信息推荐方法、装置、服务器及存储介质与流程

1.本公开涉及通信技术领域，具体涉及一种信息推荐方法、装置、服务器及存储介质。


背景技术：

2.随着互联网技术的不断发展，电子设备依托于应用程序向用户提供服务。其中，一些应用程序可以根据帐户当前的使用状况，向该帐户进行有针对性的推荐服务。
3.然而，由于目前信息推荐方式是基于相对固定的帐户群体如老帐户群体进行推荐，这样会导致对新帐户的信息推荐出现不准确的问题。


技术实现要素：

4.本公开实施例的目的是提供一种信息推荐方法、装置、服务器及存储介质，以至少解决目前信息推荐不准确的问题。
5.本公开的技术方案如下：
6.根据本公开实施例的第一方面，提供一种信息推荐方法，该方法可以包括：
7.接收登录应用程序的第一帐户发送的推荐请求，推荐请求用于请求获取多媒体信息；
8.响应于推荐请求，确定与第一帐户对应的目标帐户群组，其中，目标帐户群组中包括第二帐户，第一帐户的第一帐户信息与第二帐户的第二帐户信息的相似度大于或者等于预设相似度，第一相似度由第一帐户与第二帐户的社交关系信息确定；
9.根据目标帐户群组的状态信息，获取与状态信息对应的推荐信息的类别，状态信息用于表征预测第二帐户使用应用程序的状态；
10.向第一帐户推荐与推荐信息的类别对应的多媒体信息。
11.在一种可能的实施例中，在上述涉及的确定与第一帐户对应的目标帐户群组的步骤之前，该方法还可以包括：
12.获取与应用程序对应的多个帐户的帐户信息；
13.按照帐户信息的相似度对多个帐户进行分组，得到多个帐户群组；其中，
14.多个帐户群组包括目标帐户群组。
15.在另一种可能的实施例中，在上述涉及的确定与第一帐户对应的目标帐户群组的步骤中，可以包括：
16.将第一帐户信息与各帐户群组中帐户的帐户信息进行匹配，得到第一帐户与各帐户群组的相似度；
17.若第一帐户与帐户群组的相似度大于预设相似度，则将该帐户群组确定为目标帐户群组。
18.在又一种可能的实施例中，在上述涉及的根据目标帐户群组的状态信息，获取与状态信息对应的推荐信息的类别的步骤之前，该方法还可以包括：在第二帐户包括第四帐
户，第四帐户为目标帐户群组中访问应用程序的频率大于或者等于预设频率的第二帐户的情况下，根据目标帐户群组中各个第二帐户访问应用程序的访问信息，汇总目标帐户群组的历史访问信息；
19.计算第一帐户访问应用程序的第一行为信息与第四帐户访问应用程序的第二行为信息的相似度，得到第一帐户与目标帐户群组的目标相似度；
20.获取目标帐户群组的比例信息，其中，比例信息用于表征在预定时间段内目标帐户群组中第二帐户在平台帐户中所占的比例；
21.基于历史访问信息、目标相似度以及比例信息，确定目标帐户群组中的帐户访问应用程序的状态信息。
22.在再一种可能的实施例中，在上述涉及的基于历史访问信息、目标相似度以及比例信息，确定目标帐户群组中的帐户访问应用程序的状态信息的步骤中，可以包括：
23.在历史访问信息中，提取在预设时间段内的目标历史访问信息；
24.获取目标帐户群组的预测比例信息，其中，预测比例信息用于表征预测在预设时间段内目标帐户群组中第二帐户在平台账户中所占的比例；
25.根据目标历史访问信息、预测比例信息、目标相似度以及比例信息，确定状态信息。
26.基于此，上述涉及的根据目标历史访问信息、预测访问比例信息、目标相似度以及比例信息，确定状态信息的步骤中，可以包括：
27.z＝1 1/b1*d*(1-t)*b2
28.其中，z为状态信息，b1为比例信息，d为目标相似度，t为目标历史访问信息，b2为预测比例信息。
29.在再一种可能的实施例中，在上述涉及的根据目标帐户群组的状态信息，获取与状态信息对应的推荐信息的类别的步骤中，可以包括：
30.根据目标帐户群组的状态信息，确定目标帐户群组所属的目标帐户群组类别；
31.从预先设置的帐户群组类别与推荐信息的类别的关联信息中，获取与目标帐户群组类别对应的推荐信息的类别。
32.在再一种可能的实施例中，在上述涉及的根据目标帐户群组的状态信息，确定目标帐户群组所属的目标帐户群组类别的步骤中，可以包括：
33.在目标帐户群组的状态信息包括目标帐户群组中第二帐户访问应用程序的平均时长的情况下，若目标帐户群组对应的平均时长属于帐户群组类别的时长范围内，则确定该帐户群组类别为目标帐户群组类别。
34.根据本公开实施例的第二方面，提供一种信息推荐装置，该装置可以包括：
35.接收模块，被配置为执行接收登录应用程序的第一帐户发送的推荐请求，推荐请求用于请求获取多媒体信息；
36.第一确定模块，被配置为执行响应于推荐请求，确定与第一帐户对应的目标帐户群组，其中，目标帐户群组中包括第二帐户，第一帐户的第一帐户信息与第二帐户的第二帐户信息的相似度大于或者等于预设相似度，第一相似度由第一帐户与第二帐户的社交关系信息确定；
37.第一获取模块，被配置为执行根据目标帐户群组的状态信息，获取与状态信息对
应的推荐信息的类别，状态信息用于表征预测第二帐户使用应用程序的状态；
38.推荐模块，被配置为执行向第一帐户推荐与推荐信息的类别对应的多媒体信息。
39.在一种可能的实施例中，上述涉及的信息推荐装置还包括：
40.第二获取模块，被配置为执行获取与应用程序对应的多个帐户的帐户信息；
41.处理模块，被配置为执行按照帐户信息的相似度对多个帐户进行分组，得到多个帐户群组；其中，
42.多个帐户群组包括目标帐户群组。
43.在另一种可能的实施例中，上述涉及的第一确定模块包括：
44.匹配模块，被配置为执行将第一帐户信息与各帐户群组中帐户的帐户信息进行匹配，得到第一帐户与各帐户群组的相似度；
45.第二确定模块，被配置为执行若第一帐户与帐户群组的相似度大于预设相似度，则将该帐户群组确定为目标帐户群组。
46.在又一种可能的实施例中，上述涉及的信息推荐装置还包括：
47.第三获取模块，被配置为执行在第二帐户包括第四帐户，第四帐户为目标帐户群组中访问应用程序的频率大于或者等于预设频率的第二帐户的情况下，根据目标帐户群组中各个第二帐户访问应用程序的访问信息，汇总目标帐户群组的历史访问信息；
48.计算模块，被配置为执行计算第一帐户访问应用程序的第一行为信息与第四帐户访问应用程序的第二行为信息的相似度，得到第一帐户与目标帐户群组的目标相似度；
49.第四获取模块，被配置为执行获取目标帐户群组的比例信息，其中，比例信息用于表征在预定时间段内目标帐户群组中第二帐户在平台帐户中所占的比例；
50.第三确定模块，被配置为执行基于历史访问信息、目标相似度以及比例信息，确定目标帐户群组中的帐户访问应用程序的状态信息。
51.在再一种可能的实施例中，上述涉及的第三确定模块包括：
52.提取模块，被配置为执行在历史访问信息中，提取在预设时间段内的目标历史访问信息；
53.第五获取模块，被配置为执行获取目标帐户群组的预测比例信息，其中，预测比例信息用于表征预测在预设时间段内目标帐户群组中第二帐户在平台账户中所占的比例；
54.第四确定模块，被配置为执行根据目标历史访问信息、预测比例信息、目标相似度以及比例信息，确定状态信息。
55.在再一种可能的实施例中，上述涉及的第四确定模块被配置为执行，
56.z＝1 1/b1*d*(1-t)*b2
57.其中，z为状态信息，b1为比例信息，d为目标相似度，t为目标历史访问信息，b2为预测比例信息。
58.在再一种可能的实施例中，上述涉及的第一获取模块包括：
59.第五确定模块，被配置为执行根据目标帐户群组的状态信息，确定目标帐户群组所属的目标帐户群组类别；
60.第六获取模块，被配置为执行从预先设置的帐户群组类别与推荐信息的类别的关联信息中，获取与目标帐户群组类别对应的推荐信息的类别。
61.在再一种可能的实施例中，上述涉及的第五确定模块被配置为执行，在目标帐户
群组的状态信息包括目标帐户群组中第二帐户访问应用程序的平均时长的情况下，若目标帐户群组对应的平均时长属于帐户群组类别的时长范围内，则确定该帐户群组类别为目标帐户群组类别。
62.根据本公开实施例的第三方面，提供一种服务器，该服务器可以包括：
63.处理器；
64.被配置为存储处理器可执行指令的存储器；
65.其中，处理器被配置为执行指令，以实现如第一方面的任一项实施例中所示的信息推荐方法。
66.根据本公开实施例的第四方面，提供一种计算机可读存储介质，当计算机可读存储介质中的指令由服务器的处理器执行时，以使服务器实现以实现如第一方面的任一项实施例中所示的信息推荐方法。
67.根据本公开实施例的第五方面，提供一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在可读存储介质中，设备的至少一个处理器从存储介质读取并执行计算机程序，使得设备执行第一方面的任一项实施例中所示的信息推荐方法。
68.本公开的实施例提供的技术方案至少带来以下有益效果：
69.本公开实施例通过对登录应用程序的第一帐户划分组别，确定第一帐户对应的目标帐户群组，接着根据目标帐户群组的状态信息，获取与状态信息对应的推荐信息的类别，向第一帐户推荐与推荐信息的类别对应的多媒体信息。由此，可以根据不同帐户群组的状态信息分别向其对应的帐户群组中的帐户推荐信息，以使不同的组别对应不同的推荐内容，摆脱目前基于相对固定的帐户群体向应用程序平台上的帐户进行推荐的方式，有利于向多种组别的帐户进行有针对性的推荐服务，提高了信息推荐的准确度。
70.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，并不能限值本公开。
附图说明
71.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
72.图1是根据一示例性实施例示出的一种信息推荐的架构图；
73.图2是根据一示例性实施例示出的一种信息推荐的应用场景示意图；
74.图3是根据一示例性实施例示出的一种信息推荐方法的流程图；
75.图4是根据一示例性实施例示出的一种信息推荐装置的结构框图；
76.图5是根据一示例性实施例示出的一种计算设备的结构框图。
具体实施方式
77.为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
78.需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或
描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
79.目前，一些应用程序对应的服务平台往往面临着用户群体相对固定的困境。例如，服务平台中的老用户是使用服务平台的中坚力量，维系成本低。但数量众多的老用户会使应用程序中推荐的内容和设计的显示界面形态向老用户倾斜。原因在于，想要完善或者升级这些推荐的内容和设计，需要获取用户的反馈信息，并对该推荐的内容和涉及进行评估之后，才能实现对推荐的内容和设计的改进。如果只获取老用户的反馈信息，则改进后的推荐的内容和设计也是倾向于老用户，这样，无法实现对应用程序对应的大多数乃至全体用户进行准确的信息推荐。
80.下面可以通过一个例子进行说明：服务平台想要对某个推荐信息a进行评估，服务平台可以选定一些相关的特定用户，并实施推荐信息a向特定用户进行信息推荐，然后获取这些特定用户的反馈信息，并评估该推荐信息在是否满足服务平台的要求。然而，这种获取反馈信息的方式需要对特定信息a的领域知识去去构建用户名单，且如果仅通过用户的反馈信息去评估推荐信息a的优劣，很容易带有主观性而造成评估出错。另外，上述方式难以泛化，不同的推荐策略往往需要重新选择特定用户，这样，增加选择特定用户的计算量，适用范围小。此外，上述评估方式仅是单独的进行评估，无法给出推荐信息的优化方向，即上述方式无法与推荐系统的升级和优化进行有机结合。由此，亟需一种评估方法与信息推荐进行有机结合的方法。
81.有鉴于此，本公开实施例通过服务平台中长期日活跃帐户数量的优化做为核心牵引，确定一种用于表征预测目标帐户群组中的预测帐户使用应用程序的状态，以实现将目标帐户群组在平台账户中所占的比例信息、目标帐户群组中各个第二帐户访问应用程序的访问信息以及帐户与目标帐户群组的目标相似度结合的评估方式，得到目标帐户群组的状态信息，并结合该状态信息选定推荐信息。
82.由此，本公开实施例中所提供的信息推荐方法，可以应用于如图1的架构中，具体结合图1进行详细说明。
83.图1是根据一示例性实施例示出的一种信息推荐的架构图。
84.如图1所示，该信息推荐系统包括客户端10和服务端20。
85.其中，客户端10包括安装在电子设备上的应用程序。其中，该应用程序可以包括多种类型的应用，如：(长或短)视频播放类应用、音乐播放类应用、即时通讯类应用等多种类别的应用。
86.服务端20可以包括与上述应用程序对应的服务平台，实现服务平台的功能可以由服务器或者云服务器实现。在本公开实施例中，以服务器为例进行说明。
87.基于此，结合图2中的步骤进行说明，如图2中的步骤210：服务器可以获取在应用程序上注册的多个帐户，并根据帐户的帐户信息的相似度对多个帐户进行分组，得到多个帐户群组。其中，多个帐户群组的每个帐户群组的群组属性不同。帐户信息包括下述信息中的至少一种：帐户画像信息，地理位置，地理位置的优先级信息。
88.这样，方便对不用组别的帐户推荐不同的内容，当然，也方便通过不同帐户群组组的状态信息对推荐信息进行评估，以便服务平台能够更好的获取不同类型的用户使用该应
用程序的数据，从而根据不同类型的用户的状态信息，推荐不同的多媒体信息。
89.这样，在接收登录应用程序的第一帐户发送的推荐请求时，推荐请求用于请求获取多媒体信息。如图2中的步骤220：响应于推荐请求，确定与第一帐户对应的目标帐户群组，其中，目标帐户群组中包括第二帐户，第一帐户的第一帐户信息与第二帐户的第二帐户信息的相似度大于或者等于预设相似度，第一相似度由第一帐户与第二帐户的社交关系信息确定。
90.然后，如图2中的步骤230：根据目标帐户群组的状态信息，获取与状态信息对应的推荐信息的类别，状态信息用于表征预测第二帐户使用应用程序的状态；向第一帐户推荐与推荐信息的类别对应的多媒体信息。由此，可以根据不同帐户群组的状态信息分别向其对应的帐户群组中的帐户推荐信息，以使不同的组别对应不同的推荐内容，摆脱目前基于相对固定的帐户群体向应用程序平台上的帐户进行推荐的方式，有利于向多种组别的帐户进行有针对性的推荐服务，提高了信息推荐的准确度。
91.基于上述信息推荐的架构，本公开实施例中的状态信息除了可以用于获取与状态信息对应的推荐信息的类别，并基于推荐信息的类别向用户推荐多媒体信息之外，还可以应用于其他的场景，具体如下所示：
92.如图2所示，如图2中的步骤240和步骤250：其一，可以将状态信息作为一个评价指标，用于对服务平台推出的产品如显示界面和/或推荐信息的类别进行评估。
93.其中，可以通过a/b实验等方式去计算不同产品下，多个帐户群组的各帐户群组的状态信息。该状态信息所表征的指标值越高，表示该应用程序在预设时间段预计总体帐户的数量和在这些用户在该应用程序中的活跃度越高。这样，可以根据帐户群组的状态信息，生成新的产品如显示界面和/或应用功能。
94.其二，如图2中的步骤260：利用帐户群组的状态信息，对当前的信息推荐模型进行优化。
95.其中，可以将帐户群组的状态信息作为调整信息推荐模型中的损失函数的一个因素。例如，在用户对推荐内容的点击率模型训练中，利用帐户群组的状态信息重新定义损失函数，并将样本通过各帐户群组的状态信息重新加权。这样，推荐模型会更偏重于状态信息的属性高的用户的点击与否预测准确率。类似的，对帐户群组的状态信息加权还可以应用于一系列模型，例如生成对抗神经网络模型如cf-gan网络模型或者相关度排序模型即l2r模型的训练。
96.根据上述架构以及应用场景，下面结合图3对本公开实施例提供的信息推荐方法进行详细说明，该信息推荐方法可以由图1中所示的服务端中的服务器执行，本公开实施例对此不作限定。
97.图3是根据一示例性实施例示出的一种信息推荐方法的流程图。
98.如图3所示，该信息推荐方法具体可以包括如下步骤：
99.首先，步骤310，接收登录应用程序的第一帐户发送的推荐请求，推荐请求用于请求获取多媒体信息。
100.接着，步骤320，响应于推荐请求，确定与第一帐户对应的目标帐户群组，其中，目标帐户群组中包括第二帐户，第一帐户的第一帐户信息与第二帐户的第二帐户信息的相似度大于或者等于预设相似度，第一相似度由第一帐户与第二帐户的社交关系信息确定。
101.再者，步骤330，根据目标帐户群组的状态信息，获取与状态信息对应的推荐信息的类别，状态信息用于表征预测第二帐户使用应用程序的状态。
102.然后，步骤340，向第一帐户推荐与推荐信息的类别对应的多媒体信息。
103.由此，本公开实施例通过对登录应用程序的第一帐户划分组别，确定第一帐户对应的目标帐户群组，接着根据目标帐户群组的状态信息，获取与状态信息对应的推荐信息的类别，向第一帐户推荐与推荐信息的类别对应的多媒体信息。由此，可以根据不同帐户群组的状态信息分别向其对应的帐户群组中的帐户推荐信息，以使不同的组别对应不同的推荐内容，摆脱目前基于相对固定的帐户群体向应用程序平台上的帐户进行推荐的方式，有利于向多种组别的帐户进行有针对性的推荐服务，提高了信息推荐的准确度。
104.下面对上述步骤进行详细说明，具体如下所示：
105.首先，在一种可能的实施例中，在步骤320之前，该信息推荐方法还可以包括：
106.获取与应用程序对应的多个帐户的帐户信息；
107.按照帐户信息的相似度对多个帐户进行分组，得到多个帐户群组；其中，多个帐户群组包括目标帐户群组。
108.这里，帐户信息包括下述信息中的至少一种：帐户画像信息，地域、地域优先级别。其中，帐户画像信息包括帐户对应用户的年龄、性别、联系方式等画像信息。
109.基于此，可以根据地域和年龄的相似度对多个帐户进行分组，如所在地域都显示在a地，且年龄相差不超过5岁，均可将这样的帐户分为在一个帐户群组中。
110.基于此，该步骤320具体可以包括：
111.将第一帐户信息与各帐户群组中帐户的帐户信息进行匹配，得到第一帐户与各帐户群组的相似度；若第一帐户与帐户群组的相似度大于预设相似度，则将该帐户群组确定为目标帐户群组。
112.其中，本公开实施例提供了两种确定目标帐户群组的方式，具体如下所示：
113.方式一：获取第一账户的行为信息与各帐户群组中各帐户的行为信息的相似度，并对多个相似度进行加权，得到第一帐户与各帐户群组的相似度。然后，在第一帐户与各帐户群组的相似度中选取相似度大于预设相似度对应的帐户群组，将相似度大于预设相似度对应的帐户群组确定为目标帐户群组。
114.方式二：获取第一账户的行为信息与各帐户群组中各帐户的行为信息的相似度，并对多个相似度进行加权，得到第一帐户与各帐户群组中各帐户的相似度。然后，在多个第一帐户与各帐户群组中各帐户的相似度中选取与第一帐户相似度大于预设阈值的前n个第二帐户，那么，统计各帐户群组中包括该n个第二帐户的数量最大的帐户群组为目标帐户群组。
115.这里，本公开实施例中，可以按照帐户信息中涉及的年龄段、性别、地域、地域优先级别等维度将帐户分为最细粒度的帐户群组，并根据决策树分析法中决策树模型去最大化组间差异。这里，决策树分析法是一种运用概率与图论中的树对决策中的不同方案进行比较，从而获得最优方案的风险型决策方法。然后，通过决策树给出分组建议后，采用一个可以包含决策树的最终所有分类的最小的卡迪尔积的分群确定为最终的目标帐户群组。
116.其次，在一种可能的实施例中，第二帐户包括第四帐户，第四帐户为目标帐户群组中访问应用程序的频率大于或者等于预设频率的第二帐户。这样，在步骤330之前，该信息
推荐方法还可以包括：
117.根据目标帐户群组中各个第二帐户访问应用程序的访问信息，汇总目标帐户群组的历史访问信息；
118.计算第一帐户访问应用程序的第一行为信息与第四帐户访问应用程序的第二行为信息的相似度，得到第一帐户与目标帐户群组的目标相似度；
119.获取目标帐户群组的比例信息，其中，比例信息用于表征在预定时间段内目标帐户群组中第二帐户在平台帐户中所占的比例；
120.基于历史访问信息、目标相似度以及比例信息，确定目标帐户群组中的帐户访问应用程序的状态信息。
121.这里，本公开实施例中选择历史访问信息、目标相似度以及比例信息这3个参数的理由如下，根据人口普查数据，计算以上分组得到的各个帐户群体的比例信息，并使用该应用程序的各个帐户群体的历史访问信息，构建一个帐户群体历史访问信息、目标相似度以及比例信息的二次回归模型，并加入新帐户和回流帐户数来控制该应用程序获取新帐户的影响(其中，回流用户为沉默7天以上在一个预设时间段纳入本月重新回归的用户，这里的沉默可以是指代卸载该应用程序或者没有使用记录，同理，重新回归可以指代的是重新下载该应用程序或者有使用记录)，预测未来如半年后各个帐户群组的比例信息。基于这个二次回归模型，可以得到帐户群组的状态信息这个参数的估计。另外，使用预设测试集对二次回归模型的预测效果进行了评估，计算比例信息以及各个帐户群组未来如半年后各个帐户群组的比例信息的增量为2.7％。这说明该二次回归模型误差较小，能够较为精准地反应比例信息地变化，由此，本公开实施例是根据历史访问信息、目标相似度以及比例信息，确定帐户群组中的帐户访问应用程序的状态信息。
122.这里，本发明实施例提供了计算历史访问信息、目标相似度以及比例信息的方式，具体如下所示。
123.(1)计算历史访问信息
124.其中，该信息推荐方法还可以包括：根据目标帐户群组中各帐户访问应用程序的访问频率，得到历史访问信息。
125.举例说明，通过机器学习和因果分析方法使用短期敏感指标拟合中长期用户访问信息。其中，历史访问信息包括留存率，即在当前访问应用程序的频率，以及预测未来还继续访问该应用程序。用户访问信息(如帐户30天后的访问，即长留)虽然重要，但难以在短期观测且波动性较大，由此，使用机器学习和因果分析的方法将中长期留存映射到短期指标留存中。这一方面可以通过a/b指标体系，同时可以通过用户的短期的历史访问信息拟合未来在应用程序中的长期访问信息，并定义帐户群组k的综合指标为∑kθkf(α
1k
，α
2k
，...，α
nk
),其中，ajk为帐户群组k的第j个短期指标，∑kθ
kf
(α
1k
，α
2k
，...，α
nk
)越大，则帐户群组的历史访问信息如长期留存率越高，这里，n和j都为正整数。
126.(2)计算目标相似度
127.获取第一帐户访问应用程序的第一行为信息以及第四帐户访问应用程序的第二行为信息；
128.根据第一行为信息与第二行为信息之间的欧式距离，得到目标相似度，目标相似度用于表征第一帐户与第四帐户访问应用程序的相似程度。
129.其中，通过下述中的方式，对得到目标相似度的方式进行具体说明：
130.这里，计算目标相似度的方法是选择目标帐户群组中活跃度较高的帐户作为整个目标帐户群组中所有帐户的代表。其次，再用活跃度较高的帐户和第一帐户之间的行为相似度去衡量第一帐户和目标帐户群组的相似度。例如，可以用所有来自预装渠道以及抽样一部分ios系统的新用户作为第一帐户，抽样ios系统的帐户作为目标帐户群组中活跃度较高的帐户来计算目标相似度。
131.这里，采用预装渠道的原因是这部分新用户在选择打开应用程序时不会像信息流广告等渠道有选择性偏差，但是预装渠道一般都是安卓系统用户，所以，本公开实施例中补充了一部分随机ios系统的用户作为样本。原则上该样本的构建也可以通过更加丰富的办法，例如加入一些应用程序其他的运营活动所拉来的新的第一帐户。
132.然后，目标相似度计算方法可以包括如下步骤，对于一个目标帐户群组i中涉及的在应用程序中活跃帐户，可以找到这个活跃帐户和所有来自目标帐户群组i的新的第一帐户曝光过的视频的交集。这样可以找到这些视频上这个活跃帐户的视频完播率和一般新的第一帐户的视频完播率之间的欧氏距离。最后，可以定义相似度为l2距离平滑到0和1之间的一个减函数。
133.为了保证由上述确定的目标相似度方式的合理性，可以通过如下方式进行验证。其中，如表1所示，为计算目标相似度的举例说明。
134.表1
[0135][0136]
基于表1，新的第一帐户与活跃帐户所在目标帐户群组k的欧式距离为dk＝[(s1-o1)2 (s2-o2)2 (s3-o3)2]/视频id个数，这个dk的值越大代表新老用户差异越大，相似度越低。接着，为了减少计算量，最后将所有1/dk归一化到0-1的范围内，得到目标相似度。
[0137]
(3)确定比例信息
[0138]
根据目标帐户群组中第二帐户数量和应用程序中帐户的总数量，确定比例信息。这里，该比例信息可以包括用户渗透率。
[0139]
基于此，可以通过下述方式确定应用程序的状态信息，具体如下所示：
[0140]
在历史访问信息中，提取在预设时间段内的目标历史访问信息；
[0141]
获取目标帐户群组的预测比例信息，其中，预测比例信息用于表征预测在预设时间段内目标帐户群组中第二帐户在平台账户中所占的比例；这里，上述预测比例信息可以通过目标相似度和历史访问信息计算得到。
[0142]
根据目标历史访问信息、预测比例信息、目标相似度以及比例信息，确定状态信息。
[0143]
其中，可以根据如下公式(1)计算状态信息：
[0144]
z＝1 1/b1*d*(1-t)*b2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0145]
其中，z为状态信息，b1为比例信息，d为目标相似度，t为目标历史访问信息，b2为预测比例信息。
[0146]
基于此，通过下述例子对该公式进行说明，在b1为0.55时表示在30天内目标帐户群组中第二帐户在平台账户中所占有的比例大约为一半左右即55％；在d为0.8时表示第一帐户访问应用程序的第一行为信息与目标帐户群组中的第四帐户访问应用程序的第二行为信息的相似度非常接近，其相似程度为80％，这里，目标相似度较高意味着第一帐户在该目标帐户群体总体下是一个较大众的帐户；在t为0.6时表示在30天内目标帐户群组各帐户访问应用程序的访问信息的汇总值达到60％，即目标帐户群组中第二帐户每天访问应用程序的访问信息占一半以上；在b2为0.5时，可以表示在未来半年之后的30天内，目标帐户群组中第二帐户在平台账户中所占的比例大概是一半左右即50％，意味着该目标帐户群组在平台中的留存较高，至少在半年后的30天内还有很大可能会继续使用该应用程序。由此，将上述数据带入公式(1)即z＝1 1/0.55*0.8*(1-0.6)*0.5，得到z为12.36大于10，即表示为在未来半年之后的30天内目标帐户群组中第二帐户持续使用应用程序的可能性较高，当然，该应用程序推出的新的产品形态也会向该目标帐户群组访问应用程序的产品方向上进行资源倾斜。
[0147]
由于本公开实施例中采用新的方式确定目标相似度，又通过目标相似度确定了预测比例信息，由此，本公开实施例中也提供了一种计算预测比例信息的理由以及验证预测比例信息的过程，具体如下所示：
[0148]
首先，目标相似度可以很大程度上解释历史访问信息对未来比例信息影响的边际效应。这个增益应该来自于两个方面。一是高的目标相似度表征应用程序有较高的接受度。那么假设来自这个第一帐户的历史访问信息优化值较高，该目标帐户群体中的各帐户一旦接触到该应用程序，则可以被快速同化。因此，高的目标相似度下，提高访问信息的作用会更大。二是如果目标相似度较高意味着较强的社交属性。高目标相似度意味着第一帐户在该目标帐户群体总体下是一个较大众的帐户，也可以说明该目标帐户群体里的帐户应该在该目标帐户群体总体下是一个较大众的群体。由此，可以通过目标相似度和历史访问信息，计算预测比例信息。
[0149]
其次，在一种可能的实施例中，该步骤330具体可以包括：
[0150]
根据目标帐户群组的状态信息，确定目标帐户群组所属的目标帐户群组类别；
[0151]
从预先设置的帐户群组类别与推荐信息的类别的关联信息中，获取与目标帐户群组类别对应的推荐信息的类别。
[0152]
其中，在目标帐户群组的状态信息包括目标帐户群组中第二帐户访问应用程序的平均时长的情况下，若目标帐户群组对应的平均时长属于帐户群组类别的时长范围内，则确定该帐户群组类别为目标帐户群组类别。
[0153]
举例说明，可以根据目标帐户群组的状态信息，获取目标帐户群组使用应用程序每个内容的状态所占有的时长，根据所占有的时长，找到与其对应的目标帐户群组类别对应的推荐信息的类别。其中，内容包括产品信息和/或与产品信息对应的推荐信息。如目标帐户群组使用应用程序内容1的时长为20分钟，则该时长为20分钟对应的推荐信息的类别为类别a。目标帐户群组使用应用程序内容1的时长为10个小时，则该时长为10个小时对应
的推荐信息的类别为类别b。同理，如目标帐户群组使用应用程序内容2的时长为50分钟，则该时长为50分钟对应的推荐信息的类别为类别a。目标帐户群组使用应用程序内容2的时长为10个小时，则该时长为10个小时对应的推荐信息的类别为类别b。
[0154]
这样，目标帐户群组的状态信息作为一个评价指标，生成一个指标体系，用于对服务平台推出的产品如显示界面和/或推荐策略进行评估另外，将目标帐户群组的状态信息输入到应用程序的多媒体推荐模型中，得到与状态信息对应的推荐信息的类别；其中，多媒体推荐模型由多个帐户群组的行为倾向信息确定。
[0155]
其中，在将目标帐户群组的状态信息输入到应用程序的多媒体推荐模型中，得到与状态信息对应的推荐信息的类别之后，方法还包括：
[0156]
将目标帐户群组的状态信息作为样本，对多媒体推荐模型进行训练，直至满足预设训练条件，得到优化后的多媒体推荐模型。
[0157]
这里，目标帐户群组的状态信息可以用于对当前的信息推荐模型进行优化。其中，可以将目标帐户群组的状态信息作为调整信息推荐模型中的损失函数的一个因素。例如，在用户对推荐内容的点击率模型训练中，利用目标帐户群组的状态信息重新定义损失函数，并将样本通过目标帐户群组的状态信息重新加权。这样，推荐模型会更偏重于目标帐户群组的状态信息的属性高的用户的点击与否预测准确率。类似的，对目标帐户群组的状态信息加权还可以应用于一系列模型，例如生成对抗神经网络模型如cf-gan网络模型或者相关度排序模型即l2r模型的训练。
[0158]
综上，本公开实施例通过对登录应用程序的第一帐户划分组别，确定第一帐户对应的目标帐户群组，接着根据目标帐户群组的状态信息，获取与状态信息对应的推荐信息的类别，向第一帐户推荐与推荐信息的类别对应的多媒体信息。由此，可以根据不同帐户群组的状态信息分别向其对应的帐户群组中的帐户推荐信息，以使不同的组别对应不同的推荐内容，摆脱目前基于相对固定的帐户群体向应用程序平台上的帐户进行推荐的方式，有利于向多种组别的帐户进行有针对性的推荐服务，提高了信息推荐的准确度。
[0159]
另外，本公开实施例提出了一个可复用、可泛化和全面的帐户群组的状态信息体系。针对现有的方案往往临时性较强且不可泛化，本公开实施例中的帐户群组的状态信息推导是从长期留存优化角度出发，并从帐户群组的固有属性，例如历史访问信息、目标相似度以及比例信息。因此，该帐户群组的状态信息可反复和广泛地应用于各类产品和推荐系统优化，无需人工参与。
[0160]
需要说明的是，上述本公开实施例描述的应用场景是为了更加清楚的说明本公开实施例的技术方案，并不构成对于本公开实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本公开实施例提供的技术方案对于类似的技术问题，同样适用。
[0161]
基于相同的发明构思，本公开还提供了一种信息推荐装置。具体结合图4进行详细说明。
[0162]
图4是根据一示例性实施例示出的一种信息推荐装置的结构框图。
[0163]
如图4所示，该信息推荐装置40具体可以包括：
[0164]
接收模块401，被配置为执行接收登录应用程序的第一帐户发送的推荐请求，推荐请求用于请求获取多媒体信息；
[0165]
第一确定模块402，被配置为执行响应于推荐请求，确定与第一帐户对应的目标帐户群组，其中，目标帐户群组中包括第二帐户，第一帐户的第一帐户信息与第二帐户的第二帐户信息的相似度大于或者等于预设相似度，第一相似度由第一帐户与第二帐户的社交关系信息确定；
[0166]
第一获取模块403，被配置为执行根据目标帐户群组的状态信息，获取与状态信息对应的推荐信息的类别，状态信息用于表征预测第二帐户使用应用程序的状态；
[0167]
推荐模块404，被配置为执行向第一帐户推荐与推荐信息的类别对应的多媒体信息。
[0168]
在一种可能的实施例中，上述涉及的信息推荐装置还包括：
[0169]
第二获取模块，被配置为执行获取与应用程序对应的多个帐户的帐户信息；
[0170]
处理模块，被配置为执行按照帐户信息的相似度对多个帐户进行分组，得到多个帐户群组；其中，
[0171]
多个帐户群组包括目标帐户群组。
[0172]
在另一种可能的实施例中，上述涉及的第一确定模块402包括：
[0173]
匹配模块，被配置为执行将第一帐户信息与各帐户群组中帐户的帐户信息进行匹配，得到第一帐户与各帐户群组的相似度；
[0174]
第二确定模块，被配置为执行若第一帐户与帐户群组的相似度大于预设相似度，则将该帐户群组确定为目标帐户群组。
[0175]
在又一种可能的实施例中，上述涉及的信息推荐装置还包括：
[0176]
第三获取模块，被配置为执行在第二帐户包括第四帐户，第四帐户为目标帐户群组中访问应用程序的频率大于或者等于预设频率的第二帐户的情况下，根据目标帐户群组中各个第二帐户访问应用程序的访问信息，汇总目标帐户群组的历史访问信息；
[0177]
计算模块，被配置为执行计算第一帐户访问应用程序的第一行为信息与第四帐户访问应用程序的第二行为信息的相似度，得到第一帐户与目标帐户群组的目标相似度；
[0178]
第四获取模块，被配置为执行获取目标帐户群组的比例信息，其中，比例信息用于表征在预定时间段内目标帐户群组中第二帐户在平台帐户中所占的比例；
[0179]
第三确定模块，被配置为执行基于历史访问信息、目标相似度以及比例信息，确定目标帐户群组中的帐户访问应用程序的状态信息。
[0180]
在再一种可能的实施例中，上述涉及的第三确定模块包括：
[0181]
提取模块，被配置为执行在历史访问信息中，提取在预设时间段内的目标历史访问信息；
[0182]
第五获取模块，被配置为执行获取目标帐户群组的预测比例信息，其中，预测比例信息用于表征预测在预设时间段内目标帐户群组中第二帐户在平台账户中所占的比例；
[0183]
第四确定模块，被配置为执行根据目标历史访问信息、预测比例信息、目标相似度以及比例信息，确定状态信息。
[0184]
在再一种可能的实施例中，上述涉及的第四确定模块被配置为执行，
[0185]
z＝1 1/b1*d*(1-t)*b2
[0186]
其中，z为状态信息，b1为比例信息，d为目标相似度，t为目标历史访问信息，b2为预测比例信息。
[0187]
在再一种可能的实施例中，上述涉及的第一获取模块403包括：
[0188]
第五确定模块，被配置为执行根据目标帐户群组的状态信息，确定目标帐户群组所属的目标帐户群组类别；
[0189]
第六获取模块，被配置为执行从预先设置的帐户群组类别与推荐信息的类别的关联信息中，获取与目标帐户群组类别对应的推荐信息的类别。
[0190]
在再一种可能的实施例中，上述涉及的第五确定模块被配置为执行，在目标帐户群组的状态信息包括目标帐户群组中第二帐户访问应用程序的平均时长的情况下，若目标帐户群组对应的平均时长属于帐户群组类别的时长范围内，则确定该帐户群组类别为目标帐户群组类别。
[0191]
由此，本公开实施例通过对登录应用程序的第一帐户划分组别，确定第一帐户对应的目标帐户群组，接着根据目标帐户群组的状态信息，获取与状态信息对应的推荐信息的类别，向第一帐户推荐与推荐信息的类别对应的多媒体信息。由此，可以根据不同帐户群组的状态信息分别向其对应的帐户群组中的帐户推荐信息，以使不同的组别对应不同的推荐内容，摆脱目前基于相对固定的帐户群体向应用程序平台上的帐户进行推荐的方式，有利于向多种组别的帐户进行有针对性的推荐服务，提高了信息推荐的准确度。
[0192]
基于同一发明构思，本公开实施例还提供了一种计算设备，具体结合图5进行详细说明。
[0193]
图5是根据一示例性实施例示出的一种计算设备的结构框图。
[0194]
如图5所示，该计算设备50能够实现根据本公开实施例中的信息推荐方法以及信息推荐装置的计算设备的示例性硬件架构的结构图。该计算设备可以指代本公开实施例中的服务器。
[0195]
该计算设备50可以包括处理器501以及存储有计算机程序指令的存储器502。
[0196]
具体地，上述处理器501可以包括中央处理器(cpu)，或者特定集成电路(application specific integrated circuit，asic)，或者可以被配置成实施本公开实施例的一个或多个集成电路。
[0197]
存储器502可以包括被配置为信息或指令的大容量存储器。举例来说而非限制，存储器1202可包括硬盘驱动器(hard disk drive，hdd)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(universal serial bus，usb)驱动器或者两个及其以上这些的组合。在合适的情况下，存储器1202可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器1202可在综合网关设备的内部或外部。在特定实施例中，存储器1202是非易失性固态存储器。在特定实施例中，存储器1202包括只读存储器(rom)。在合适的情况下，该rom可以是掩模编程的rom、可编程rom(prom)、可擦除prom(eprom)、电可擦除prom(eeprom)、电可改写rom(earom)或闪存，或者两个或及其以上这些的组合。
[0198]
处理器501通过读取并执行存储器502中存储的计算机程序指令，以执行如下步骤：
[0199]
处理器501，被配置为执行接收登录应用程序的第一帐户发送的推荐请求，推荐请求用于请求获取多媒体信息；响应于推荐请求，确定与第一帐户对应的目标帐户群组，其中，目标帐户群组中包括第二帐户，第一帐户的第一帐户信息与第二帐户的第二帐户信息的相似度大于或者等于预设相似度，第一相似度由第一帐户与第二帐户的社交关系信息确
定；根据目标帐户群组的状态信息，获取与状态信息对应的推荐信息的类别，状态信息用于表征预测第二帐户使用应用程序的状态；以及，向第一帐户推荐与推荐信息的类别对应的多媒体信息。
[0200]
在一种可能的实施例中，处理器501，被配置为执行获取与应用程序对应的多个帐户的帐户信息；按照帐户信息的相似度对多个帐户进行分组，得到多个帐户群组；其中，多个帐户群组包括目标帐户群组。
[0201]
在另一种可能的实施例中，上述涉及的处理器501，被配置为执行将第一帐户信息与各帐户群组中帐户的帐户信息进行匹配，得到第一帐户与各帐户群组的相似度；以及，第二确定模块，被配置为执行若第一帐户与帐户群组的相似度大于预设相似度，则将该帐户群组确定为目标帐户群组。
[0202]
在又一种可能的实施例中，上述涉及的处理器501，被配置为执行在第二帐户包括第四帐户，第四帐户为目标帐户群组中访问应用程序的频率大于或者等于预设频率的第二帐户的情况下，根据目标帐户群组中各个第二帐户访问应用程序的访问信息，汇总目标帐户群组的历史访问信息；计算第一帐户访问应用程序的第一行为信息与第四帐户访问应用程序的第二行为信息的相似度，得到第一帐户与目标帐户群组的目标相似度；获取目标帐户群组的比例信息，其中，比例信息用于表征在预定时间段内目标帐户群组中第二帐户在平台帐户中所占的比例；以及，基于历史访问信息、目标相似度以及比例信息，确定目标帐户群组中的帐户访问应用程序的状态信息。
[0203]
在再一种可能的实施例中，上述涉及的处理器501，被配置为执行在历史访问信息中，提取在预设时间段内的目标历史访问信息；获取目标帐户群组的预测比例信息，其中，预测比例信息用于表征预测在预设时间段内目标帐户群组中第二帐户在平台账户中所占的比例；以及，根据目标历史访问信息、预测比例信息、目标相似度以及比例信息，确定状态信息。
[0204]
在再一种可能的实施例中，上述涉及的处理器501，被配置为执行，
[0205]
z＝1 1/b1*d*(1-t)*b2
[0206]
其中，z为状态信息，b1为比例信息，d为目标相似度，t为目标历史访问信息，b2为预测比例信息。
[0207]
在再一种可能的实施例中，上述涉及的处理器501，被配置为执行根据目标帐户群组的状态信息，确定目标帐户群组所属的目标帐户群组类别；从预先设置的帐户群组类别与推荐信息的类别的关联信息中，获取与目标帐户群组类别对应的推荐信息的类别。
[0208]
在再一种可能的实施例中，上述涉及的处理器501，被配置为执行在目标帐户群组的状态信息包括目标帐户群组中第二帐户访问应用程序的平均时长的情况下，若目标帐户群组对应的平均时长属于帐户群组类别的时长范围内，则确定该帐户群组类别为目标帐户群组类别。
[0209]
由此，本公开实施例通过对登录应用程序的第一帐户划分组别，确定第一帐户对应的目标帐户群组，接着根据目标帐户群组的状态信息，获取与状态信息对应的推荐信息的类别，向第一帐户推荐与推荐信息的类别对应的多媒体信息。由此，可以根据不同帐户群组的状态信息分别向其对应的帐户群组中的帐户推荐信息，以使不同的组别对应不同的推荐内容，摆脱目前基于相对固定的帐户群体向应用程序平台上的帐户进行推荐的方式，有
利于向多种组别的帐户进行有针对性的推荐服务，提高了信息推荐的准确度。
[0210]
在一个示例中，该计算设备50还可包括收发器503和总线504。其中，如图5所示，处理器501、存储器502和收发器503通过总线504连接并完成相互间的通信。
[0211]
总线504包括硬件、软件或两者。举例来说而非限制，总线可包括加速图形端口(agp)或其他图形总线、增强工业标准架构(eisa)总线、前端总线(fsb)、超传输(ht)互连、工业标准架构(isa)总线、无限带宽互连、低引脚数(lpc)总线、存储器总线、微信道架构(mca)总线、外围控件互连(pci)总线、pci-express(pci-x)总线、串行高级技术附件(sata)总线、视频电子标准协会局部(vlb)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线503可包括一个或多个总线。尽管本公开实施例描述和示出了特定的总线，但本公开考虑任何合适的总线或互连。
[0212]
本公开实施例还提供了一种计算机存储介质，计算机存储介质中存储有计算机可执行指令，计算机可执行指令被配置为实现本公开实施例所记载的信息推荐方法。
[0213]
在一些可能的实施方式中，本公开提供的方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码被配置为使计算机设备执行本说明书上述描述的根据本公开各种示例性实施方式的方法中的步骤，例如，计算机设备可以执行本公开实施例所记载的信息推荐方法。
[0214]
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
[0215]
本公开是参照根据本公开的方法、设备和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程控件显示设备的处理器以产生一个机器，使得通过计算机或其他可编程控件显示设备的处理器执行的指令产生被配置为实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0216]
这些计算机程序指令也可存储在能引导计算机或其他可编程控件显示设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0217]
这些计算机程序指令也可装载到计算机或其他可编程控件显示设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供被配置为实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0218]
显然，本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样，倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内，则本公开也意图包含这些改动和变型在内。