[发明专利]信息推荐方法、装置、计算机设备及存储介质

说明书

本申请涉及一种信息推荐方法、装置、计算机设备及存储介质，涉及计算机技术领域。该方法包括：统计各类信息在N个历史刷新次数内各自的历史推荐次数之和；在当前刷新次数内为目标类信息增加对应的临时规则，临时规则用于指示目标类信息在当前刷新次数的第一单位推荐窗口内的推荐数量约束条件；目标类信息是各类信息中历史推荐次数之和与对应的推荐次数阈值之间的关系满足设定条件的类信息；基于临时规则以及各类信息的固有规则，生成当前刷新次数内的信息推荐序列；对信息推荐序列内的待推荐信息进行信息推荐。通过上述方法，可以使得当前刷新次数下的信息推荐序列与历史刷新次数下的信息推荐序列不同，从而增加刷新次数间的信息推荐的多样性。

技术领域

本申请实施例涉及互联网技术领域，特别涉及一种信息推荐方法、装置、计算机设备及存储介质。

背景技术

在信息流推荐领域中，个性化推荐会面临推荐结果的相关性和多样性之间平衡的问题，其中，相关性是指推荐的结果和用户的兴趣偏好之间的匹配度，多样性指的是推荐的结果中包含的信息的类型、信息类别的数量；若不考虑推荐结果的多样性，那么推荐系统会一直基于用户已知的兴趣去进行推荐和利用，造成推荐结果的严重同质化，影响用户体验，通过加入多样性打散环节，可以有效的避免造成用户兴趣疲劳，并且有利于推荐系统持续探索和发现用户潜在的未知兴趣，有利于提升用户的体验和推动推荐系统生态长期健康发展。在推荐系统中，重排阶段一般是推荐系统的最后一个模块，距离用户层面最近，这个阶段的策略对用户影响也最直接，因此，多样性打散环节也大都设置在推荐重排阶段。

在相关技术中，通常基于规则约束的打散方法对当前刷新次数下的待推荐信息的推荐顺序进行打散，以保证当前刷新次数内的推荐结果的多样性。

然而，上述打散方法的作用效果仅能保证单次刷新次数下推荐结果的多样性，若将推荐序列拉长，扩展到以往刷新次数的推荐序列，短期内的各刷新次数的推荐结果类目会有高度重复率情况，从而造成不同刷新次数间推荐内容的同质化，影响推荐效果。

发明内容

本申请实施例提供了一种信息推荐方法、装置、计算机设备及存储介质，可以避免同一目标用户在短时间内接收到多次信息推荐，避免目标用户被频繁打扰的情况，从而提高用户体验，以及提高信息推荐的效果。该技术方案如下：

一方面，提供了一种信息推荐方法，所述方法包括：

统计各类信息在N个历史刷新次数内各自的历史推荐次数之和；N为正整数；

在当前刷新次数内为目标类信息增加对应的临时规则，所述临时规则用于指示所述目标类信息在当前刷新次数的第一单位推荐窗口内的推荐数量约束条件；所述目标类信息是各类信息中历史推荐次数之和与对应的推荐次数阈值之间的关系满足设定条件的类信息；

基于所述临时规则以及各类信息对应的固有规则，生成当前刷新次数内的信息推荐序列；所述固有规则用于指示所对应的类信息在第二单位推荐窗口内的最大可推荐数量；其中，针对目标类信息，基于对应的固有规则确定的推荐频率与基于对应的临时规则确定的推荐频率不同；

对信息推荐序列内的各个待推荐信息进行信息推荐。

另一方面，提供了一种信息推荐装置，所述装置包括：

次数统计模块，用于统计各类信息在N个历史刷新次数内各自的历史推荐次数之和；N为正整数；

规则增加模块，用于在当前刷新次数内为目标类信息增加对应的临时规则，所述临时规则用于指示所述目标类信息在当前刷新次数的第一单位推荐窗口内的推荐数量约束条件；所述目标类信息是各类信息中历史推荐次数之和与对应的推荐次数阈值之间的关系满足设定条件的类信息；