基于所述至少一个用户标签从所述获取的广告信息中得到对应所述用户标签的第一推荐广告集。

在基于本发明上述方法的另一个实施例中，将所述第一推荐广告集中的广告信息基于质量评分进行排序包括：

利用评分模型，基于所述用户的属性信息和广告的相关信息得到对应所述广告信息的质量评分，基于所述质量评分对所述广告信息进行排序；所述评分模型基于样本信息训练获得，所述样本信息标注有质量评分，所述广告的相关信息用于描述所述广告的特征。

在基于本发明上述方法的另一个实施例中，基于所述排序后的第一推荐广告集为所述用户推荐第二推荐广告集之前，还包括：

从冷广告库中基于所述广告标签获取至少一个冷广告信息；所述冷广告库中保存至少一个冷广告信息；每个所述冷广告信息标注有至少一个广告标签；

将所述获得的至少一个冷广告信息按质量评分排序，将所述排序后的冷广告信息按序加入所述排序后的第一推荐广告集。

在基于本发明上述方法的另一个实施例中，所述将所述获得的至少一个冷广告信息按质量评分排序，包括：

利用评分模型，基于所述用户的属性信息、冷广告的相关信息和上线时长得到对应所述冷广告信息的质量评分，基于所述质量评分对所述冷广告信息进行排序；所述评分模型基于样本信息训练获得，所述样本信息标注有质量评分，所述冷广告的相关信息用于描述所述冷广告的特征。

在基于本发明上述方法的另一个实施例中，还包括：

每间隔设定时长，或响应于所述冷广告信息的曝光量大于或等于设定值，更新所述冷广告库中的冷广告信息。

在基于本发明上述方法的另一个实施例中，所述每间隔设定时长，或响应于所述冷广告信息的曝光量大于或等于设定值，更新所述冷广告库中的冷广告信息，包括：

响应于与上一次更新的间隔时长大于或等于设定间隔时长；

判断所述冷广告库中是否存在上线时长大于设定值的冷广告信息，将所述上线时长大于设定值的冷广告信息从所述冷广告库中删除；

或，响应于所述冷广告信息的曝光量大于或等于设定值，将所述冷广告信息从所述冷广告库中删除；

并将从所述冷广告库中删除的冷广告信息存入广告库。

在基于本发明上述方法的另一个实施例中，基于所述排序后的第一推荐广告集为所述用户推荐第二广告信息集，包括：

基于所述排序后的第一推荐广告集为用户推荐第二预设数量的广告信息和第三预设数量的冷广告信息；所述第二预设数量和所述第三预设数量的和等于第一预设数量。

在基于本发明上述方法的另一个实施例中，基于所述排序后的第一推荐广告集为用户推荐第二预设数量的广告信息和第三预设数量的冷广告信息，包括：

响应于所述第二预设数量大于2，将所述第二预设数量的广告信息按照广告质量排序；

响应于所述第三预设数量大于2，将所述第三预设数量的冷广告信息按照冷广告质量排序；

为所述用户推荐所述排序后的广告信息和所述排序后的冷广告信息。

根据本发明实施例的另一个方面，提供的一种广告推荐装置，包括：

分类单元，用于基于网站的属性信息和/或网络环境获取所述网站对应的属性分类，基于所述属性分类从广告库中获取对应所述属性分类的广告信息；

召回单元，用于获取用户对应的用户标签，基于所述用户标签筛选所述获取的广告信息得到第一推荐广告集；排序单元，用于将所述第一推荐广告集中的广告信息基于质量评分进行排序；所述质量评分用于标识广告信息的质量；

推荐单元，用于基于所述排序后的第一推荐广告集为所述用户推荐第二推荐广告集；所述第二推荐广告集中包括第一预设数量的推荐广告信息，所述推荐广告信息包括广告信息和/或冷广告信息；所述冷广告信息指上线时长小于设定时长或曝光量小于设定量的广告信息。

在基于本发明上述装置的另一个实施例中，所述广告类别包括以下至少一种：

文字类广告、图片类广告、动图类广告、视频类广告、音频类广告。

在基于本发明上述装置的另一个实施例中，所述网站的属性信息包括以下至少一种：

网站类型、网站显示信息的类型、网站来源、网站地址。

在基于本发明上述装置的另一个实施例中，所述广告库中包括至少一个类别条目；每个所述类别条目对应一个广告类别，每个所述类别条目中存储对应所述广告类别的所有广告信息；

所述分类单元，具体用于基于所述属性分类获得对应的至少一个所述广告类别；

基于所述至少一个广告类别得到对应的类别条目，输出所述类别条目中的所有广告信息。

在基于本发明上述装置的另一个实施例中，所述召回单元，具体用于获取用户查看广告的历史记录，基于所述历史记录中包括的所有广告信息对应的广告标签获得至少一个广告标签，将所述获得的广告标签作为所述用户对应的用户标签；

基于所述至少一个用户标签从所述获取的广告信息中得到对应所述用户标签的第一推荐广告集。

在基于本发明上述装置的另一个实施例中，所述排序单元，具体用于利用评分模型，基于所述用户的属性信息和广告的相关信息得到对应所述广告信息的质量评分，基于所述质量评分对所述广告信息进行排序；所述评分模型基于样本信息训练获得，所述样本信息标注有质量评分，所述广告的相关信息用于描述所述广告的特征。

在基于本发明上述装置的另一个实施例中，还包括：

打散单元，用于从冷广告库中基于所述广告标签获取至少一个冷广告信息；所述冷广告库中保存至少一个冷广告信息；每个所述冷广告信息标注有至少一个广告标签；将所述获得的至少一个冷广告信息按质量评分排序，将所述排序后的冷广告信息按序加入所述排序后的第一推荐广告集。

在基于本发明上述装置的另一个实施例中，所述打散单元，还用于利用评分模型，基于所述用户的属性信息、冷广告的相关信息和上线时长得到对应所述冷广告信息的质量评分，基于所述质量评分对所述冷广告信息进行排序；所述评分模型基于样本信息训练获得，所述样本信息标注有质量评分，所述冷广告的相关信息用于描述所述冷广告的特征。

在基于本发明上述装置的另一个实施例中，还包括：

打散单元，用于每间隔设定时长，或响应于所述冷广告信息的曝光量大于或等于设定值，更新所述冷广告库中的冷广告信息。

在基于本发明上述装置的另一个实施例中，所述打散单元，具体用于响应于与上一次更新的间隔时长大于或等于设定间隔时长；判断所述冷广告库中是否存在上线时长大于设定值的冷广告信息，将所述上线时长大于设定值的冷广告信息从所述冷广告库中删除；

或，响应于所述冷广告信息的曝光量大于或等于设定值，将所述冷广告信息从所述冷广告库中删除；

并将从所述冷广告库中删除的冷广告信息存入广告库。

在基于本发明上述装置的另一个实施例中，所述推荐单元，具体用于基于所述排序后的第一推荐广告集为用户推荐第二预设数量的广告信息和第三预设数量的冷广告信息；所述第二预设数量和所述第三预设数量的和等于第一预设数量。

在基于本发明上述装置的另一个实施例中，所述推荐单元，包括：

第一排序模块，用于响应于所述第二预设数量大于2，将所述第二预设数量的广告信息按照广告质量排序；

第二排序模块，用于响应于所述第三预设数量大于2，将所述第三预设数量的冷广告信息按照冷广告质量排序；

按序推荐模块，用于为所述用户推荐所述排序后的广告信息和所述排序后的冷广告信息。

根据本发明实施例的另一个方面，提供的一种电子设备，包括处理器，所述处理器包括如上所述的广告推荐装置。

根据本发明实施例的另一个方面，提供的一种电子设备，包括：存储器，用于存储可执行指令；

以及处理器，用于与所述存储器通信以执行所述可执行指令从而完成如上所述广告推荐方法的操作。

根据本发明实施例的另一个方面，提供的一种计算机存储介质，用于存储计算机可读取的指令，所述指令被执行时执行如上所述广告推荐方法的操作。

根据本发明实施例的另一个方面，提供的一种计算机程序，包括计算机可读代码，当所述计算机可读代码在设备上运行时，所述设备中的处理器执行用于实现如上所述广告推荐方法的指令。

基于本发明上述实施例提供的一种广告推荐方法和装置、电子设备、存储介质、程序，基于网站的属性信息和/或网络环境获取网站对应的属性分类，基于属性分类从广告库中获取对应属性分类想广告信息，基于网站属性获取相关类别的广告信息，提高了推荐的广告被用户点击的概率；获取用户对应的用户标签，基于用户标签筛选所述获取的广告信息得到第一推荐广告集，实现获取与用户相关的广告信息；通过将第一推荐广告集中的广告信息基于质量评分进行排序，保证了推荐给用户的广告信息质量较好，提高了用户点击的可能性和用户体验；基于排序后的第一推荐广告集为用户推荐第二推荐广告集，推荐广告信息包括广告信息和/或冷广告信息，为探索用户喜好提供新的选择，通过设定数量的推荐广告信息使用户对多个广告信息进行选择。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

构成说明书的一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：

图1为本发明广告推荐方法一个实施例的流程图。

图2为本发明广告推荐装置一个实施例的结构示意图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本发明实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。

终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

图1为本发明广告推荐方法一个实施例的流程图。如图1所示，该实施例方法包括：

步骤101，基于网站的属性信息和/或网络环境获取网站对应的属性分类，基于属性分类从广告库中获取对应属性分类的广告信息。

其中，每个属性信息对应至少两个属性分类，每个网络环境对应至少一种属性分类，属性分类与广告类别存在对应关系，广告库中包括至少一个广告类别，每个广告类别中包括至少一个广告信息；每个广告类别中包括至少一个广告信息广告类别用于区分不同类型的广告信息。

在一个或多个可选的实施例中，广告类别(基于表现形式分类)包括但不限于以下至少一种：文字类广告、图片类广告、动图类广告、视频类广告、音频类广告。

可选地，广告类别还可以基于广告性质分类(如：公益、商业、宣传等)，基于广告内容分类(如：服饰、家电等)，基于广告区域分类(如：国内、国外等)等等，本发明对广告类别包括的种类不作限制。

在一个或多个可选的实施例中，网站的属性信息包括但不限于以下至少一种：网站类型、网站显示信息的类型、网站来源、网站地址。具体地，每个属性信息对应至少两种属性分类，例如：网站类型对应：视频类网站、新闻类网站、文字类网站等；而网络环境对应：无线局域网、2G流量网络、3G流量网络、4G流量网络等；

其中不同网络环境对应至少一个广告分类，例如：4G流量网络对应文字类广告；每种属性分类对应至少一个广告分类，例如：视频类网站对应视频类广告和动图类广告等等。操作101基于这种对应关系在确定当前网站属性分类的情况下，基于属性分类获得对应的广告类别对应的广告信息。

步骤102，获取用户对应的用户标签，基于用户标签筛选获取的广告信息得到第一推荐广告集。

其中，第一推荐广告集包括至少一个广告信息和/或至少一个冷广告信息；每个广告信息标注有至少一个广告标签；广告标签与用户标签存在对应关系；冷广告信息指上线时长小于设定时长或曝光量小于设定量的广告信息；具体地，用户对应的用户标签可以基于用户查看广告信息的历史记录获得，对历史记录中包括的广告信息对应的广告标签进行统计，即可获得用户对应的用户标签，基于用户对应的用户标签可以实现对用户喜好的进一步了解；基于用户对应的用户标签从广告库中获取的广告信息都是与用户观看习惯相关的，有更大可能被用户点击。

步骤103，将第一推荐广告集中的广告信息基于质量评分进行排序。

其中，质量评分用于标识广告信息的质量。

步骤104，基于排序后的第一推荐广告集为用户推荐第二推荐广告集。

其中，第二推荐广告集中包括第一预设数量的推荐广告信息，推荐广告信息包括广告信息和/或冷广告信息。

可选地，对于冷广告信息的广告标签是在冷广告产生时实时生成的，还可以基于冷广告的标题获得；由于广告的上传都是技术人员操作，因此，冷广告信息对应的广告标签与内容相关性更高；具体地，将冷广告信息加入第一推荐广告集，有效提高了冷广告信息的曝光率，使没有点击率的冷广告信息能得到推荐，并对挖掘用户的喜好有极大的帮助。

基于本发明上述实施例提供的一种广告推荐方法，基于网站的属性信息和/或网络环境获取网站对应的属性分类，基于属性分类从广告库中获取对应属性分类想广告信息，基于网站属性获取相关类别的广告信息，提高了推荐的广告被用户点击的概率；获取用户对应的用户标签，基于用户标签筛选所述获取的广告信息得到第一推荐广告集，实现获取与用户相关的广告信息；通过将第一推荐广告集中的广告信息基于质量评分进行排序，保证了推荐给用户的广告信息质量较好，提高了用户点击的可能性和用户体验；基于排序后的第一推荐广告集为用户推荐第二推荐广告集，推荐广告信息包括广告信息和/或冷广告信息，为探索用户喜好提供新的选择，通过设定数量的推荐广告信息使用户对多个广告信息进行选择。

在本发明广告推荐方法上述各实施例的一个具体示例中，广告库中包括至少一个类别条目；每个类别条目对应一个广告类别，每个类别条目中存储对应广告类别的所有广告信息；

具体地，本示例中为了便于基于广告类别获取广告库中的广告信息，基于广告类别建立类别条目，每个类别条目中存储对应广告类别的所有广告信息，此时即可实现以广告类别作为索引对广告信息进行检索。

操作101包括：

基于属性分类获得对应的至少一个广告类别；

基于至少一个广告类别得到对应的类别条目，输出类别条目中的所有广告信息。

具体地，基于广告类别作为索引，即可从广告库中获取到对应用户的广告类别的类别条目，而类别条目中存储的广告信息即为用户有可能感兴趣的广告信息。

本发明广告推荐方法的另一个实施例，在上述实施例的基础上，操作102包括：

获取用户查看广告的历史记录，基于历史记录中包括的所有广告信息对应的广告标签获得至少一个广告标签，将获得的广告标签作为用户对应的用户标签；

基于至少一个用户标签从获取的广告信息中得到对应用户标签的第一推荐广告集。

具体地，为了实现广告推荐，需要查找与用户相关的广告信息，本实施例基于用户标签查找相关广告信息，通过用户标签匹配获得与用户相关的广告信息，并且，每个用户对应至少一个用户标签，而每个广告信息也对应至少一个广告标签，当广告信息对应的广告标签中有一个标签与用户的用户标签相对应的，即可将广告信息存入第一推荐广告集，在后续为用户推荐广告信息提供基础。

本发明广告推荐方法的又一个实施例，在上述实施例的基础上，操作103包括：

利用评分模型，基于用户的属性信息和广告的相关信息得到对应广告信息的质量评分，基于质量评分对广告信息进行排序。

其中，评分模型可以采用神经网络实现，该评分模型基于样本信息训练获得，样本信息标注有质量评分，广告的相关信息用于描述广告的特征。

本实施例中通过评分模型计算广告信息的质量评分；选取用户基础属性、用户标签、广告标题、广告行业分类、广告标签、广告CTR等作为特征，根据离线训练的模型，在线实时对待排序的广告计算评分，根据质量评分对光信息进行高低排序，广告CTR(Click-Through-Rate)即广告点击通过率，是互联网广告常用的术语，指网络广告(图片广告/文字广告/关键词广告/排名广告/视频广告等)的点击到达率，即该广告的实际点击次数(严格的来说，可以是到达目标页面的数量)除以广告的展现量(Show content)。

为了给用户推荐质量较好的广告信息，需要对待推荐的广告信息进行排序，排序后即可按序将质量好的广告推荐给用户，以提高用户体验，减少用户的无效点击次数，使用户每次点击都能查看到需要的广告信息内容；而为了保证推荐广告信息的多样性，在对广告信息进行排序之前，可先将广告信息基于广告标签进行分组，分别对每个分类组中的广告信息进行排序，以保证获得不同广告标签中质量较好的广告信息。

可选地，在一个或多个可选实施例中，广告质量可以与点击率和/或广告点击通过率正相关；点击率越高广告质量越好，所述点击率越低所述广告质量越差，广告点击通过率越高广告质量越好，广告点击通过率越低广告质量越差；通过广告质量排序即可将更多人觉得好的广告推荐给用户，可以提高用户观看体验。

在本发明广告推荐方法上述各实施例的一个具体示例中，操作104之前，还可以包括：

从冷广告库中基于广告标签获取至少一个冷广告信息；冷广告库中保存至少一个冷广告信息；

将获得的至少一个冷广告信息按质量评分排序，将排序后的冷广告信息按序加入排序后的第一推荐广告集。其中，每个冷广告信息标注有至少一个广告标签。

具体地，为了将没有点击率和曝光率的冷广告信息推荐给用户，提高冷广告信息的曝光量，本实施例将冷广告信息按质量排序后插入到第一推荐广告集中，此时第一推荐广告集中不仅包括了与用户相关的质量好的旧广告信息，还包括了用户可能感兴趣的新广告信息。

可选地，在一个或多个可选实施例中，将获得的至少一个冷广告信息按质量评分排序，包括：利用评分模型，基于用户的属性信息、冷广告的相关信息和上线时长得到对应冷广告信息的质量评分，基于质量评分对冷广告信息进行排序。

其中，评分模型基于样本信息训练获得，样本信息标注有质量评分，冷广告的相关信息用于描述冷广告的特征。

本实施例中通过评分模型计算广告信息的质量评分；选取用户基础属性、用户标签、广告标题、广告行业分类、广告标签、广告CTR等作为特征，根据离线训练的模型，在线实时对待排序的广告计算评分，根据质量评分对光信息进行高低排序，广告CTR(Click-Through-Rate)即广告点击通过率，是互联网广告常用的术语，指网络广告(图片广告/文字广告/关键词广告/排名广告/视频广告等)的点击到达率，即该广告的实际点击次数(严格的来说，可以是到达目标页面的数量)除以广告的展现量(Show content)。

冷广告的质量评分与广告质量评分类似，区别仅在于冷广告的点积量较少，更多的依靠广告标题、广告行业分类、广告标签作为神经网络的输入。在本发明广告推荐方法上述各实施例的一个具体示例中，还包括：

每间隔设定时长，或响应于冷广告信息的曝光量大于或等于设定值，更新冷广告库中的冷广告信息。

具体地，为了保证冷广告库中只保存冷广告信息，需要定期对冷广告库进行更新，即将新上线的冷广告信息加入到冷广告库，将上线时长超过设定时长的广告信息，即已经不是冷广告信息的广告信息从冷广告库中删除；还有一种情况是，即使冷广告信息上线时长未达到设定时长，但其曝光量已经达到设定值(例如：1000次)，此时，该冷广告信息已经具有可以评价其质量的数据，此时该广告信息不属于冷广告信息，需要对冷广告库进行更新，将该广告信息移除。

在本发明广告推荐方法上述各实施例的一个具体示例中，每间隔设定时长，或响应于冷广告信息的曝光量大于或等于设定值，更新冷广告库中的冷广告信息，包括：

响应于与上一次更新的间隔时长大于或等于设定间隔时长；

判断冷广告库中是否存在上线时长大于设定值的冷广告信息，将上线时长大于设定值的冷广告信息从冷广告库中删除；

或，响应于冷广告信息的曝光量大于或等于设定值，将冷广告信息从冷广告库中删除。

具体地，对于上线时长超出设定值的冷广告信息可以即时根据条件从冷广告库中删除，还可以如本实施例提供的定时从冷广告库中统一删除，还可以是当冷广告信息的曝光量达到设定值将该冷广告信息从冷广告库中删除，并且，对于从冷广告库中删除的广告信息，可选地，可以将从冷广告库中删除的冷广告信息存入广告库。

由于从冷广告库中删除的广告信息在上线时长上已经不属于冷广告信息，但此时该广告信息已经有一定的曝光量，此时只需将该广告信息加入广告库即可，在后续推荐过程中基于点击率进行推荐。

本发明广告推荐方法的再一个实施例，在上述实施例的基础上，操作103包括：

基于第一推荐广告集为用户推荐第二预设数量的广告信息和第三预设数量的冷广告信息。

其中，第二预设数量和第三预设数量的和等于第一预设数量，本实施例为了保证每次都能为用户推荐至少一个冷广告信息，在第二广告信息集中加入第三预设数量的冷广告信息，此时是将第二广告信息集重排的过程，基于重排提高了冷广告信息的曝光量。

在本发明广告推荐方法上述各实施例的一个具体示例中，基于第一推荐广告集为用户推荐第二预设数量的广告信息和第三预设数量的冷广告信息，包括：

响应于第二预设数量大于2，将第二预设数量的广告信息按照广告质量排序；

响应于第三预设数量大于2，将第三预设数量的冷广告信息按照冷广告质量排序；

为用户推荐排序后的广告信息和排序后的冷广告信息。

具体地，每次为用户推荐的广告信息并不是毫无顺序的，对于用户对应的标签，推荐广告信息中对应每个标签至少包括一个广告信息，如果用户对应的标签的数量大于第一预设数量，可在下一次推荐时，继续推荐其他标签对应的质量好的广告信息；即广告信息的排序是基于标签的，每个标签将对应一个广告信息的序列，提取推荐广告信息的过程中，基于用户对应的标签从对应的序列中获取相应的广告信息进行推荐，冷广告信息也是同样的；而如果用户仅对应一个标签，此时只需对该标签对应的广告信息基于质量排序，将排序后的广告推荐给用户。

可选地，响应于当为用户推荐一个标签达到设定数量，而用户没有点击该标签对应的广告信息；为用户推荐其他标签对应的广告信息。这是一个反馈过程，即当将某一标签推荐达到设定数量而用户没有点击时，说明用户对该标签内容不感兴趣，此时更换其他用户对应的标签进行推荐。

在本发明广告推荐方法上述各实施例的一个具体示例中，第二广告信息集中包括至少一个预设冷广告信息位置；第二广告信息集中冷广告信息的数量与预设冷广告信息位置相对应。

具体地，为了保证冷广告信息能够被用户看到，还可以通过设置至少一个冷广告信息位置来推荐冷广告信息，例如：为用户推荐的第二广告信息集包括10个推荐广告信息，可以固定的将第2个(可自行设定)和第8个(可自行设定)位置设置为冷广告信息位置，此时，第2个和第8个位置将固定只显示冷广告信息。

在本发明广告推荐方法上述各实施例的一个具体示例中，在为用户推荐排序后的广告信息和排序后的冷广告信息之前，还包括：

将排序后的冷广告信息按序输入预设冷广告信息位置。

具体地，在预设的冷广告信息位置包括2个以上时，排列靠前的位置输出哪个冷广告信息将决定了哪个广告信息被点击的几率更高，因此，此时为了提高用户体验，需要对冷广告信息进行排序输入，将质量较好的冷广告信息输入到排列靠前的位置，质量较差的冷广告信息输入到排列靠后的位置。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

图2为本发明广告推荐装置一个实施例的结构示意图。该实施例的装置可用于实现本发明上述各方法实施例。如图2所示，该实施例的装置包括：

分类单元21，用于基于网站的属性信息和/或网络环境获取网站对应的属性分类，基于属性分类从广告库中获取对应属性分类的广告信息。

其中，每个属性信息对应至少两个属性分类，每个网络环境对应至少一种属性分类，属性分类与广告类别存在对应关系，广告库中包括至少一个广告类别，每个广告类别中包括至少一个广告信息；

在一个或多个可选的实施例中，广告类别包括但不限于以下至少一种：文字类广告、图片类广告、动图类广告、视频类广告、音频类广告。

在一个或多个可选的实施例中，网站的属性信息包括但不限于以下至少一种：网站类型、网站显示信息的类型、网站来源、网站地址。具体地，每个属性信息对应至少两种属性分类，例如：网站类型对应：视频类网站、新闻类网站、文字类网站等；而网络环境对应：无线局域网、2G流量网络、3G流量网络、4G流量网络等；

其中不同网络环境对应至少一个广告分类，例如：4G流量网络对应文字类广告；每种属性分类对应至少一个广告分类，例如：视频类网站对应视频类广告和动图类广告等等。

召回单元22，用于获取用户对应的用户标签，基于用户标签筛选获取的广告信息得到第一推荐广告集。

其中，第一推荐广告集包括至少一个广告信息和/或至少一个冷广告信息；每个广告信息标注有至少一个广告标签；广告标签与用户标签存在对应关系；冷广告信息指上线时长小于设定时长或曝光量小于设定量的广告信息。

排序单元23，用于将第一推荐广告集中的广告信息基于质量评分进行排序。

其中，质量评分用于标识广告信息的质量。

推荐单元24，用于基于排序后的第一推荐广告集为用户推荐第二推荐广告集；第二推荐广告集中包括第一预设数量的推荐广告信息，推荐广告信息包括广告信息和/或冷广告信息，冷广告信息指上线时长小于设定时长或曝光量小于设定量的广告信息。

基于本发明上述实施例提供的一种广告推荐装置，基于网站的属性信息和/或网络环境获取网站对应的属性分类，基于属性分类从广告库中获取对应属性分类想广告信息，基于网站属性获取相关类别的广告信息，提高了推荐的广告被用户点击的概率；获取用户对应的用户标签，基于用户标签筛选所述获取的广告信息得到第一推荐广告集，实现获取与用户相关的广告信息；通过将第一推荐广告集中的广告信息基于质量评分进行排序，保证了推荐给用户的广告信息质量较好，提高了用户点击的可能性和用户体验；基于排序后的第一推荐广告集为用户推荐第二推荐广告集，推荐广告信息包括广告信息和/或冷广告信息，为探索用户喜好提供新的选择，通过设定数量的推荐广告信息使用户对多个广告信息进行选择。

在本发明广告推荐方法上述各实施例的一个具体示例中，广告库中包括至少一个类别条目；每个类别条目对应一个广告类别，每个类别条目中存储对应广告类别的所有广告信息；

分类单元，具体用于基于属性分类获得对应的至少一个广告类别；

基于至少一个广告类别得到对应的类别条目，输出类别条目中的所有广告信息。

本发明广告推荐装置的另一个实施例，在上述实施例的基础上，召回单元，具体用于获取用户查看广告的历史记录，基于历史记录中包括的所有广告信息对应的广告标签获得至少一个广告标签，将获得的广告标签作为用户对应的用户标签；

基于至少一个用户标签从获取的广告信息中得到对应用户标签的第一推荐广告集。

具体地，为了实现广告推荐，需要查找与用户相关的广告信息，本实施例基于用户标签查找相关广告信息，通过用户标签匹配获得与用户相关的广告信息，并且，每个用户对应至少一个用户标签，而每个广告信息也对应至少一个广告标签，当广告信息对应的广告标签中有一个标签与用户的用户标签相对应的，即可将广告信息存入第一推荐广告集，在后续为用户推荐广告信息提供基础。

本发明广告推荐装置的又一个实施例，在上述实施例的基础上，排序单元，具体用于利用评分模型，基于用户的属性信息和广告的相关信息得到对应广告信息的质量评分，基于质量评分对广告信息进行排序。

评分模型基于样本信息训练获得，样本信息标注有质量评分，广告的相关信息用于描述广告的特征。

在本发明广告推荐装置上述各实施例的一个具体示例中，还包括：

打散单元，用于从冷广告库中基于广告标签获取至少一个冷广告信息；冷广告库中保存至少一个广告信息；每个冷广告信息标注有至少一个广告标签；将获得的至少一个冷广告信息按质量排序，将排序后的冷广告信息按序加入排序后的第一推荐广告集。

在一个或多个可选实施例中，打算单元对冷广告排序的具体过程包括：

利用评分模型，基于用户的属性信息、冷广告的相关信息和上线时长得到对应冷广告信息的质量评分，基于质量评分对冷广告信息进行排序。

评分模型基于样本信息训练获得，样本信息标注有质量评分，冷广告的相关信息用于描述冷广告的特征。

在本发明广告推荐装置上述各实施例的一个具体示例中，还包括：

打散单元，用于每间隔设定时长，或响应于冷广告信息的曝光量大于或等于设定值，更新冷广告库中的冷广告信息。

在本发明广告推荐装置上述各实施例的一个具体示例中，打散单元，具体用于响应于与上一次更新的间隔时长大于或等于设定间隔时长；判断冷广告库中是否存在上线时长大于设定值的冷广告信息，将上线时长大于设定值的冷广告信息从冷广告库中删除；

或，响应于冷广告信息的曝光量大于或等于设定值，将冷广告信息从冷广告库中删除。

可选地，打散单元，还用于将从冷广告库中删除的冷广告信息存入广告库。

本发明广告推荐装置的再一个实施例，在上述实施例的基础上，推荐单元23，具体用于基于第一推荐广告集为用户推荐第二预设数量的广告信息和第三预设数量的冷广告信息。

其中，第二预设数量和第三预设数量的和等于第一预设数量，本实施例为了保证每次都能为用户推荐至少一个冷广告信息，在第二广告信息集中加入第三预设数量的冷广告信息，此时是将第二广告信息集重排的过程，基于重排提高了冷广告信息的曝光量。

在本发明广告推荐装置上述各实施例的一个具体示例中，推荐单元23，包括：

第一排序模块，用于响应于第二预设数量大于2，将第二预设数量的广告信息按照广告质量排序；

第二排序模块，用于响应于第三预设数量大于2，将第三预设数量的冷广告信息按照冷广告质量排序；

按序推荐模块，用于为用户推荐排序后的广告信息和排序后的冷广告信息。

在本发明广告推荐装置上述各实施例的一个具体示例中，第二广告信息集中包括至少一个预设冷广告信息位置；第二广告信息集中冷广告信息的数量与预设冷广告信息位置相对应；

推荐单元23，还包括：

位置输入模块，用于将排序后的冷广告信息按序输入预设冷广告信息位置。

根据本发明实施例的另一个方面，提供的一种电子设备，包括处理器，处理器包括本发明上述任一实施例的广告推荐装置。

根据本发明实施例的另一个方面，提供的一种电子设备，包括：存储器，用于存储可执行指令；

以及处理器，用于与存储器通信以执行可执行指令从而完成本发明广告推荐方法上述任一实施例的操作。

根据本发明实施例的另一个方面，提供的一种计算机存储介质，用于存储计算机可读取的指令，指令被执行时执行本发明广告推荐方法上述任一实施例的操作。

根据本发明实施例的另一个方面，提供的一种计算机程序，包括计算机可读代码，当计算机可读代码在设备上运行时，该设备中的处理器执行用于实现本发明广告推荐方法任意一项实施例的指令。

本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

可能以许多方式来实现本发明的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。

本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。