推荐信息的投放方法、计算机设备和存储介质与流程

本技术涉及人工智能，特别是涉及一种推荐信息的投放方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、在人工智能领域中，需要研究干预对用户账户个体结果的影响。例如，在营销信息的推荐与投放过程，需要分析优惠券等权益的发放，对用户账户使用平台服务意愿的增量影响，从而辅助决策是否进行权益发放。

2、然而，目前的信息推荐与投放方式，需要利用随机流量进行结果验证，这会对线上的推荐效果造成损失，导致推荐信息投放的有效性较低。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提升推荐信息投放的有效性的推荐信息的投放方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术实施例提供了一种推荐信息的投放方法。所述方法包括：

3、对账户池中的第一账户集进行投放测试，得到目标账户集；所述目标账户集包括在所述第一账户集中，针对所述投放测试推荐的至少一种推荐品类输入互动操作的账户；

4、获取所述目标账户集的群体特征与第二账户集中各账户特征间的相似度；所述第二账户集为在所述账户池中除所述第一账户集之外的账户集；

5、根据所述相似度，从所述第二账户集中筛选出与所述目标账户集中账户具有相似特征的待添加账户，将所述待添加账户添加到所述目标账户集中，得到扩展后账户集；

6、针对任一待推荐账户，在所述任一待推荐账户属于所述扩展后账户集的情况下，向所述任一待推荐账户投放与所述推荐品类关联的推荐信息。

7、在其中一个实施例中，应用于直播场景，所述方法还包括：

8、根据所述目标账户集中各账户的账户信息，确定各所述推荐品类对应的品类特征；

9、根据所述第一账户集中各账户在所述投放测试中反馈的行为信息，确定行为特征；

10、根据所述投放测试中终端在所述直播场景下实时展示的内容，确定实时内容特征；

11、将所述品类特征、所述行为特征和所述实时内容特征，作为所述目标账户集的群体特征。

12、在其中一个实施例中，所述获取所述目标账户集的群体特征与第二账户集中各账户特征间的相似度，包括：

13、针对所述第二账户集中的任一账户，根据所述任一账户的账户信息，确定所述任一账户的账户特征；

14、将各所述任一账户的账户特征，分别与所述品类特征、所述行为特征和所述实时内容特征计算子相似度；

15、将计算后的各子相似度进行加权求和，得到所述相似度。

16、在其中一个实施例中，所述根据所述目标账户集中各账户的账户信息，确定各所述推荐品类对应的品类特征，包括：

17、根据所述目标账户集中各账户的账户信息，确定各账户的账户特征；

18、针对各所述推荐品类，对所述各账户的账户特征取平均值，得到各所述推荐品类对应的所述品类特征。

19、在其中一个实施例中，所述行为信息包括正向行为的信息和负向行为的信息，所述根据所述第一账户集中各账户在所述投放测试中反馈的行为信息，确定行为特征，包括：

20、根据所述第一账户集中对所述推荐品类具有正向行为的账户对应的账户信息，确定正向的账户特征，对所述正向的账户特征取平均值，得到正向行为特征；

21、根据所述第一账户集中对所述推荐品类具有负向行为的账户对应的账户信息，确定负向的账户特征，对所述负向的账户特征取平均值，得到负向行为特征；

22、根据所述正向行为特征减去所述负向行为特征，得到所述第一账户集对应的所述行为特征。

23、在其中一个实施例中，所述根据所述投放测试中终端在所述直播场景下实时展示的内容，确定实时内容特征，包括：

24、根据所述投放测试中终端在所述直播场景下实时展示的内容，确定多媒体内容特征；

25、获取所述直播场景下各主播账户的账户信息；

26、根据所述目标账户集中各账户的账户信息和所述各主播账户的账户信息，对所述多媒体内容特征的空间构造进行拟合，得到拟合后的所述实时内容特征。

27、在其中一个实施例中，所述根据所述目标账户集中各账户的账户信息和所述各主播账户的账户信息，对所述多媒体内容特征的空间构造进行拟合，得到拟合后的所述实时内容特征，包括：

28、获取所述拟合的过程对应的学习目标；所述学习目标包括各账户每次针对所述推荐信息的点击率达到预设点击率；

29、以所述学习目标为拟合方向，将所述各主播账户的账户信息和所述多媒体内容特征输入到多层感知机网络中进行拟合计算，以使所述多媒体内容特征向所述拟合方向进行拟合，得到拟合后的所述实时内容特征。

30、在其中一个实施例中，所述向所述任一待推荐账户投放与所述推荐品类关联的推荐信息，包括：

31、在所述任一待推荐账户对所述推荐品类的关注程度满足预设条件的情况下，和/或，所述任一待推荐账户在各所述推荐品类对应的当日累计投放次数满足预设条件的情况下，向所述任一待推荐账户投放与所述推荐品类关联的推荐信息。

32、在其中一个实施例中，所述方法还包括：

33、获取预训练的阈值检验模型；所述阈值检验模型为采用正样本集和负样本集对二分类任务模型进行训练得到的模型；所述正样本集包括所述第一账户集中所述推荐信息已展示且收到针对所述推荐信息的反馈的账户和所述第一账户集中所述推荐信息未展示的账户；所述负样本集包括所述第一账户集中所述推荐信息已展示且未收到针对所述推荐信息的反馈的账户；

34、根据所述阈值检验模型对所述任一待推荐账户进行预测，得到所述任一待推荐账户对应的概率值；所述概率值用于表征所述任一待推荐账户对所述推荐品类的关注程度；

35、在所述概率值大于预设概率阈值的情况下，确定所述任一待推荐账户对所述推荐品类的关注程度满足预设条件。

36、在其中一个实施例中，应用于直播场景，所述向所述任一待推荐账户投放与所述推荐品类关联的推荐信息，包括：

37、根据各所述推荐品类下的各主播账户的评分排序，从各所述推荐品类下的各主播账户中筛选得到目标品类下的目标主播；其中所述评分排序基于各主播账户在预设时间段内在所述直播场景下的互动历史数据得到；

38、在所述目标品类下的所述目标主播的所述直播场景下，向所述任一待推荐账户投放与所述目标品类相关联的推荐信息。

39、第二方面，本技术还提供了一种推荐信息的投放装置。所述装置包括：

40、投放测试模块，用于对账户池中的第一账户集进行投放测试，得到目标账户集；所述目标账户集包括在所述第一账户集中，针对所述投放测试推荐的至少一种推荐品类输入互动操作的账户；

41、相似度获取模块，用于获取所述目标账户集的群体特征与第二账户集中各账户特征间的相似度；所述第二账户集为在所述账户池中除所述第一账户集之外的账户集；

42、扩展模块，用于根据所述相似度，从所述第二账户集中筛选出与所述目标账户集中账户具有相似特征的待添加账户，将所述待添加账户添加到所述目标账户集中，得到扩展后账户集；

43、投放模块，用于针对任一待推荐账户，在所述任一待推荐账户属于所述扩展后账户集的情况下，向所述任一待推荐账户投放与所述推荐品类关联的推荐信息。

44、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

45、对账户池中的第一账户集进行投放测试，得到目标账户集；所述目标账户集包括在所述第一账户集中，针对所述投放测试推荐的至少一种推荐品类输入互动操作的账户；

46、获取所述目标账户集的群体特征与第二账户集中各账户特征间的相似度；所述第二账户集为在所述账户池中除所述第一账户集之外的账户集；

47、根据所述相似度，从所述第二账户集中筛选出与所述目标账户集中账户具有相似特征的待添加账户，将所述待添加账户添加到所述目标账户集中，得到扩展后账户集；

48、针对任一待推荐账户，在所述任一待推荐账户属于所述扩展后账户集的情况下，向所述任一待推荐账户投放与所述推荐品类关联的推荐信息。

49、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

50、对账户池中的第一账户集进行投放测试，得到目标账户集；所述目标账户集包括在所述第一账户集中，针对所述投放测试推荐的至少一种推荐品类输入互动操作的账户；

51、获取所述目标账户集的群体特征与第二账户集中各账户特征间的相似度；所述第二账户集为在所述账户池中除所述第一账户集之外的账户集；

52、根据所述相似度，从所述第二账户集中筛选出与所述目标账户集中账户具有相似特征的待添加账户，将所述待添加账户添加到所述目标账户集中，得到扩展后账户集；

53、针对任一待推荐账户，在所述任一待推荐账户属于所述扩展后账户集的情况下，向所述任一待推荐账户投放与所述推荐品类关联的推荐信息。

54、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

55、对账户池中的第一账户集进行投放测试，得到目标账户集；所述目标账户集包括在所述第一账户集中，针对所述投放测试推荐的至少一种推荐品类输入互动操作的账户；

56、获取所述目标账户集的群体特征与第二账户集中各账户特征间的相似度；所述第二账户集为在所述账户池中除所述第一账户集之外的账户集；

57、根据所述相似度，从所述第二账户集中筛选出与所述目标账户集中账户具有相似特征的待添加账户，将所述待添加账户添加到所述目标账户集中，得到扩展后账户集；

58、针对任一待推荐账户，在所述任一待推荐账户属于所述扩展后账户集的情况下，向所述任一待推荐账户投放与所述推荐品类关联的推荐信息。

59、上述推荐信息的投放方法、装置、计算机设备、存储介质和计算机程序产品，首先对账户池中的第一账户集进行投放测试，得到目标账户集，然后获取目标账户集的群体特征与第二账户集中各账户特征间的相似度，进而根据相似度，从第二账户集中筛选出与目标账户集中账户具有相似特征的待添加账户，将待添加账户添加到目标账户集中，得到扩展后账户集，最后针对任一待推荐账户，在任一待推荐账户属于扩展后账户集的情况下，向任一待推荐账户投放与推荐品类关联的推荐信息；通过省去针对线上账户进行随机流量投放行为的方式，避免了对线上的损失，在没有随机流程投放的基础上依然成功部署了基于增益模型的品类投放的功能，同时针对增量模型本身带来的品类发散问题，结合人群定向算法来通过相似度对目标账户集进行扩展，实现了增量模型算法和人群定向算法的结合，获得了大量可用的扩展后用户集，便于直接在线上进行推荐信息的投放，提升了推荐信息投放的有效性。