资源推荐方法、装置、设备及存储介质与流程

技术特征：
1.一种资源推荐方法，包括：根据全网用户对与目标类型不同的其他至少一个类型的资源的历史访问记录，确定多个召回词；针对每个召回词，获取与所述召回词对应的用户集合，所述用户集合中的每个用户都是所述召回词下所述目标类型的资源的高活用户，且对所述其他至少一个类型资源的点击次数达到预设次数；针对每个用户集合，确定每个用户集合中的代表性种子用户，所述代表性种子用户包括所述用户集合中用户向量与中心向量之间的相似度最大的预设数量个用户；针对每个召回词对应的用户集合，获取所述用户集合中的代表性种子用户的访问所述召回词对应的目标类型的资源列表；根据每个召回词对应的所述资源列表，向所述目标类型的资源的低活用户进行资源推荐。2.根据权利要求1所述的方法，其中，所述针对每个召回词，获取与所述召回词对应的用户集合，包括：针对每个召回词，获取全网用户中属于所述召回词下对所述目标类型的资源高活的用户，组成初始集合；将所述初始集合中的点击所述其他至少一个类型的资源的次数未达到所述预设次数的用户剔除，得到所述召回词对应的用户集合。3.根据权利要求1所述的方法，其中，所述针对每个用户集合，确定每个用户集合中的代表性种子用户，包括；针对每个用户集合，根据所述用户集合中的每个用户的用户向量，计算所述用户集合的中心向量；计算所述用户集合中的每个用户的用户向量与所述用户集合的中心向量之间的相似度；基于每个用户的用户向量与中心向量之间的相似度，确定相似度最大的预设数量个用户作为所述用户集合的代表性种子用户。4.根据权利要求1所述的方法，其中，所述根据全网用户对与目标类型不同的其他至少一个类型的资源的历史访问记录，确定多个召回词，包括：根据全网用户对所述其他至少一个类型的资源的历史访问记录，获取全网用户对所述其他至少一个类型的资源的多个兴趣点，以及全网用户点击所述至少一个其他类型的资源的一级分类和二级分类；根据所述多个兴趣点，所述一级分类和所述二级分类，确定进行资源召回的所述多个召回词。5.根据权利要求1至4任一项所述的方法，其中，所述根据每个召回词对应的所述资源列表，向所述目标类型的资源的低活用户进行资源推荐，包括：针对每个召回词对应的资源列表，通过所述召回词对应的用户集合中的用户进行投票，将得票数量小于预设票数的资源删除，并对所述资源列表中的全局热门资源进行打压处理，得到目标资源列表；根据所述多个召回词对应的多个目标资源列表，向所述目标类型的资源的低活用户进
行资源推荐。6.根据权利要求5所述的方法，其中，所述根据所述多个召回词对应的多个目标资源列表，向所述目标类型的资源的低活用户进行资源推荐，包括：针对所述目标类型资源的每个低活用户，获取所述低活用户对应的目标召回词；从所述多个召回词对应的多个目标资源列表中，获取所述目标召回词对应的第一目标资源列表；根据所述目标召回词对应的用户集合的内聚度，通过xgboost模型对所述第一目标资源列表进行至少一次排序，得到第二目标资源列表；将所述第二目标资源列表中的资源向所述低活用户进行推荐。7.根据权利要求5所述的方法，其中，所述对所述资源列表中的全局热门资源进行打压处理，包括：将所述资源列表中属于全局热门资源的资源排列至列表的最后；或者，将所述资源列表中属于全局热门资源的资源删除。8.根据权利要求6所述的方法，其中，所述方法还包括：针对每个召回词对应的用户集合，从所述用户集合中随机选择多个用户，计算所述多个用户中任意两个用户的用户向量之间的相似度，并对得到的所有相似度求平均值，得到所述用户集合的内聚度。9.根据权利要求3所述的方法，其中，所述根据所述用户集合中的每个用户的用户向量，计算所述用户集合的中心向量，包括：计算所述用户集合中的每个用户的用户向量的平均值，得到所述用户集合的所述中心向量。10.根据权利要求5所述的方法，其中，所述方法还包括：采用孪生基于用户的协同过滤算法ucf网络模型或者图神经网络模型，生成网络中每个用户的用户向量。11.一种资源推荐装置，包括：第一处理单元，用于根据全网用户对与目标类型不同的其他至少一个类型的资源的历史访问记录，确定多个召回词；第二处理单元，用于针对每个召回词，获取与所述召回词对应的用户集合，所述用户集合中的每个用户都是所述召回词下所述目标类型的资源的高活用户，且对所述其他至少一个类型资源的点击次数达到预设次数；第三处理单元，用于针对每个用户集合，确定每个用户集合中的代表性种子用户，所述代表性种子用户包括所述用户集合中用户向量与中心向量之间的相似度最大的预设数量个用户；第四处理单元，用于针对每个召回词对应的用户集合，获取所述用户集合中的代表性种子用户的访问所述召回词对应的目标类型的资源列表；推荐单元，用于根据每个召回词对应的所述资源列表，向所述目标类型的资源的低活用户进行资源推荐。12.根据权利要求11所述的装置，其中，所述第二处理单元，包括：
第一获取模块，用于针对每个召回词，获取全网用户中属于所述召回词下对所述目标类型的资源高活的用户，组成初始集合；第一处理模块，用于将所述初始集合中的点击所述其他至少一个类型的资源的次数未达到所述预设次数的用户剔除，得到所述召回词对应的用户集合。13.根据权利要求11所述的装置，其中，所述第三处理单元，包括；第一计算模块，用于针对每个用户集合，根据所述用户集合中的每个用户的用户向量，计算所述用户集合的中心向量；第二计算模块，用于计算所述用户集合中的每个用户的用户向量与所述用户集合的中心向量之间的相似度；第一确定模块，用于基于每个用户的用户向量与中心向量之间的相似度，确定相似度最大的预设数量个用户作为所述用户集合的代表性种子用户。14.根据权利要求11所述的装置，其中，所述第一处理单元，包括：第二处理模块，用于根据全网用户对所述其他至少一个类型的资源的历史访问记录，获取全网用户对所述其他至少一个类型的资源的多个兴趣点，以及全网用户点击所述至少一个其他类型的资源的一级分类和二级分类；第三处理模块，用于根据所述多个兴趣点，所述一级分类和所述二级分类，确定进行资源召回的所述多个召回词。15.根据权利要求11至14任一项所述的装置，其中，所述推荐单元，包括：第四处理模块，用于针对每个召回词对应的资源列表，通过所述召回词对应的用户集合中的用户进行投票，将得票数量小于预设票数的资源删除，并对所述资源列表中的全局热门资源进行打压处理，得到目标资源列表；推荐模块，用于根据所述多个召回词对应的多个目标资源列表，向所述目标类型的资源的低活用户进行资源推荐。16.根据权利要求15所述的装置，其中，所述推荐模块，包括：第一处理子模块，用于针对所述目标类型资源的每个低活用户，获取所述低活用户对应的目标召回词；第二处理子模块，用于从所述多个召回词对应的多个目标资源列表中，获取所述目标召回词对应的第一目标资源列表；第三处理子模块，用于根据所述目标召回词对应的用户集合的内聚度，通过xgboost模型对所述第一目标资源列表进行至少一次排序，得到第二目标资源列表；推荐子模块，用于将所述第二目标资源列表中的资源向所述低活用户进行推荐。17.根据权利要求15所述的装置，其中，所述第四处理模块具体用于：将所述资源列表中属于全局热门资源的资源排列至列表的最后；或者，将所述资源列表中属于全局热门资源的资源删除。18.根据权利要求16所述的装置，其中，所述装置还包括：第五处理单元，用于针对每个召回词对应的用户集合，从所述用户集合中随机选择多个用户，计算所述多个用户中任意两个用户的用户向量之间的相似度，并对得到的所有相似度求平均值，得到所述用户集合的内聚度。
19.根据权利要求13所述的装置，其中，所述第一计算模块具体用于：计算所述用户集合中的每个用户的用户向量的平均值，得到所述用户集合的所述中心向量。20.根据权利要求15所述的装置，其中，所述装置还包括：第六处理单元，用于采用孪生基于用户的协同过滤算法ucf网络模型或者图神经网络模型，生成网络中每个用户的用户向量。21.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。22.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。23.一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-10中任一项所述方法的步骤。

技术总结
本公开提供了资源推荐方法、装置、设备及存储介质，涉及人工智能技术，尤其涉及大数据领域。具体实现方案为：在对目标类型的资源的低活用户进行资源推荐时，首先从全网用户对其他至少一个类型资源的历史访问记录中确定多个召回词；针对每个召回词，获取属于该目标类型资源的高活，且对其他至少一个类型资源的点击次数达到预设次数的用户集合；再根据每个用户集合中的代表性种子用户访问的该召回词对应的目标类型的资源列表，向该目标类型的资源的低活用户进行资源推荐。通过上述方案，在进行资源推荐时结合群体特征，并迁移了其他类型资源的信号，提高资源推荐的精准度，提升推荐效果，提高对低活用户的渗透率。提高对低活用户的渗透率。提高对低活用户的渗透率。


技术研发人员：冯浩源 刘鑫
受保护的技术使用者：百度时代网络技术（北京）有限公司
技术研发日：2022.11.11
技术公布日：2023/2/3