用于输出信息的方法和装置与流程

本申请实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。

背景技术：

推荐系统通常是根据用户的历史行为和兴趣，预测用户当前的行为和兴趣，从而向用户推荐感兴趣的信息。随着互联网技术以及电子商务的飞速发展，推荐系统在过滤冗余信息，发掘个人用户偏好，提升用户满意度等方面的作用日益凸显。

技术实现要素：

本申请实施例提出了用于输出信息的方法和装置。

第一方面，本申请实施例提供了一种用于输出信息的方法，该方法包括：获取点击信息集合和展示信息集合，其中，点击信息包括被点击信息对应的物品的物品信息，展示信息包括被展示信息对应的物品的物品信息；确定点击信息集合所包括的至少两个点击信息间的差异程度，作为第一差异程度，以及确定展示信息集合所包括的至少两个展示信息间的差异程度，作为第二差异程度；根据点击信息集合、第一差异程度和第二差异程度，从候选信息集合中选取候选信息作为目标候选信息；输出目标候选信息。

在一些实施例中，根据点击信息集合、第一差异程度和第二差异程度，从候选信息集合中选取候选信息作为目标候选信息，包括：确定点击信息集合对应的点击信息向量，确定第一差异程度对应的第一差异向量，以及确定第二差异程度对应的第二差异向量；确定候选信息集合对应的候选信息向量集合；根据点击信息向量、第一差异向量、第二差异向量和候选信息向量集合，从候选信息集合中选取候选信息，得到目标候选信息。

在一些实施例中，根据点击信息向量、第一差异向量、第二差异向量和候选信息向量集合，从候选信息集合中选取候选信息，得到目标候选信息，包括：对点击信息向量、第一差异向量和第二差异向量进行卷积运算，得到矩阵，作为第一矩阵；将第一矩阵输入门控重复单元神经网络，以得到输出矩阵，作为第二矩阵；对于候选信息向量集合中的候选信息向量，确定该候选信息向量与第二矩阵的匹配度，将所得到的匹配度存入匹配度集合；从匹配度集合中筛选匹配度，以及将筛选得到的匹配度对应的候选信息作为目标候选信息。

在一些实施例中，确定该候选信息向量与第二矩阵的匹配度，包括：将该候选信息向量和第二矩阵，代入预先确定的匹配度计算公式，计算得到该候选信息向量和第二矩阵的匹配度。

在一些实施例中，预先确定的匹配度计算公式为：

其中，i表示第i个，i的取值范围为[1，n]，n为候选信息向量集合中的候选信息向量的总个数；si表示第i个候选信息向量与第二矩阵的匹配度；c为第二矩阵，b为预先设定的参数矩阵；表示第i个候选信息向量的转置；t表示转置。

在一些实施例中，物品信息包括物品身份标识和物品分类信息。

在一些实施例中，确定点击信息集合所包括的至少两个点击信息间的差异程度，包括：从点击信息集合中选取两个点击信息，执行如下确定步骤：根据所选取的两个点击信息的物品分类信息，确定所选取的两个点击信息间的子差异程度，存入子差异程度集合；确定点击信息集合中是否存在未被同时选取的两个点击信息；响应于确定存在，从点击信息集合中选取未被同时选取的两个点击信息，继续执行确定步骤；根据子差异程度集合确定差异程度。

在一些实施例中，根据所选取的两个点击信息的物品分类信息，确定所选取的两个点击信息间的子差异程度，包括：根据所选取的两个点击信息的物品分类信息和预先设定的子差异程度计算公式，计算所选取的两个点击信息间的子差异程度。

在一些实施例中，预先设定的子差异程度计算公式为；

其中，

其中，a和b为点击信息集合中所选取的两个点击信息，dis(a，b)为点击信息a与b间的子差异程度；k为一变量，k的取值范围为[1，m]；m为a或b所指示的物品的分类级数；pk-1表示a所指示的物品与b所指示的物品的第k-1级类相同；表示a所指示的物品与b所指示的物品的第k级类不同；∧表示并且。

在一些实施例中，根据点击信息集合、第一差异程度和第二差异程度，从候选信息集合中选取候选信息作为目标候选信息之前，方法还包括：将点击信息集合输入预先训练的信息推荐模型，得到候选信息集合，其中，信息推荐模型用于表征点击信息集合与候选信息集合的对应关系。

第二方面，本申请实施例提供了一种用于输出信息的装置，该装置包括：信息获取单元，被配置成获取点击信息集合和展示信息集合，其中，点击信息包括被点击信息对应的物品的物品信息，展示信息包括被展示信息对应的物品的物品信息；差异确定单元，被配置成确定点击信息集合所包括的至少两个点击信息间的差异程度，作为第一差异程度，以及确定展示信息集合所包括的至少两个展示信息间的差异程度，作为第二差异程度；信息选取单元，被配置成根据点击信息集合、第一差异程度和第二差异程度，从候选信息集合中选取候选信息作为目标候选信息；信息输出单元，被配置成输出目标候选信息。

在一些实施例中，信息选取单元，被进一步配置成：确定点击信息集合对应的点击信息向量，确定第一差异程度对应的第一差异向量，以及确定第二差异程度对应的第二差异向量；确定候选信息集合对应的候选信息向量集合；根据点击信息向量、第一差异向量、第二差异向量和候选信息向量集合，从候选信息集合中选取候选信息，得到目标候选信息。

在一些实施例中，根据点击信息向量、第一差异向量、第二差异向量和候选信息向量集合，从候选信息集合中选取候选信息，得到目标候选信息，包括：对点击信息向量、第一差异向量和第二差异向量进行卷积运算，得到矩阵，作为第一矩阵；将第一矩阵输入门控重复单元神经网络，以得到输出矩阵，作为第二矩阵；对于候选信息向量集合中的候选信息向量，确定该候选信息向量与第二矩阵的匹配度，将所得到的匹配度存入匹配度集合；从匹配度集合中筛选匹配度，以及将筛选得到的匹配度对应的候选信息作为目标候选信息。

在一些实施例中，确定该候选信息向量与第二矩阵的匹配度，包括：将该候选信息向量和第二矩阵，代入预先确定的匹配度计算公式，计算得到该候选信息向量和第二矩阵的匹配度。

在一些实施例中，预先确定的匹配度计算公式为：

其中，i表示第i个，i的取值范围为[1，n]，n为候选信息向量集合中的候选信息向量的总个数；si表示第i个候选信息向量与第二矩阵的匹配度；c为第二矩阵，b为预先设定的参数矩阵；表示第i个候选信息向量的转置；t表示转置。

在一些实施例中，物品信息包括物品身份标识和物品分类信息。

在一些实施例中，确定点击信息集合所包括的至少两个点击信息间的差异程度，包括：从点击信息集合中选取两个点击信息，执行如下确定步骤：根据所选取的两个点击信息的物品分类信息，确定所选取的两个点击信息间的子差异程度，存入子差异程度集合；确定点击信息集合中是否存在未被同时选取的两个点击信息；响应于确定存在，从点击信息集合中选取未被同时选取的两个点击信息，继续执行确定步骤；根据子差异程度集合确定差异程度。

在一些实施例中，根据所选取的两个点击信息的物品分类信息，确定所选取的两个点击信息间的子差异程度，包括：根据所选取的两个点击信息的物品分类信息和预先设定的子差异程度计算公式，计算所选取的两个点击信息间的子差异程度。

在一些实施例中，预先设定的子差异程度计算公式为；

其中，

其中，a和b为点击信息集合中所选取的两个点击信息，dis(a，b)为点击信息a与b间的子差异程度；k为一变量，k的取值范围为[1，m]；m为a或b所指示的物品的分类级数；pk-1表示a所指示的物品与b所指示的物品的第k-1级类相同；表示a所指示的物品与b所指示的物品的第k级类不同；∧表示并且。

在一些实施例中，该装置还包括：候选确定单元，被配置成将点击信息集合输入预先训练的信息推荐模型，得到候选信息集合，其中，信息推荐模型用于表征点击信息集合与候选信息集合的对应关系。

第三方面，本申请实施例提供了一种服务器，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如用于输出信息的方法中任一实施例的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如用于输出信息的方法中任一实施例的方法。

本申请实施例提供的用于输出信息的方法和装置，可以获取点击信息集合和展示信息集合。其中，点击信息包括被点击信息对应的物品的物品信息，展示信息包括被展示信息对应的物品的物品信息。然后，确定点击信息集合所包括的至少两个点击信息间的差异程度，作为第一差异程度，以及确定展示信息集合所包括的至少两个展示信息间的差异程度，作为第二差异程度。之后，根据点击信息集合、第一差异程度和第二差异程度，从候选信息集合中选取候选信息作为目标候选信息；最后输出目标候选信息。本申请实施例提供的方法和装置，通过将第一差异程度和第二差异程度，作为从候选信息集合中选取候选信息的依据，实现将符合用户在当前时刻的多样性需求的、具有差异的多个候选信息输出以呈现给用户，提高了信息推荐的灵活性，有助于提升用户体验。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于输出信息的方法的一个实施例的流程图；

图3是根据本申请实施例的用于输出信息的方法的一个应用场景的示意图；

图4是根据本申请的用于输出信息的方法的又一个实施例的流程图；

图5是根据本申请的用于输出信息的方法的另一个实施例的流程图；

图6是根据本申请的用于输出信息的装置的一个实施例的结构示意图；

图7是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请实施例的用于输出信息的方法或用于输出信息的装置的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102、103可以通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种应用，例如搜索类应用、阅读类应用、购物类应用等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏并且支持用户信息输入的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和车载终端等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上所安装的应用提供支持的后台服务器。后台服务器可以获取终端设备101、102、103输入的点击信息集合和展示信息集合。然后，确定点击信息集合所包括的至少两个点击信息间的差异程度，作为第一差异程度。而后，确定展示信息集合所包括的至少两个展示信息间的差异程度，作为第二差异程度。之后，根据点击信息集合、第一差异程度和第二差异程度，从候选信息集合中选取候选信息作为目标候选信息。最后，将目标候选信息通过终端设备101、102、103输出以呈现给用户。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于输出信息的方法一般由终端设备101、102、103执行，相应地，用于输出信息的装置一般设置于终端设备101、102、103中。需要指出的是，终端设备101、102、103也可以确定点击信息集合所包括的至少两个点击信息间的差异程度，确定展示信息集合所包括的至少两个展示信息间的差异程度，以及根据点击信息集合、第一差异程度和第二差异程度，从候选信息集合中选取候选信息。此时，示例性系统架构100可以不包括网络104和服务器105。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的用于输出信息的方法的一个实施例的流程200。该用于输出信息的方法，包括以下步骤：

步骤201，获取点击信息集合和展示信息集合。

在本实施例中，用于输出信息的方法的执行主体可以为服务器(例如图1所示的服务器105))，也可以为终端设备(例如图1所示的终端设备101、102、103)。执行主体可以获取到点击信息集合和展示信息集合。其中，上述点击信息包括被点击信息对应的物品的物品信息。上述被点击信息可以是被点击的各种信息。作为示例，上述被点击信息可以是裙子图片，也可以是洗发水图片。另外，在被点击信息为裙子图片时，被点击信息对应的物品可以为裙子。以及，在被点击信息为洗发水图片时，上述被点击信息对应的物品可以为洗发水。上述展示信息包括被展示信息对应的物品的物品信息。其中，上述被展示信息可以是被展示的各种信息。作为示例，上述被展示信息可以是裙子图片，也可以是洗发水图片。

在本实施例中，上述点击信息集合中可以只包括当前的点击信息，也可以包括当前时刻的点击信息和上一时刻的点击信息，还可以包括当前会话中的部分或全部点击信息。同理，上述展示信息集合中可以只包括当前的展示信息，也可以包括当前时刻的展示信息和上一时刻的展示信息，还可以包括当前会话中的部分或全部展示信息。需要指出的是，上述点击信息集合通常为展示信息集合的子集。其中，上述会话通常是指一个终端用户与执行主体上的某一应用进行交互的过程。作为示例，从输入账户密码登录该应用到退出该应用可以认为是一个会话。

需要指出的是，在本申请的各个实施例中，上述物品可以是指有形的物品，例如裙子、洗发水等。上述物品还可以是指无形的物品，例如，家政服务等。上述物品信息可以是用于描述物品的各种信息。作为示例，上述物品信息可以是物品颜色信息、尺寸信息等。

在本实施例的一些可选的实现方式中，物品信息包括物品身份标识和物品分类信息。其中，上述物品身份标识可以是用于标识物品身份的各种标识。作为示例，上述物品身份标识可以是“001”，用于标识物品身份为甲品牌200毫升薄荷味洗发水。上述物品分类信息可以是用于描述物品的分类类别的各种信息。作为示例，上述物品分类信息可以为“服饰-女装-裙子”，用于描述某裙子的分类类别为：一级类为服饰，二级类为女装，三级类为裙子。

步骤202，确定点击信息集合所包括的至少两个点击信息间的差异程度，作为第一差异程度，以及确定展示信息集合所包括的至少两个展示信息间的差异程度，作为第二差异程度。

在本实施例中，执行主体在获取到点击信息集合和展示信息集合之后，可以分别确定两个集合对应的差异程度。

在本实施例中，执行主体可以通过如下方式确定点击信息集合所包括的至少两个点击信息间的差异程度：

第一步，从点击信息集合中选取两个点击信息，确定所选取的两个点击信息间的相似程度。这里，执行主体可以从点击信息集合中随机选取两个点击信息。执行主体也可以从点击信息集合中顺序选取两个点击信息。另外，执行主体可以采用相似度计算公式，计算得到所选取的两个点击信息间的相似程度。可选地，上述相似度计算公式可以为余弦相似度计算公式。

第二步，根据上述相似程度，确定所选取的两个点击信息间的差异程度。这里，执行主体可以将所得到的相似程度，代入预先设定的差异程度计算公式，计算得到所选取的两个点击信息间的差异程度。可选地，上述差异程度计算公式可以为：dis(a，b)＝1-sim(a，b)。其中，a和b为点击信息，sim(a，b)为点击信息a与b间的相似程度，dis(a，b)为点击信息a与b间的差异程度。

第三步，将所确定的差异程度确定为至少两个点击信息间的差异程度。

在本实施例的一些可选的实现方式中，执行主体还可以通过如下方式确定点击信息集合所包括的至少两个点击信息间的差异程度：

第一步，从点击信息集合中选取两个点击信息，执行如下确定步骤：

首先，根据所选取的两个点击信息的物品分类信息，确定所选取的两个点击信息间的子差异程度，存入子差异程度集合。这里，执行主体可以采用预先设定的子差异程度计算公式计算所选取的两个点击信息间的子差异程度。其中，上述预先设定的子差异程度计算公式可以为：

其中，

其中，a和b为点击信息集合中所选取的两个点击信息，dis(a，b)为点击信息a与b间的子差异程度。k为一变量，k的取值范围为[1，m]。m为a或b所指示的物品的分类级数。pk-1表示a所指示的物品与b所指示的物品的第k-1级类相同。表示a所指示的物品与b所指示的物品的第k级类不同。∧表示并且。

这里，表示a所指示的物品与b所指示的物品，一级类相同，并且二级类相同，并且第k-1级类相同，并且第k级类不同。

其中，上述物品的分类级数可以为技术人员预先设定的级数数值。作为示例，物品的分类级数可以为3，此时，物品具有三级分类，分别为一级类，二级类，三级类。作为示例，若物品分类信息为“服饰-女装-裙子”，则物品分类信息中，一级类为服饰，二级类为女装，三级类为裙子。需要指出的是，通常同一系统中的所有物品对应的分类级数相同。

然后，确定点击信息集合中是否存在未被同时选取的两个点击信息。这里，执行主体确定点击信息集合中是否存在未被同时选取的两个点击信息，其目的在于，确保点击信息集合中的每两个点击信息之间计算一次子差异程度。

第二步，响应于确定存在，从点击信息集合中选取未被同时选取的两个点击信息，继续执行确定步骤。

第三步，根据子差异程度集合确定差异程度。这里，执行主体可以将所得到的子差异程度集合中的各子差异程度的和确定为差异程度。执行主体也可以将所得到的子差异程度集合中的各子差异程度的均值作为差异程度。

需要说明的是，在本申请的各个实施例中，执行主体确定展示信息集合所包括的至少两个展示信息间的差异程度的方式，与确定点击信息集合所包括的至少两个点击信息间的差异程度的方式基本相同，这里不做赘述。

步骤203，根据点击信息集合、第一差异程度和第二差异程度，从候选信息集合中选取候选信息作为目标候选信息。

在本实施例中，上述候选信息集合可以是技术人员预先设定的用于候选的信息集合。其中，候选信息可以包括候选展示信息对应的物品的物品信息。候选展示信息可以是能够被展示的各种信息。作为示例，上述候选展示信息可以是裙子图片，也可以是洗发水图片，还可以是手机图片。

其中，执行主体可以采用如下方式，从候选信息集合中选取候选信息作为目标候选信息：

第一步，确定点击信息集合对应的点击信息向量，确定第一差异程度对应的第一差异向量，以及确定第二差异程度对应的第二差异向量。

首先，确定点击信息集合对应的点击信息向量。这里，执行主体可以采用点击信息集合中各点击信息对应的向量的和确定为点击信息集合对应的点击信息向量。需要指出的是，执行主体还可以采用点击信息集合中各点击信息对应的向量的均值确定为点击信息集合对应的点击信息向量。这里不做限定。其中，执行主体可以采用点击信息，从点击信息-向量对应关系表中，查找到点击信息对应的向量。其中，点击信息-向量对应关系表可以是技术人员预先制定的、存储有多个点击信息与向量的对应关系的对应关系表。

然后，将第一差异程度和第二差异程度的均值，作为差异均值。以及将所得到的差异均值转化成差异均值向量。这里，执行主体可以将差异均值扩展成维度与点击信息向量的维度相同，且数据值均与差异均值相等的差异均值向量。作为示例，若差异均值为5，点击信息向量的维度为3，则所得到的差异均值向量可以为(5，5，5)。

最后，将所得到的点击信息向量与所得到的差异均值向量的和值作为比对向量。

第二步，确定候选信息集合对应的候选信息向量集合。这里，执行主体可以针对候选信息集合中的每一个候选信息，得到一个候选信息向量。

其中，对于候选信息集合中的任一候选信息，执行主体可以采用多种分词方式对该候选信息进行分词处理。例如，执行主体可以采用最短路径分词法(n-shortpath)对该候选信息进行分词处理。再例如，执行主体也可以采用最大概率分词法(maximumprobability)对该候选信息进行分词处理。再例如，执行主体还可以采用最大匹配法(maximummatching)对该候选信息进行分词处理。这里，执行主体对该候选信息进行分词处理之后，可以得到该候选信息的至少一个切分词。其中，上述切分词为对该候选信息进行分词处理后得到的词。举例来说，若该候选信息为：“加大码的裙子”，对该候选信息进行分词处理后，得到的切分词可以为：“加大码的”、“裙子”。

可选地，得到该候选信息的至少一个切分词后，执行主体可以采用预先制定的对应关系表来确定各切分词分别对应的词向量。其中，上述对应关系表可以是技术人员基于对大量的切分词和词向量统计而预先制定的、存储有多个切分词与词向量的对应关系的对应关系表。另外，执行主体还可以采用word2vec模型确定各切分词分别对应的词向量。其中，word2vec模型用于表征词与词向量的对应关系，word2vec模型是本领域技术人员常用的用于将词转化成词向量的神经网络模型，这里不做赘述。

这里，执行主体在得到各切分词分别对应的词向量后，执行主体可以将所得到的词向量的均值作为该候选信息对应的候选信息向量。上述执行主体还可以将所得到的词向量拼接起来，形成维度为所有词向量的维度之和的向量，作为该候选信息对应的候选信息向量。

第三步，对于候选信息向量集合中的候选信息向量，计算该候选信息向量与上述比对向量间的相似度。其中，执行主体可以采用相似度计算公式，例如，预先相似度计算公式计算候选信息向量与比对向量间的相似度。这里，针对每个候选信息向量，可以得到一个相似度。

第四步，将满足条件的相似度对应的候选信息作为目标候选信息。这里，执行主体可以选择相似度较大的设定数目个候选信息作为目标候选信息。执行主体还可以选择对应相似度大于预先设定的相似度阈值的候选信息作为目标候选信息。

在本实施例的一些可选的实现方式中，执行主体还可以采用如下方式，从候选信息集合中选取候选信息作为目标候选信息：

第一步，确定点击信息集合对应的点击信息向量，确定第一差异程度对应的第一差异向量，以及确定第二差异程度对应的第二差异向量。这里，执行主体确定点击信息集合对应的点击信息向量的方式与前述方案中的确定点击信息集合对应的点击信息向量的方式基本相同，这里不做赘述。另外，执行主体可以将第一差异程度扩展成维度与点击信息向量的维度相同，且数据值均与第一差异程度相等的第一差异向量。执行主体还可以将第一差异程度扩展成维度与预设维度相同，且数据值均与第一差异程度相等的第一差异向量。执行主体还可以将第一差异程度扩展成维度与预设维度相同，且只有一个数据值为1，其它数据值均为0的第一差异向量。其中，上述预设维度可以为技术人员预先设定的各种数据值，作为示例，上述预设维度可以为100。需要指出的是，在本实施例中，执行主体确定第二差异程度对应的第二差异向量的方式，与前述确定第一差异程度对应的第一差异向量的方式基本相同，这里不做赘述。

第二步，确定候选信息集合对应的候选信息向量集合。这里，执行主体确定候选信息集合对应的候选信息向量集合的方式与前述方案中的确定候选信息集合对应的候选信息向量集合的方式基本相同，这里不做赘述。

第三步，根据点击信息向量、第一差异向量、第二差异向量和候选信息向量集合，从候选信息集合中选取候选信息，得到目标候选信息。

首先，执行主体可以对点击信息向量、第一差异向量和第二差异向量进行卷积运算，得到矩阵，作为第一矩阵。作为示例，若点击信息向量为v1，第一差异向量为v2，第二差异向量为v3。此时，上述对点击信息向量、第一差异向量和第二差异向量进行卷积运算，可以为m＝v1⊙v2⊙v3。其中，⊙为卷积运算符。所得到的m为第一矩阵。

然后，将第一矩阵输入门控重复单元神经网络，以得到输出矩阵，作为第二矩阵。其中，上述门控重复单元神经网络可以是由连续的门控重复单元(gatedrecurrentunit，gru)构成的gru神经网络。需要指出的是，上述由连续的gru构成的gru神经网络是本领域技术人员公知的神经网络模型，这里不做赘述。

之后，对于候选信息向量集合中的候选信息向量，确定该候选信息向量与第二矩阵的匹配度，将所得到的匹配度存入匹配度集合。这里，对于候选信息向量集合中的候选信息向量，执行主体可以将该候选信息向量和第二矩阵代入预先确定的匹配度计算公式，计算得到该候选信息向量和第二矩阵的匹配度，存入匹配度集合。

可选地，上述匹配度计算公式可以为：

其中，i表示第i个，i的取值范围为[1，n]，其中，n为候选信息向量集合中的候选信息向量的总个数。si表示第i个候选信息向量与第二矩阵的匹配度。c为第二矩阵，b为预先设定的参数矩阵。表示第i个候选信息向量的转置。其中，t表示转置。

需要指出的是，上述参数矩阵可以是技术人员预先设定的参数矩阵。上述匹配度计算公式中也可以没有参数矩阵b。

最后，从匹配度集合中筛选匹配度，以及将筛选得到的匹配度对应的候选信息作为目标候选信息。这里，执行主体可以从匹配度集合中筛选匹配度，以及将该匹配度对应的候选信息作为目标候选信息。这里，执行主体可以随机从匹配度集合中筛选出设定数目个匹配度。执行主体也可以按照从大到小的顺序从匹配度集合中筛选出设定数目个匹配度。执行主体还可以按照从大到小的顺序从匹配度集合中筛选出大于预设匹配度阈值的匹配度。其中，上述设定数目可以是技术人员预先设定的数据值。作为示例，上述设定数目可以为6。上述预设匹配度阈值可以是技术人员预先设定的数据值。作为示例，上述预设匹配度阈值可以是0.6。

步骤204，输出目标候选信息。

在本实施例中，执行主体可以将所得到的目标候选信息输出。需要指出的是，执行主体可以为终端设备，也可以为服务器。当执行主体为终端设备时，执行主体可以通过显示屏将目标候选信息呈现给用户。当执行主体为服务器时，执行主体可以将目标候选信息推送给终端设备，以使终端设备通过显示屏将目标候选信息呈现给用户。

继续参见图3，图3是根据本实施例的用于输出信息的方法的应用场景的一个示意图。在图3的应用场景300中，首先，用户301在当前时刻从手机302上所展示的手机图片、裙子图片和洗发水图片中，点击了手机图片和裙子图片。此时，点击信息集合中有两个点击信息，分别为包括手机图片对应的手机的手机信息的点击信息、包括裙子图片对应的裙子的裙子信息的点击信息。展示信息集合中有三个展示信息，分别为包括手机图片对应的手机的手机信息的展示信息、包括裙子图片对应的裙子的裙子信息的展示信息、包括洗发水图片对应的洗发水的洗发水信息的展示信息。

然后，手机302确定点击信息集合所包括的两个点击信息间的差异程度，作为第一差异程度，以及确定展示信息集合所包括的三个点击信息间的差异程度，作为第二差异程度。

之后，手机302根据点击信息集合、第一差异程度和第二差异程度，从候选信息集合中选取候选信息作为目标候选信息。

最后，手机302通过显示屏输出目标候选信息，以将目标候选信息呈现给用户。

本申请的上述实施例提供的用于输出信息的方法，可以首先获取点击信息集合和展示信息集合。其中，点击信息包括被点击信息对应的物品的物品信息，展示信息包括被展示信息对应的物品的物品信息。然后，确定点击信息集合所包括的至少两个点击信息间的差异程度，作为第一差异程度，以及确定展示信息集合所包括的至少两个展示信息间的差异程度，作为第二差异程度。之后，根据点击信息集合、第一差异程度和第二差异程度，从候选信息集合中选取候选信息作为目标候选信息。最后输出目标候选信息。本申请实施例提供的方法，通过将第一差异程度和第二差异程度，作为从候选信息集合中选取候选信息的依据，实现将符合用户在当前时刻的多样性需求的、具有差异的多个候选信息输出以呈现给用户，提高了信息推荐的灵活性，有助于提升用户体验。

进一步参考图4，其示出了用于输出信息的方法的又一个实施例的流程400。该用于输出信息的方法的流程400，包括以下步骤：

步骤401，获取点击信息集合和展示信息集合。

步骤402，确定点击信息集合所包括的至少两个点击信息间的差异程度，作为第一差异程度，以及确定展示信息集合所包括的至少两个展示信息间的差异程度，作为第二差异程度。

步骤403，将点击信息集合输入预先训练的信息推荐模型，得到候选信息集合。

其中，信息推荐模型用于表征点击信息集合与候选信息集合的对应关系。作为示例，信息推荐模型可以是技术人员基于对大量的点击信息集合与候选信息集合的统计而预先制定的、存储有多个点击信息集合与候选信息集合的对应关系的对应关系表。也可以是基于训练样本，利用机器学习方法，对初始模型(例如卷积神经网络(convolutionalneuralnetwork，cnn)、残差网络(resnet)等)进行训练后得到的模型。

在本实施例中，执行主体确定出与点击信息集合相关的候选信息集合，可以实现将更加符合用户当前需求的候选信息推送给用户，有助于提高信息推荐效率。

步骤404，根据点击信息集合、第一差异程度和第二差异程度，从候选信息集合中选取候选信息作为目标候选信息。

步骤405，输出目标候选信息。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于输出信息的方法的流程400体现了确定候选信息集合的步骤。由此，本实施例描述的方案可以将更加符合用户当前需求的候选信息推送给用户，有助于提高信息推荐效率。

进一步参考图5，其示出了用于输出信息的方法的另一个实施例的流程500。

图5中，xct表示t时刻展示了且被点击了的信息。ximt表示t时刻展示了但未被点击的信息。limt表示展示信息集合。lct表示点击信息集合。lct通常为limt的子集。

其中，点击信息集合中可以只包括当前时刻的点击信息xct，也可以包括当前时刻的点击信息xct和上一时刻的点击信息xc(t-1)，还可以包括当前会话(从第1时刻到第t时刻)中的部分或全部点击信息。同理，上述展示信息集合中可以只包括当前的展示信息(xct和ximt)，也可以包括当前时刻的展示信息(xct和ximt)和上一时刻的展示信息(xc(t-1)和xim(t-1))，还可以包括当前会话(从第1时刻到第t时刻)中的部分或全部展示信息。

如图5所示，本实施例提供的用于输出信息的方法，可以包括如下步骤：

第一步，执行主体可以获取到展示信息集合limt和点击信息集合lct。

第二步，确定点击信息集合lct对应的差异程度dct，以及确定展示信息集合limt对应的差异程度dict。

第三步，从点击信息集合lct中选择当前时刻的点击信息，将当前时刻的点击信息转换成点击信息向量vxt。此时，vxt即为点击信息集合对应的点击信息向量。将差异程度dct转换成差异向量vct，以及将差异程度dict转换成差异向量vct。

第四步，将vxt⊙vct⊙vct，作为t时刻的gru神经网络的一项输入，以及将t-1时刻的gru神经网络的输出，作为t时刻的gru神经网络的另一项输入。其中，⊙为卷积运算符。ht表示t时刻的gru神经网络。c为gru神经网络的输出。

第五步，采用word2vec模型，将候选信息集合{i1，i2，…，im}中的每个候选信息转换成候选信息向量。其中，im表示第m个候选信息。embm表示第m个候选信息对应的候选信息向量。

第六步，采用匹配度计算公式，计算每个候选信息向量与gru神经网络的输出c之间的匹配度。此时，可以得到m个匹配度。

第七步，采用softmax函数计算匹配度对应的候选信息能够被选取到的概率。其中，ym表示第m个匹配度对应的第m个候选信息能够被选取到的概率。

第八步，选取对应概率较大的设定数目个候选信息，作为目标候选信息。

本实施例描述的方案可以实现将符合用户在当前时刻的多样性需求的、具有差异的多个候选信息输出以呈现给用户，提高了信息推荐的灵活性，有助于提升用户体验。

进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种用于输出信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种服务器中。

如图6所示，本实施例的用于输出信息的装置600包括：信息获取单元601，被配置成获取点击信息集合和展示信息集合，其中，点击信息包括被点击信息对应的物品的物品信息，展示信息包括被展示信息对应的物品的物品信息；差异确定单元602，被配置成确定点击信息集合所包括的至少两个点击信息间的差异程度，作为第一差异程度，以及确定展示信息集合所包括的至少两个展示信息间的差异程度，作为第二差异程度；信息选取单元603，被配置成根据点击信息集合、第一差异程度和第二差异程度，从候选信息集合中选取候选信息作为目标候选信息；信息输出单元604，被配置成输出目标候选信息。

在本实施例的一些可选的实现方式中，信息选取单元，可以被进一步配置成：首先，确定点击信息集合对应的点击信息向量，确定第一差异程度对应的第一差异向量，以及确定第二差异程度对应的第二差异向量。然后，确定候选信息集合对应的候选信息向量集合。最后，根据点击信息向量、第一差异向量、第二差异向量和候选信息向量集合，从候选信息集合中选取候选信息，得到目标候选信息。

在本实施例的一些可选的实现方式中，物品信息包括物品身份标识和物品分类信息。

在本实施例的一些可选的实现方式中，确定点击信息集合所包括的至少两个点击信息间的差异程度，包括：首先，从点击信息集合中选取两个点击信息，执行如下确定步骤：根据所选取的两个点击信息的物品分类信息，确定所选取的两个点击信息间的子差异程度，存入子差异程度集合。确定点击信息集合中是否存在未被同时选取的两个点击信息。然后，响应于确定存在，从点击信息集合中选取未被同时选取的两个点击信息，继续执行确定步骤。最后，根据子差异程度集合确定差异程度。

在本实施例的一些可选的实现方式中，该装置还可以包括候选确定单元(图中未示出)。候选确定单元可以被配置成将点击信息集合输入预先训练的信息推荐模型，得到候选信息集合。其中，信息推荐模型用于表征点击信息集合与候选信息集合的对应关系。

本申请的上述实施例提供的装置，信息获取单元601获取点击信息集合和展示信息集合。其中，点击信息包括被点击信息对应的物品的物品信息，展示信息包括被展示信息对应的物品的物品信息。然后，差异确定单元602确定点击信息集合所包括的至少两个点击信息间的差异程度，作为第一差异程度，以及确定展示信息集合所包括的至少两个展示信息间的差异程度，作为第二差异程度。之后，信息选取单元603根据点击信息集合、第一差异程度和第二差异程度，从候选信息集合中选取候选信息作为目标候选信息。最后，信息输出单元604输出目标候选信息。本实施例的装置，通过将第一差异程度和第二差异程度，作为从候选信息集合中选取候选信息的依据，实现将符合用户在当前时刻的多样性需求的、具有差异的多个候选信息输出以呈现给用户，提高了信息推荐的灵活性，有助于提升用户体验。

下面参考图7，其示出了适于用来实现本申请实施例的服务器的计算机系统700的结构示意图。图7示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(cpu)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储部分708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram703中，还存储有系统700操作所需的各种程序和数据。cpu701、rom702以及ram703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。

以下部件连接至i/o接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至i/o接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(cpu)701执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括信息获取单元、差异确定单元、信息选取单元和信息输出单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，信息获取单元还可以被描述为“获取点击信息集合和展示信息集合的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取点击信息集合和展示信息集合，其中，点击信息包括被点击信息对应的物品的物品信息，展示信息包括被展示信息对应的物品的物品信息；确定点击信息集合所包括的至少两个点击信息间的差异程度，作为第一差异程度，以及确定展示信息集合所包括的至少两个展示信息间的差异程度，作为第二差异程度；根据点击信息集合、第一差异程度和第二差异程度，从候选信息集合中选取候选信息作为目标候选信息；输出目标候选信息。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。