内容推荐信息的处理方法、装置、可读介质及电子设备与流程

本技术属于计算机，具体涉及一种内容推荐信息的处理方法、装置、计算机可读介质以及电子设备。

背景技术：

1、随着互联网技术的发展，线上内容推荐的形式也越来越多样化。为了达到精准的内容推荐，通常需要对所推荐内容进行相关参数的预测，例如，预测所推荐内容被点击的概率，进而可以选择概率高的内容进行优先推荐。目前，通常对所推荐内容进行多种参数预测，然后结合多种参数预测结果选择所推荐内容。然而，不同参数预测往往由不同的参数预测网络实现，不同模型所使用的数据、模型结构等并不相同，从而导致最后多种参数预测结果的结合并不一定是最优解，进而降低了参数预测的准确性。

2、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本技术的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本技术的目的在于提供一种内容推荐信息的处理方法、装置、可读介质及电子设备，以优化相关技术中参数预测的准确性较低的问题。

2、本技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本技术的实践而习得。

3、根据本技术实施例的一个方面，提供一种内容推荐信息的处理方法，包括：

4、根据第一向量转化参数将内容推荐信息转化为第一内容推荐向量，以及根据第二向量转化参数将所述内容推荐信息转化为第二内容推荐向量；所述第一向量转化参数基于曝光程度小于第一预设阈值的样本推荐信息进行训练得到，所述第二向量转化参数基于曝光程度大于第二预设阈值的样本推荐信息进行训练得到；

5、根据所述第一内容推荐向量和所述第二内容推荐向量进行联合预测，得到所述内容推荐信息的预测参数，所述预测参数包括第一预测参数和所述内容推荐信息在多个推荐场景下分别对应的第二预测参数；

6、根据所述内容推荐信息对应的目标推荐场景从所述第一预测参数和多个所述第二预测参数中确定所述内容推荐信息的目标预测参数，所述目标预测参数至少包括一个推荐场景对应的第二预测参数；

7、根据所述目标预测参数对所述内容推荐信息进行推荐。

8、根据本技术实施例的一个方面，提供一种内容推荐信息的处理装置，包括：

9、向量转化模块，用于根据第一向量转化参数将内容推荐信息转化为第一内容推荐向量，以及根据第二向量转化参数将所述内容推荐信息转化为第二内容推荐向量；所述第一向量转化参数基于曝光程度小于第一预设阈值的样本推荐信息进行训练得到，所述第二向量转化参数基于曝光程度大于第二预设阈值的样本推荐信息进行训练得到；

10、参数预测模块，用于根据所述第一内容推荐向量和所述第二内容推荐向量进行联合预测，得到所述内容推荐信息的预测参数，所述预测参数包括第一预测参数和所述内容推荐信息在多个推荐场景下分别对应的第二预测参数；

11、目标参数确定模块，用于根据所述内容推荐信息对应的目标推荐场景从所述第一预测参数和多个所述第二预测参数中确定所述内容推荐信息的目标预测参数，所述目标预测参数至少包括一个推荐场景对应的第二预测参数；

12、信息推荐模块，用于根据所述目标预测参数对所述内容推荐信息进行推荐。

13、在本技术的一个实施例中，目标参数确定模块包括：

14、标签信息生成单元，用于根据所述内容推荐信息对应的目标推荐场景生成所述内容推荐信息的标签信息；所述标签信息包括多个维度的数据，所述维度的数量为所述第一预测参数和所述第二预测参数数量之和；

15、目标参数确定单元，用于将所述标签信息与所述预测参数相乘，以得到所述内容推荐信息的目标预测参数。

16、在本技术的一个实施例中，标签信息生成单元具体用于：

17、确定所述内容推荐信息对应的目标推荐场景是否为目标场景；

18、当所述目标推荐场景不是目标场景时，将所述标签信息中与所述目标推荐场景相匹配的维度的数据设置为第一指定值，并将所述标签信息中其他维度的数据设置为第二指定值；

19、当所述目标推荐场景是目标场景时，根据所述内容推荐信息的曝光类型生成所述内容推荐信息的标签信息。

20、在本技术的一个实施例中，标签信息生成单元还用于：

21、当所述内容推荐信息属于第一类曝光信息时，将所述标签信息中与所述第一预测参数相匹配的维度的数据设置为第一指定值，并将所述标签信息中其他维度的数据设置为第二指定值；所述第一类曝光信息为曝光程度小于第一预设阈值的信息；

22、当所述内容推荐信息属于第二类曝光信息时，将所述标签信息中与所述第一预测参数相匹配的维度的数据以及与所述目标推荐场景相匹配的维度的数据设置为第一指定值，并将所述标签信息中其他维度的数据设置为第二指定值；所述第二类曝光信息为曝光程度大于第二预设阈值且曝光时长大于预设时长的信息；

23、当所述内容推荐信息属于第三类曝光信息时，将所述标签信息中与所述目标推荐场景相匹配的维度的数据设置为第一指定值，并将所述标签信息中其他维度的数据设置为第二指定值；所述第三类曝光信息为被点击的信息。

24、在本技术的一个实施例中，参数预测模块包括：

25、第一预测单元，用于通过第一预测网络对所述第一内容推荐向量进行特征提取和映射处理，得到所述第一预测参数；

26、第二预测单元，用于通过各个推荐场景对应的第二预测网络对输入数据进行特征提取和映射处理，得到各个推荐场景对应的第二预测参数；所述输入数据至少包括所述第二内容推荐向量。

27、在本技术的一个实施例中，所述装置还包括：

28、样本数据获取模块，用于获取多个样本推荐信息；

29、网络训练模块，用于通过多个所述样本推荐信息对所述第一预测网络和各个推荐场景对应的所述第二预测网络进行联合训练；在训练过程中，根据所述样本推荐信息对应的样本标签信息从所述第一预测网络和各个推荐场景对应的所述第二预测网络中选择目标网络进行参数更新。

30、在本技术的一个实施例中，所述网络训练模块具体用于：

31、根据所述样本推荐信息对应的样本推荐场景生成所述样本推荐信息的样本标签信息；

32、将与所述样本标签信息中设置为第一指定值的维度数据相匹配的预测网络作为目标网络进行参数更新，所述预测网络为所述第一预测网络和所述第二预测网络中的至少一种。

33、根据本技术实施例的一个方面，提供一种计算机可读介质，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以上技术方案中的内容推荐信息的处理方法。

34、根据本技术实施例的一个方面，提供一种电子设备，该电子设备包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器执行所述可执行指令使得所述电子设备执行如以上技术方案中的内容推荐信息的处理方法。

35、根据本技术实施例的一个方面，提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行如以上技术方案中的内容推荐信息的处理方法。

36、在本技术实施例提供的技术方案中，通过第一向量转化参数和第二向量转化参数将内容推荐信息转化为第一内容推荐向量和第二内容推荐向量，由于第一向量转化参数和第二向量转化参数分别对应于原始曝光和有效曝光，从而使得参数预测考虑了多个角度的特征向量，提高参数预测从准确性；然后根据第一内容推荐向量和第二内容推荐向量进行联合预测得到第一预测参数和多个推荐场景分别对应的第二预测参数，相当于能够同时计算出第一预测参数和第二预测参数，无需使用多个模型进行参数预测，提高了参数预测的计算效率；最后根据内容推荐信息对应的目标推荐场景选择目标预测参数，并根据目标预测参数进行信息推荐，能够全面考虑不同推荐场景下所需预测参数不同的情况，提高参数预测和推荐场景的适配性，进一步提高预测参数计算的准确性。

37、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。