CN114596109B 推 荐信息的确定方法、装置、电子设备及存储介质 （腾讯科技（深圳）有限公司）

本申请实施例提供了一种推荐信息的确定的具有任意一个目标用户特征的用户点击候选果从候选推荐信息中确定向目标用户推荐的至2对于任意一个目标用户特征，确定与所述任意一个目标用户特征相关性获取所述候选推荐信息的推荐信息特征，结合所述至少一根据已获取到的具有所述任意一个目标用户特征的用户点击所述候选推荐信息的转用户特征的样本用户点击所述候选推荐信息后的实际转化根据所述纠偏后的转化率对所述候选推荐信息进行排序，根据排序其中，所述确定与所述任意一个目标用户特征相关性最高的获取至少一个样本用户的历史行为日志，根据至少一个样本用户所述确定与所述任意一个目标用户特征相关性最高的至少一个推荐信将所述目标倒排链上的节点表征的推荐信息作为所根据所述样本用户的任意一个样本用户特征、所述样本用户点击推荐确定以所述任意一个样本用户特征为左键的倒排链中的节点从所述目标倒排链上的节点中获得具有所述目标用户特征的用户点击所述候选推荐对所述至少一个样本用户的历史行为日志进行特征挖掘，获得所述至少一个样将所述样本用户特征输入至预先训练的推荐模型，获得所述推荐3构建以所述样本用户特征为左键的倒排链，根据与所根据所述样本用户的历史行为日志和所述任意一个样本用户特征，建立所述对于所述历史行为日志涉及的任意一个推荐信息，根据所述对应关根据所述具有所述任意一个样本用户特征的所有样本用户点击所述推荐信息时的点根据所述具有所述任意一个样本用户特征的所有样本用户点击所述推荐信息后的实意一个样本用户特征的所有样本用户点击所述推荐信息后的实际转化率以及预估转化率均值，获得具有所述任意一个样本用户特征的样本用户点击所述推荐信息后的转化率偏将所述具有所述任意一个样本用户特征的所有样本用户点击所述推荐信息后的实际获取与所述目标用户的所有目标用户特征相关的、具有所述确定所述待处理转化率偏差进行加权平均值，作为所述目根据所述目标用户点击所述候选推荐信息后的转化率偏差，对根据所述目标用户点击所述候选推荐信息后的转化率偏差与所述目标用户点击所述4候选推荐信息获取模块，用于对于任意一个目标用户特征，确定与转化率获取模块，用于获取所述候选推荐信息的推荐信息特转化率纠偏模块，用于根据已获取到的具有所述任意一个目标用户有所述任意一个目标用户特征的样本用户点击所述候选推荐信息后的实际转化率和预估推荐模块，用于根据所述纠偏后的转化率对所述候选推荐果从所述候选推荐信息中确定向所述目标用户推其中，所述候选推荐信息获取模块确定与所述任意一个目标获取至少一个样本用户的历史行为日志，根据至少一个样本用户所述候选推荐信息确定与所述任意一个目标用户特征相关性最高的至少一个推荐信将所述目标倒排链上的节点表征的推荐信息作为所9.一种电子设备，包括存储器、处理器及存储在10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指5[0002]转化率(ConversionRate)，是指通过点击推荐信息进入推广网站的网民形成转[0005]本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的推荐信息[0010]根据已获取到的具有任意一个目标用户特征的用户点击候选推荐信息的转化率6[0022]从目标倒排链上的节点中获得具有目标用户特征的用户点击候选推荐信息后的[0023]在一个可能的实现方式中，根据至少一个样本用户的历[0030]根据具有任意一个样本用户特征的所有样本用户点击推荐信息时的点击总数和转化总数，获得具有任意一个样本用户特征的所有样本用户点击推荐信息后的实际转化[0031]根据具有任意一个样本用户特征的所有样本用户点击推荐信息后的实际转化率7[0033]将具有任意一个样本用户特征的所有样本用户点击推荐信息后的实际转化率以[0039]根据目标用户点击候选推荐信息后的转化率偏差与目标用户点击候选推荐信息样本用户点击候选推荐信息后的实际转化率和预估转化候选推荐信息中确定向目标用户推荐的至少8荐模型输出的与样本用户特征相关性最高的至少应关系信息，确定具有任意一个样本用户特征的所有样本用户点击推荐信息后的点击总具有任意一个样本用户特征的样本用户点击推荐信息后的转化率9任意一个目标用户特征的用户点击候选推荐信息后的转化率偏差，作为待处理转化率偏该计算机程序被处理器执行时实现如第一方面所[0080]图5示例性地示出了本申请实施例确定具有任意一个样本用户特征的样本用户点个或更多个相关联的列出项的全部或任一单元[0102]图2示例性地示出了本申请实施例提供的一种推荐信息的确定系统的结构图，如[0104]本申请实施例的服务器的执行方法可以以云计算(cloudcomputing)的形式完上可以部署PaaS(PlatformasaService,平台即服务)层，PaaS层之上再部署SaaS[0107]下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述[0118]本申请实施例的转化率偏差是由具有任意一个目标用户特征的样本用户点击候的样本用户点击候选推荐信息后的实际转化率可以统计具有任意一个目标用户特征的样本用户点击候选推荐信息的点击数以及具有任意一个目标用户特征的样本用户点击候选偏后的转化率是更贴近实际的转化率，进一步利用更贴近实际的转化率确定推荐信息时，[0125]下面以CPA计费模式为例说明本申请实施例在获得纠偏后的转化率，对候选推荐4%;3.8%;4.2%;荐给目标用户。已获取的具有任意一个目标用户特征的用户点击候选推荐信息的转化率偏差对目标用户[0141]由上述实施例可知，历史行为日志包括样本用户点击推荐信息后的实际转化行的倒排链。点击候选推荐信息的转化率与目标用户的每个目标用户特征对候选推荐信息的转化率都[0151]请参阅图5，其示例性地示出了本申请实施例确定具有任意一个样本用户特征的要么发生转化行为要么不发生转化行为，转化行为是否发生都会统计在历史行为日志中，推荐信息的对应关系信息中包括的预估转化[0165]S2013、根据具有任意一个样本用户特征的所有样本用户点击推荐信息时的点击[0167]S2014、根据具有任意一个样本用户特征的所有样本用户点击推荐信息后的实际[0173]从目标倒排链上的节点中获得向具有目标用户特征的用户点击候选推荐信息后[0175]现有系统的商品召回，即通过建立用户的定向(把user_tag转化将具有该用户特征的用户点击商品(推荐信息)后的转化率偏差pcv标用户特征相关的、具有任意一个目标用户特征的用户点击候选推荐信息后的转化率偏[0196]加权平均值即将各待处理转化率偏差乘以相应的权重，然后加总求和得到总体值,再除以待处理转化率偏差的总数。本申请实施例对于待处理转化率偏差的权重不作具户特征1对应的转化率偏差的权重高于目标用户2对应的转化率偏差的[0203]转化率纠偏模块104，用于根据已获取到的具有任意一个目标用户特征的用户点征的样本用户点击候选推荐信息后的实际转化率和预估从候选推荐信息中确定向目标用户推荐的至少一特征的用户点击候选推荐信息的转化率偏差对目标用户点击候选推荐信息后的转化率进荐模型输出的与样本用户特征相关性最高的至少应关系信息，确定具有任意一个样本用户特征的所有样本用户点击推荐信息后的点击总具有任意一个样本用户特征的样本用户点击推荐信息后的转化率任意一个目标用户特征的用户点击候选推荐信息后的转化率偏差，作为待处理转化率偏化率偏差对目标用户点击候选推荐信息后的转化率进行纠偏，即可获得纠偏后的转化率，同时与用户特征和商品相关联，相比双塔模型忽略了人与推荐信息间的交叉关系的缺陷，[0233]处理器4001可以是CPU(CentralProcessingUnit，中央DSP(DigitalSignalProcessor，数据信号处理器)，ASIC(ApplicationSpecific[0234]总线4002可包括一通路，在上述组件之间传送信息。总线4002可以是PCI(PeripheralComponentInterconnect，外设部件互连标准)总线或EISA(Extended[0235]存储器4003可以是ROM(ReadOnlyMemory，只读存储器)或可存储静态信息和指信息和指令的其他类型的动态存储设备，也可以是EEPROM(ElectricallyErasableProgrammableReadOnlyMemory，电可擦可编程只读存储器)、CD-ROM(CompactDisc征的用户点击候选推荐信息的转化率偏差对目标用户点击候选推荐信息后的转化率进行