一种对推荐内容的重排序方法、装置、系统及计算设备与流程

本发明涉及计算机，具体涉及一种对推荐内容的重排序方法、装置、系统、计算设备、计算机程序产品及存储介质。

背景技术：

1、打散是在内容推荐、搜索系统的结果基础上，为改进用户视觉体验而做的一种重排序处理，其目标是让具有相似属性的内容分散开，提高新鲜感，避免内容单调重复而使用户审美疲劳。

2、各类内容系统直接给出的推荐结果，往往具有以下几个痛点：1、相似品类内容的易扎堆，如果内容的各特征相似，其获得的推荐分数也容易相近，而单调的相似内容连续展示不是用户期望的结果；2、避免推荐算法攻击，同一作者，同一时间大量发布的内容容易冲击同类其他内容的展现机会；3、容易陷入推荐的局布最优解，对于几乎没有什么使用痕迹的用户，很容易出现对仅有特征的放大，从而就容易产生错误推荐；4、对用户的偏好捕捉太强。用户心理层面，对于隐私或者偏好被完美捕捉这件事是敏感的，过于精准的结果不但容易导致用户的反感，也容易限制用户潜力的转化。

3、现有的打散算法大都存在缺点，例如末尾打散失效，容易出现扎堆、只能考虑一种维度的分类，无法综合考虑别的因素等。

技术实现思路

1、鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的对推荐内容的重排序方法、装置、系统、计算设备、计算机程序产品及存储介质。

2、根据本发明的一个方面，提供一种对推荐内容的重排序方法，在计算设备中执行，该方法包括：获取推荐内容中的多条推荐数据，其中，推荐数据包含多个属性信息，并且针对每个属性信息，构建有其相应的数据表；判断当前待排序的推荐数据包含的各属性信息是否满足条件，并在所有属性信息均满足条件时，将该推荐数据写入至排序队列中，若任一属性信息不满足条件，则将该推荐信息写入该不满足条件的属性信息对应的数据表中；遍历所有推荐数据，直到对所有的推荐数据完成重排序，生成最终的排序队列，将最终的排序队列作为推荐结果。

3、可选地，在根据本发明的对推荐内容的重排序方法中，判断当前待排序的推荐数据包含的各属性信息是否满足条件，包括：针对当前待排序的推荐数据的各属性信息，判断该属性信息是否满足排序窗口阈值，排序窗口阈值分别指示各属性信息对应的排序间隔；若满足，则继续判断该推荐数据的其它属性信息是否满足排序窗口阈值；若不满足，则将该推荐数据写入该属性信息的数据表中。

4、可选地，在根据本发明的对推荐内容的重排序方法中，判断属性信息是否满足排序窗口阈值，包括：确定具有该属性信息的已排序推荐数据在排序队列中的排序序号；计算各排序序号中的最大值与排序队列中当前排入位置处对应的序号之间的差值；判断差值是否大于属性信息对应的排序窗口阈值；若大于，则确认属性信息满足排序窗口阈值；若不大于，则确认属性信息不满足排序窗口阈值。

5、可选地，在根据本发明的对推荐内容的重排序方法中，遍历所有推荐数据，直到对所有的推荐数据完成重排序包括：针对数据表中的每一推荐数据，当检测到将该推荐数据写入数据表后，排序队列中新写入推荐数据的数量与数据表指向的属性信息对应差值的和大于排序窗口阈值时，将该推荐数据重新作为当前待排序的推荐数据。

6、可选地，在根据本发明的对推荐内容的重排序方法中，还包括：若各已排序推荐数据均不包含当前待排序的推荐数据包含的各属性信息，则确认当前待排序的推荐数据各属性信息均满足条件。

7、可选地，在根据本发明的对推荐内容的重排序方法中，还包括：若排序队列中不存在已排序推荐数据，则直接将当前待排序的推荐数据写入排序队列。

8、可选地，在根据本发明的对推荐内容的重排序方法中，还包括：在所有推荐数据均排序完为止，若检测到排序队列中的已排序推荐数据的数量小于预设数量阈值，则减小排序窗口阈值，以便对各数据表中的推荐数据再次进行重排序。

9、可选地，在根据本发明的对推荐内容的重排序方法中，还包括：若检测到排序队列中已排序推荐数据的数量不小于预设数量阈值，则将未进行重排序的推荐数据和各数据表中的推荐数据删除。

10、根据本发明的又一个方面，提供一种对推荐内容的重排序装置，驻留在计算设备中，该装置包括：获取模块，适于获取推荐内容中的多条推荐数据，其中，推荐数据包含多个属性信息，并且针对每个属性信息，构建有其相应的数据表；判断模块，适于判断当前待排序的推荐数据包含的各属性信息是否满足条件，并在所有属性信息均满足条件时，将该推荐数据写入至排序队列中，若任一属性信息不满足条件，则将该推荐信息写入该不满足条件的属性信息对应的数据表中；排序模块，适于遍历所有推荐数据，直到对所有的推荐数据完成重排序，生成最终的排序队列，将最终的排序队列作为推荐结果。

11、根据本发明的又一个方面，提供一种推荐系统，包括上述的对推荐内容的重排序装置，适于对经过召回阶段和排序阶段确定的推荐数据，进行重排序，得到推荐数据的重排序结果，并将推荐数据按照重排序结果输出。

12、根据本发明的又一个方面，提供一种计算设备，包括：至少一个处理器；和存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行上述方法的指令。

13、根据本发明的又一个方面，提供一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行上述的方法。

14、根据本发明的方案，通过获取各推荐数据的属性信息，并一一判断各属性信息是满足条件，将相似维度的推荐内容分开，缓冲了推荐系统和用户的交互，提升了用户体验，实现了对推荐数据进行多维属性打散，打散程度好，性能表现优异，且满足强制的打散约束条件。

15、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

技术特征：

1.一种对推荐内容的重排序方法，在计算设备中执行，该方法包括：

2.如权利要求1所述的方法，其中，判断当前待排序的推荐数据包含的各属性信息是否满足条件，包括：

3.如权利要求2所述的方法，其中，判断属性信息是否满足排序窗口阈值，包括：

4.如权利要求2所述的方法，其中，遍历所有推荐数据，直到对所有的推荐数据完成重排序包括：

5.如权利要求2所述的方法，其中，还包括：

6.如权利要求1所述的方法，其中，还包括：

7.如权利要求2所述的方法，其中，还包括：

8.一种对推荐内容的重排序装置，驻留在计算设备中，该装置包括：

9.一种推荐系统，包括如权利要求8所述的对推荐内容的重排序装置，适于对经过召回阶段和排序阶段确定的推荐数据，进行重排序，得到推荐数据的重排序结果，并将推荐数据按照重排序结果输出。

10.一种计算设备，包括：

技术总结本发明公开了一种对推荐内容的重排序方法、装置、系统、计算设备、计算机程序产品及存储介质，对推荐内容的重排序方法在计算设备中执行，该方法包括：获取推荐内容中的多条推荐数据，其中，推荐数据包含多个属性信息，并且针对每个属性信息，构建有其相应的数据表；判断当前待排序的推荐数据包含的各属性信息是否满足条件，并在所有属性信息均满足条件时，将该推荐数据写入至排序队列中，若任一属性信息不满足条件，则将该推荐信息写入该不满足条件的属性信息对应的数据表中；遍历所有推荐数据，直到对所有的推荐数据完成重排序，生成最终的排序队列，将最终的排序队列作为推荐结果。实现了对推荐数据进行多维属性打散。技术研发人员：邢万祥,薛英受保护的技术使用者：北京齐尔布莱特科技有限公司技术研发日：技术公布日：2024/11/18