一种多源媒资配置驱动型推荐策略生成与多层级干预方法与流程

本发明涉及多媒体内容推荐，具体的说，是一种多源媒资配置驱动型推荐策略生成与多层级干预方法。

背景技术：

1、在ott（over the top）、iptv（internet protocol television）等大屏终端媒资推荐场景中，推荐系统通常采用基于算法模型的自动化推荐方式，通过用户画像、内容热度等维度生成推荐结果并展示给终端用户。然而，现有推荐系统在实际运营过程中存在以下问题：

2、一、推荐策略调整依赖代码修改，周期长、成本高。现有推荐系统的推荐策略通常硬编码于算法逻辑之中，一旦部署即固化。当运营人员需要调整推荐策略，如调整推荐内容来源、变更内容筛选条件、修改目标受众范围等时，必须依赖开发团队修改算法代码并重新部署系统，调整周期通常需要数天甚至数周，难以满足快速变化的运营需求。

3、二、推荐结果缺乏灵活的运营干预手段。现有推荐系统虽然能够自动化生成推荐结果，但运营人员难以在不干扰算法运行的前提下对推荐结果进行精细化调整。例如，在需要进行临时内容推广、内容合规处理或专题运营时，运营人员要么无法干预推荐结果，要么只能完全采用人工编辑推荐位的方式，后者的编辑结果缺乏追溯记录，难以维护和管理。

4、三、推荐变更缺乏追溯审计能力。现有推荐系统对推荐策略的调整和推荐结果的干预缺乏完善的变更追踪机制。部分系统依赖数据库触发器记录变更，但触发器与存储层强耦合，难以捕捉业务语义级别的变更；另一些系统采用全量日志记录方式，产生大量冗余数据，运营人员难以从中有效识别关键变更内容和干预趋势。

5、四、内容过滤粒度单一，缺乏灵活性。现有推荐系统的内容过滤机制通常只有单一粒度——要么全局屏蔽某个内容在所有推荐场景中均不展示，要么仅在单个推荐库中屏蔽。这种“一刀切”的过滤方式无法满足运营人员在不同场景下的差异化过滤需求，例如，运营人员可能希望在某个特定推荐位中屏蔽某内容，但在其他推荐位中仍然正常推荐该内容。

6、五、推荐策略的作用时机固定，缺乏灵活性。现有推荐系统通常将策略规则固定嵌入推荐管线的某一环节，要么在候选池构建阶段执行过滤，要么在结果输出阶段执行后置筛选，策略的作用时机无法根据业务场景灵活调整。

7、综上所述，现有技术缺乏一种能够将策略配置、数据编排、结果干预与行为追踪融合为统一方法的技术方案，使得推荐系统难以在保持算法自动化推荐能力的同时，赋予运营人员灵活的策略配置、结果干预和追溯审计能力。

技术实现思路

1、针对上述技术问题，本发明的目的在于提供一种多源媒资配置驱动型推荐策略生成与多层级干预方法，用于解决推荐策略调整依赖代码修改、周期长、成本高的问题，推荐结果缺乏灵活运营干预手段的问题，推荐变更缺乏追溯审计能力的问题，内容过滤粒度单一、缺乏灵活性的问题，以及推荐策略作用时机固定、无法灵活配置的问题。

2、本发明通过下述技术方案解决上述问题：

3、一种多源媒资配置驱动型推荐策略生成与多层级干预方法，包括以下步骤：

4、步骤s100、多维度组合式推荐策略配置与双模式生效机制；

5、构建多维组合式推荐策略配置模型，通过结构化参数组合定义推荐策略；所述配置模型的配置维度至少包括内容来源维度、内容分类维度、目标受众维度和组合逻辑维度；系统根据配置参数自动生成查询条件链，对内容知识库执行跨维度交叉过滤，动态生成候选推荐池；所述配置模型包含有“双模式策略生效机制”，每条推荐策略独立选择其在推荐管线中的作用时机，双模式包括“推荐过程中生效”模式和“推荐完成后生效”模式；所述候选推荐池输出至步骤s200；

6、步骤s200、双层推荐库架构与多源异构数据统一编排；

7、构建默认推荐层和自定义推荐层的双层推荐库架构；所述默认推荐层包含基于算法模型的非个性化榜单推荐和基于用户画像的个性化推荐库；所述自定义推荐层通过步骤s100所述的推荐策略配置模型自主创建推荐库，从外部数据源自动拉取对应媒资内容并填充至推荐库中；两层推荐库的媒资内容统一映射为标准化推荐基础信息结构，对上层业务接口提供一致的数据访问协议；系统将步骤s100输出的候选推荐池与默认推荐层的算法推荐结果统一编排为标准化推荐库，并输出至步骤s300；

8、步骤s300、多层级精细化干预与全生命周期状态追踪机制；

9、在推荐结果层面构建多层级干预机制，包括位置级内容干预、时序化干预窗口管理、基于序列化比对的干预变更差异追踪和双层粒度黑名单过滤机制；通过基于序列化比对的干预变更差异追踪，在每次干预操作时，系统自动记录干预变更历史并累加被干预次数，产生干预追踪数据；所述干预追踪数据反哺至步骤s100，作为策略配置优化的依据。

10、作为本发明的进一步改进，所述步骤s100中，“推荐过程中生效”模式具体为：系统在构建内容知识库的数据库查询条件时，将策略配置中的各维度筛选参数动态拼接为数据库查询条件链，并根据策略配置中的组合逻辑参数决定各维度条件之间的连接方式：若配置为“交集”模式，则各筛选条件之间采用逻辑与连接，候选内容必须同时满足所有已配置的筛选条件；若配置为“并集”模式，则采用逻辑或连接，候选内容只需满足任一已配置的筛选条件；由此生成的查询条件直接作用于内容知识库的数据检索过程，从输入端缩小候选集。

11、作为本发明的进一步改进，所述步骤s100中，“推荐完成后生效”模式具体为：推荐算法首先独立于策略配置完成全量推荐计算，输出一个未经策略约束的完整推荐结果列表；然后，系统读取该策略配置中的筛选参数，对已生成的推荐结果列表执行第二次筛选操作，保留符合策略条件的内容或从候选池中补充符合条件但未被算法命中的内容；最终输出经过策略调整后的推荐结果列表。

12、作为本发明的进一步改进，所述步骤s100中，双模式的选择通过以下方式实现：在推荐策略配置的可视化管理界面中，通过“生效模式”选项指定每条策略的作用时机参数，系统接收该配置请求后，将该作用时机参数与策略的其他维度参数一并持久化存储至策略配置数据库中；推荐引擎在执行推荐任务时，首先从策略配置数据库中读取该作用时机参数，根据其值决定当前策略在推荐管线中的执行分支。

13、作为本发明的进一步改进，所述步骤s200中，默认推荐层的实现方式如下：系统分别从两类数据源获取推荐结果：对于非个性化榜单推荐，系统对内容排名数据集合执行聚合查询，按内容品类分组获取各品类下的热度排名结果；对于个性化推荐库，系统维护一套预定义的枚举结构，该枚举结构预置了覆盖多个内容源在各内容品类下的个性化推荐库，每个个性化推荐库对应hbase中的一个数据列，系统根据请求参数从枚举结构中查找匹配的推荐库并从hbase中读取对应的用户画像推荐数据；两类推荐结果分别获取后，系统将其统一映射为标准化的推荐基础信息结构，并叠加推荐库的启用/禁用状态信息进行最终筛选。

14、作为本发明的进一步改进，所述步骤s200中，自定义推荐层的实现方式如下：通过配置界面提交推荐库配置请求后，系统首先创建推荐库配置记录，并将其数据生成状态标记为“进行中”，同时删除该配置下已有的旧版生成内容；随后系统根据配置中指定的内容源标识和内容提供方参数，通过对应的数据库访问实例从外部数据源异步拉取匹配的媒资内容，并填充至该推荐库的内容集合中，同时记录本次配置的更新时间戳；当外部异步过程完成内容生成后，系统在每次查询推荐库列表时自动轮询检查所有处于“进行中”状态的配置，若推荐库中已存在对应配置且内容记录中记载的配置更新时间戳与当前配置的更新时间戳一致，则自动将该配置的状态更新为“已完成”。

15、作为本发明的进一步改进，所述步骤s200中，默认推荐层和自定义推荐层两类推荐结果的统一策略如下：当业务请求指定的是默认推荐层时，系统根据请求中的类型参数决定获取范围；若未指定类型，则同时获取非个性化榜单推荐与个性化用户画像推荐的结果并合并输出；若指定为非个性化类型，则仅获取榜单推荐结果；若指定为个性化类型，则仅获取用户画像推荐结果；当业务请求指定的是自定义推荐层时，系统直接从已完成数据生成的自定义推荐库中按筛选条件查询内容；且两条路径的输出格式完全一致。

16、作为本发明的进一步改进，所述步骤s300中，位置级内容干预的具体实现方式如下：运营人员通过干预编辑接口提交干预请求，请求中包含多条干预记录，每条干预记录包含位置索引、内容标识、内容提供方、干预类型以及生效时间窗口；系统将干预请求转换为干预实体对象并持久化存储至数据库；在查询推荐结果时，系统读取当前生效的干预记录，对推荐结果列表执行相应操作：对于“添加”模式，系统在指定的位置索引处插入运营指定的内容，原有位置及其后的内容自动向后顺移；对于“替换”模式，系统将指定位置索引处原有的算法推荐内容替换为运营指定的内容，推荐列表长度保持不变；和/或时序化干预窗口管理的具体实现方式如下：每条干预记录配置独立的生效时间窗口，包含起始时间和结束时间；系统根据当前时间自动判定干预状态为“待生效”、“生效中”或“已失效”三种状态；该干预状态判定在每次查询推荐结果时实时计算，无需外部定时任务或人工启停操作。

17、作为本发明的进一步改进，所述步骤s300中，基于序列化比对的干预变更差异追踪的具体实现方式如下：每次运营人员提交干预编辑请求时，系统将新版干预列表与数据库中存储的旧版干预列表进行逐条比对；比对过程中，系统将每条干预条目的全部字段序列化为结构化字符串后进行字符串相等性比较；若新版中某个位置的干预条目在旧版中不存在，或虽然存在但任何字段发生了变化，则将该干预条目纳入变更集合；系统仅将变更集合中的条目写入干预历史记录表，并根据内容标识、内容提供方和来源类型的组合作为唯一键，累加该内容的被干预次数。

18、作为本发明的进一步改进，所述步骤s300中，双层粒度黑名单过滤机制包括：“指定推荐库删除”：仅在特定推荐库中屏蔽该内容，其他推荐库不受影响时；系统在删除记录中将当前推荐库的标识添加至推荐库标识列表中，同时将删除类型标记为“指定库删除”，在查询某个推荐库的推荐结果时，系统检查删除记录的推荐库标识列表是否包含当前推荐库的标识，仅匹配时才将该内容纳入排除范围；“全局删除”：在所有推荐库中屏蔽该内容，不关联任何特定推荐库；系统直接创建一条删除类型为“全局删除”的记录，不关联任何推荐库标识，在查询任何推荐库的推荐结果时，该内容均会被排除；查询时，系统通过合并查询逻辑统一获取黑名单：将所有“全局删除”类型的记录与“指定库删除”类型中匹配当前推荐库标识的记录合并为统一的排除集合，然后从推荐结果中批量移除该集合中的内容。

19、本发明与现有技术相比，具有以下优点及有益效果：

20、（1）本发明运营人员通过可视化界面进行多维参数组合即可自主创建差异化推荐库，将传统依赖开发团队修改推荐算法的周期（通常数天）缩短至分钟级配置完成。双模式生效机制进一步让运营人员能够根据业务场景选择策略作用时机，显著提升推荐策略的灵活性与迭代效率。

21、（2）本发明双层架构兼顾了系统自动化推荐能力与运营定制化需求，多源异构数据（来自不同内容平台、不同存储系统的数据）通过统一编排模型实现标准化管理，降低了前端接入复杂度，同时支持运营人员按需扩展推荐库而不影响系统默认推荐能力。

22、（3）本发明实现了推荐结果的“可干预、可追溯、有时效、分粒度”管理能力，使运营人员能对算法推荐结果进行精细化调整以满足业务运营需求（如临时推广、内容合规、专题运营等），同时完整的干预追踪记录为运营决策提供了数据支撑。

23、（4）本发明步骤s100的多维度组合式推荐策略配置模型驱动系统自动生成候选推荐池，输出至步骤s200；步骤s200的双层架构将算法推荐结果与运营配置结果统一编排为标准化推荐库，输出至步骤s300；步骤s300的多层级干预机制对统一推荐结果进行精细化调整，并产生干预追踪数据；干预追踪数据如内容被干预次数、干预变更历史反哺至步骤s100，为运营人员优化策略配置提供数据支撑。这种“配置驱动生成、统一编排、精细干预、追踪反哺”的闭环方法，使推荐系统具备了自演进能力。