推荐对象的方法、装置、程序产品及电子设备与流程

本公开的实施方式涉及计算机，更具体地，本公开的实施方式涉及一种推荐对象的方法、推荐对象的装置、计算机程序产品以及电子设备。

背景技术：

1、目前，相关技术中进行各类对象(例如歌曲、短视频等)推荐时，一般直接根据用户对各类对象产生的行为数据进行分析，从而为用户推荐合适的对象，或者是基于对象自身的属性，进行对象的推荐。

技术实现思路

1、然而，相关技术中提供的对象推荐方法无法实现对对象的精准推荐，降低对象推荐的效果。并且分析计算量可能较高，影响处理效率。

2、鉴于此，本公开提供一种推荐对象的方法、推荐对象的装置、计算机程序产品及电子设备，以在一定程度上提升信息推荐的准确度。

3、根据本公开的第一方面，提供一种推荐对象的方法，所述方法包括：

4、确定待推荐对象；

5、根据所述待推荐对象的属性信息，确定候选推荐集；

6、从所述候选推荐集中，选择与所述待推荐对象匹配的目标推荐集；

7、将所述待推荐对象插入所述目标推荐集，以基于所述目标推荐集对所述待推荐对象进行推荐。

8、在一种可能的实施方式中，所述根据所述待推荐对象的属性信息，确定候选推荐集，包括：

9、根据所述待推荐对象的属性信息，确定所述待推荐对象对应的成长潜力值；

10、根据所述成长潜力值，选择目标推荐候选池；

11、从所述目标推荐候选池中，确定候选推荐集。

12、在一种可能的实施方式中，所述根据所述成长潜力值，选择目标推荐候选池，包括：

13、若所述成长潜力值处于第一预设范围，则选择第一类推荐候选池，作为所述目标推荐候选池；

14、若所述成长潜力值不处于所述第一预设范围，则选择第二类推荐候选池，作为所述目标推荐候选池；

15、其中，所述第一类推荐候选池和所述第二类推荐候选池对应不同的推荐渠道。

16、在一种可能的实施方式中，若所述目标推荐候选池为所述第一类推荐候选池，所述从所述目标推荐候选池中，确定候选推荐集，包括：

17、确定所述目标推荐候选池中各个推荐集的推荐成长值；

18、分别将所述待推荐对象对应的成长潜力值与所述目标推荐候选池内每个推荐集的推荐成长值进行比对，获得多个第一比对结果；

19、根据所述多个第一比对结果，确定候选推荐集。

20、在一种可能的实施方式中，所述从所述候选推荐集中，选择与所述待推荐对象匹配的目标推荐集，包括：

21、根据所述待推荐对象的属性信息，确定所述待推荐对象对应的多个维度特征信息；

22、确定每个所述候选推荐集的多个维度特征信息；

23、将所述待推荐对象对应的多个维度特征信息，分别与所述候选推荐集内每个推荐集的多个维度特征信息进行匹配，获得多个匹配值；

24、根据所述多个匹配值和预设筛选条件，确定与所述待推荐对象匹配的目标推荐集。

25、在一种可能的实施方式中，所述确定每个所述候选推荐集的多个维度特征信息，包括：

26、对每个所述候选推荐集执行以下操作：

27、根据候选推荐集内的每个对象的风格信息，确定所述候选推荐集的整体风格特征；

28、根据候选推荐集内的每个对象的情感信息，确定所述候选推荐集的情绪特征；

29、根据候选推荐集内的每个对象的场景信息，确定所述候选推荐集的场景特征；

30、根据所述整体风格特征、所述情绪特征、所述场景特征，得到所述候选推荐集的多个维度特征信息。

31、在一种可能的实施方式中，所述根据所述整体风格特征、所述情绪特征、所述场景特征，得到所述候选推荐集的多个维度特征信息，包括：

32、对所述整体风格特征、所述情绪特征以及所述场景特征进行交叉分析处理，获得多个混合特征；

33、将所述整体风格特征、所述情绪特征、所述场景特征以及所述多个混合特征，作为所述推荐集的多个维度特征信息。

34、在一种可能的实施方式中，所述对所述整体风格特征、所述情绪特征以及所述场景特征进行交叉分析处理，获得多个混合特征，包括：

35、将所述整体风格特征和所述情绪特征进行交叉分析处理，获得第一混合特征；

36、将所述情绪特征和所述场景特征进行交叉分析处理，获得第二混合特征；

37、将所述整体风格特征和所述场景特征进行交叉分析处理，获得第三混合特征；

38、根据所述第一混合特征、所述第二混合特征以及所述第三混合特征，获得多个混合特征。

39、在一种可能的实施方式中，若所述目标推荐候选池为所述第二类推荐候选池，所述从所述目标推荐候选池中，确定候选推荐集，包括：

40、确定所述目标推荐候选池中各个推荐集的流量成长值；

41、分别将所述待推荐对象对应的流量潜力值与所述目标推荐候选池内每个推荐集的流量成长值进行比对，获得多个第二比对结果；

42、根据所述多个第二比对结果，确定候选推荐集。

43、在一种可能的实施方式中，所述从所述候选推荐集中，选择与所述待推荐对象匹配的目标推荐集，包括：

44、确定每个所述候选推荐集的流量缺口信息；

45、确定所述待推荐对象的流量等级信息；

46、根据所述流量缺口信息，所述流量等级信息以及预设匹配规则，确定所述待推荐对象匹配的目标推荐集。

47、在一种可能的实施方式中，所述方法还包括：

48、若所述目标推荐集为测试性目标推荐集，则确定第一周期内所述待推荐对象的更新成长潜力值以及所述目标推荐集的更新推荐成长值；所述第一周期为对所述待推荐对象的推荐观察周期；

49、当确定所述更新成长潜力值处于第一预设范围，且所述更新成长潜力值不小于所述更新推荐成长值，重新确定所述待推荐对象的更新目标推荐集，以基于所述更新目标推荐集对所述待推荐对象进行推荐。

50、在一种可能的实施方式中，所述方法还包括：

51、确定所述目标推荐集的表现数据信息；

52、当确定所述目标推荐集的表现数据信息不符合预设表现条件时，将所述待推荐对象调整出所述目标推荐集；

53、确定所述待推荐对象的更新属性信息，并根据所述待推荐对象的更新属性信息，确定更新候选推荐集；

54、从所述更新候选推荐集中，选择与所述待推荐对象匹配的更新目标推荐集；

55、将所述待推荐对象插入所述更新目标推荐集，以基于所述更新目标推荐集对所述待推荐对象进行推荐。

56、根据本公开的第二方面，提供一种推荐对象的装置，所述装置包括：

57、第一确定单元，用于确定待推荐对象；

58、第二确定单元，用于根据所述待推荐对象的属性信息，确定候选推荐集；

59、筛选单元，用于从所述候选推荐集中，选择与所述待推荐对象匹配的目标推荐集；

60、推荐单元，用于将所述待推荐对象插入所述目标推荐集，以基于所述目标推荐集对所述待推荐对象进行推荐。

61、在一种可能的实施方式中，所述第二确定单元，用于：

62、根据所述待推荐对象的属性信息，确定所述待推荐对象对应的成长潜力值；

63、根据所述成长潜力值，选择目标推荐候选池；

64、从所述目标推荐候选池中，确定候选推荐集。

65、在一种可能的实施方式中，所述第二确定单元，用于：

66、若所述成长潜力值处于第一预设范围，则选择第一类推荐候选池，作为所述目标推荐候选池；

67、若所述成长潜力值不处于所述第一预设范围，则选择第二类推荐候选池，作为所述目标推荐候选池；

68、其中，所述第一类推荐候选池和所述第二类推荐候选池对应不同的推荐渠道。

69、在一种可能的实施方式中，所述第二确定单元，用于：

70、确定所述目标推荐候选池中各个推荐集的推荐成长值；

71、分别将所述待推荐对象对应的成长潜力值与所述目标推荐候选池内每个推荐集的推荐成长值进行比对，获得多个第一比对结果；

72、根据所述多个第一比对结果，确定候选推荐集。

73、在一种可能的实施方式中，所述筛选单元，用于：

74、根据所述待推荐对象的属性信息，确定所述待推荐对象对应的多个维度特征信息；

75、确定每个所述候选推荐集的多个维度特征信息；

76、将所述待推荐对象对应的多个维度特征信息，分别与所述候选推荐集内每个推荐集的多个维度特征信息进行匹配，获得多个匹配值；

77、根据所述多个匹配值和预设筛选条件，确定与所述待推荐对象匹配的目标推荐集。

78、在一种可能的实施方式中，所述筛选单元，用于：

79、对每个所述候选推荐集执行以下操作：

80、根据候选推荐集内的每个对象的风格信息，确定所述候选推荐集的整体风格特征；

81、根据候选推荐集内的每个对象的情感信息，确定所述候选推荐集的情绪特征；

82、根据候选推荐集内的每个对象的场景信息，确定所述候选推荐集的场景特征；

83、根据所述整体风格特征、所述情绪特征、所述场景特征，得到所述候选推荐集的多个维度特征信息。

84、在一种可能的实施方式中，所述筛选单元，用于：

85、对所述整体风格特征、所述情绪特征以及所述场景特征进行交叉分析处理，获得多个混合特征；

86、将所述整体风格特征、所述情绪特征、所述场景特征以及所述多个混合特征，作为所述推荐集的多个维度特征信息。

87、在一种可能的实施方式中，所述筛选单元，用于：

88、将所述整体风格特征和所述情绪特征进行交叉分析处理，获得第一混合特征；

89、将所述情绪特征和所述场景特征进行交叉分析处理，获得第二混合特征；

90、将所述整体风格特征和所述场景特征进行交叉分析处理，获得第三混合特征；

91、根据所述第一混合特征、所述第二混合特征以及所述第三混合特征，获得多个混合特征。

92、在一种可能的实施方式中，所述第二确定单元，用于：

93、确定所述目标推荐候选池中各个推荐集的流量成长值；

94、分别将所述待推荐对象对应的流量潜力值与所述目标推荐候选池内每个推荐集的流量成长值进行比对，获得多个第二比对结果；

95、根据所述多个第二比对结果，确定候选推荐集。

96、在一种可能的实施方式中，所述筛选单元，用于：

97、确定每个所述候选推荐集的流量缺口信息；

98、确定所述待推荐对象的流量等级信息；

99、根据所述流量缺口信息，所述流量等级信息以及预设匹配规则，确定所述待推荐对象匹配的目标推荐集。

100、在一种可能的实施方式中，所述推荐单元，还用于：

101、若所述目标推荐集为测试性目标推荐集，则确定第一周期内所述待推荐对象的更新成长潜力值以及所述目标推荐集的更新推荐成长值；所述第一周期为对所述待推荐对象的推荐观察周期；

102、当确定所述更新成长潜力值处于第一预设范围，且所述更新成长潜力值不小于所述更新推荐成长值，重新确定所述待推荐对象的更新目标推荐集，以基于所述更新目标推荐集对所述待推荐对象进行推荐。

103、在一种可能的实施方式中，所述推荐单元，还用于：

104、确定所述目标推荐集的表现数据信息；

105、当确定所述目标推荐集的表现数据信息不符合预设表现条件时，将所述待推荐对象调整出所述目标推荐集；

106、确定所述待推荐对象的更新属性信息，并根据所述待推荐对象的更新属性信息，确定更新候选推荐集；

107、从所述更新候选推荐集中，选择与所述待推荐对象匹配的更新目标推荐集；

108、将所述待推荐对象插入所述更新目标推荐集，以基于所述更新目标推荐集对所述待推荐对象进行推荐。

109、根据本公开的第三方面，提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述第一方面的方法及其可能的实现方式。

110、根据本公开的第四方面，提供一种电子设备，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，所述处理器配置为经由执行所述可执行指令，来执行上述第一方面的方法及其可能的实现方式。

111、本公开的技术方案具有以下有益效果：

112、在本公开实施例中，可以确定待推荐对象，然后根据待推荐对象的属性信息，确定候选推荐集，其中，候选推荐集中包括多个与待推荐对象属于同一类别的对象；进一步地，可以从候选推荐集中，选择与待推荐对象匹配的目标推荐集，从而可以将待推荐对象插入目标推荐集，以基于目标推荐集对待推荐对象进行推荐。也就是说，本公开实施例中，可以通过在精心设计的推荐集中，插入与其匹配待推荐对象，从而获得目标推荐集，来对待推荐对象进行推荐。这样的方式，可以为待推荐对象匹配到合适的目标推荐集，从而通过推荐集的主题性和情感共鸣，实现对待推荐内容的精准推送，因此在一定程度上可以提升推荐的准确度，且由于推荐集可以将用户的情感内容与歌曲内容进行强结合，具有较强的传播性和传播价值，因此，基于目标推荐集进行待推荐对象的推荐，可以在一定程度上提升待推荐对象的传播度，进而提升待推荐对象的推荐效果。此外，由于是直接基于目标推荐集对待推荐对象进行推荐，减少了对待推荐对象的相关数据的处理，从而在一定程度上提升了对待推荐对象的推荐效率。

113、本公开的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本公开而了解。本公开的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。