[发明专利]一种推荐特征确定方法、信息推荐方法及装置

权利要求书

1.一种推荐特征确定方法，其特征在于，包括：

确定至少一个候选的推荐特征因子；

对于各推荐特征因子，预估点击率预估模型加入推荐特征因子前后，推荐信息的点击信息量差，其中利用所述点击率预估模型加入推荐特征因子前后，推荐信息的信息熵减小量，表示所述点击率预估模型加入推荐特征因子前后，推荐信息被点击的增加量；

将信息熵减小量小于设定信息熵减小值的推荐特征因子，确定为需加入所述点击率预估模型。

2.根据权利要求1所述的推荐特征确定方法，其特征在于，所述对于各推荐特征因子，预估点击率预估模型加入推荐特征因子前后，推荐信息的点击信息量差包括：

对于各推荐特征因子，预估点击率预估模型加入推荐特征因子前，推荐信息的第一信息熵，及点击率预估模型加入推荐特征因子后，推荐信息的第二信息熵；

将所述第一信息熵和所述第二信息熵相结合，预估出点击率预估模型加入推荐特征因子前后，推荐信息的信息熵减小量；所述信息熵减小量与点击率预估模型加入推荐特征因子前后，推荐信息被点击的增加量相应。

3.根据权利要求2所述的推荐特征确定方法，其特征在于，所述对于各推荐特征因子，预估点击率预估模型加入推荐特征因子前，推荐信息的第一信息熵包括：

根据公式∑_f{p(f)H(y|f)}预估点击率预估模型加入推荐特征因子前，推荐信息的第一信息熵；

其中f为推荐特征因子，ad为推荐信息，y为推荐信息被点击和不被点击的目标值集合，p(f)为推荐特征因子f出现的概率，H(y|f)＝-∑_yp(y|f)log(p(y|f))，p(y|f)为y与f的条件概率。

4.根据权利要求3所述的推荐特征确定方法，其特征在于，所述对于各推荐特征因子，预估点击率预估模型加入推荐特征因子后，推荐信息的第二信息熵包括：

根据公式-∑_f,ad{p(f,ad)H(y|f,ad)}预估点击率预估模型加入推荐特征因子前后，推荐信息的第二信息熵；

其中，p(f,ad)为f和ad出现的联合概率，H(y|f,ad)＝-∑_yp(y|f,ad)log(p(y|f,ad))，p(y|f,ad)为y与f及ad的条件概率。

5.根据权利要求4所述的推荐特征确定方法，其特征在于，所述将所述第一信息熵和所述第二信息熵相结合包括：

根据公式IG＝-∑_f,ad{p(f,ad)H(y|f,ad)}+∑_f{p(f)H(y|f)}，将所述第一信息熵和所述第二信息熵相结合，其中IG为所述信息熵减小量。

6.根据权利要求1所述的推荐特征确定方法，其特征在于，所述对于各推荐特征因子，预估点击率预估模型加入推荐特征因子前后，推荐信息的点击信息量差包括：

根据公式预估出点击率预估模型加入推荐特征因子前后，推荐信息的信息熵减小量；

其中，IG为所述信息熵减小量，f为推荐特征因子，ad为推荐信息，y为推荐信息被点击和不被点击的目标值集合，p(f,ad,y)为f，ad和y出现的联合概率，p(y|f,ad)为y与f及ad的条件概率，p(y|f)为y与f的条件概率。

7.一种信息推荐方法，其特征在于，基于权利要求1-6任一项所述的推荐特征确定方法，所述信息推荐方法包括：

调取点击率预估模型及至少一个候选的推荐信息，所述点击率预估模型加入有预确定的至少一个推荐特征因子；

确定待推荐用户，获取所述待推荐用户的用户特征中，与所述至少一个推荐特征因子相应的用户特征因子；

对于各候选的推荐信息，确定与所述至少一个推荐特征因子相应的信息特征因子；

对于各候选的推荐信息，通过所述点击率预估模型确定与所述用户特征因子及相应的信息特征因子对应的点击率；

根据各候选的推荐信息的点击率，从所述至少一个候选的推荐信息中确定推送给所述待推荐用户的目标推荐信息；

向所述待推荐用户推送所述目标推荐信息。