一種基于在線學(xué)習(xí)的網(wǎng)絡(luò)資源推薦方法及裝置制造方法
【專利摘要】本發(fā)明實(shí)施例公開(kāi)了一種基于在線學(xué)習(xí)的網(wǎng)絡(luò)資源推薦方法及裝置，該方法包括：根據(jù)用戶針對(duì)展示的網(wǎng)絡(luò)資源的反饋日志，對(duì)用于推薦網(wǎng)絡(luò)資源的數(shù)據(jù)模型進(jìn)行訓(xùn)練；基于所述數(shù)據(jù)模型對(duì)需要推薦的網(wǎng)絡(luò)資源按照E&E算法進(jìn)行打分和推薦；對(duì)推薦的網(wǎng)絡(luò)資源進(jìn)行展示。本發(fā)明實(shí)施例以用戶的反饋來(lái)訓(xùn)練數(shù)據(jù)模型，實(shí)現(xiàn)對(duì)數(shù)據(jù)模型進(jìn)行快速反復(fù)的迭代，能提高推薦策略的反應(yīng)速度和推薦的準(zhǔn)確率。
【專利說(shuō)明】-種基于在線學(xué)習(xí)的網(wǎng)絡(luò)資源推薦方法及裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及互聯(lián)網(wǎng)【技術(shù)領(lǐng)域】，具體涉及一種基于在線學(xué)習(xí)的網(wǎng)絡(luò)資源推薦方法及 裝置。

【背景技術(shù)】
[0002] 在視頻，搜索，影視資源網(wǎng)站，互聯(lián)網(wǎng)搜索引擎，W及推薦引擎（包括新聞推薦，商 品推薦，廣告推薦等）等領(lǐng)域，通常遇到的問(wèn)題是互聯(lián)網(wǎng)資源較多，但是資源競(jìng)爭(zhēng)問(wèn)題決定 僅僅只有有限的互聯(lián)網(wǎng)資源能夠得W展現(xiàn)給用戶，因此如何選擇合適的互聯(lián)網(wǎng)資源推薦給 用戶是比較重要的問(wèn)題。
[0003] 現(xiàn)有技術(shù)中，網(wǎng)絡(luò)設(shè)備向用戶推薦互聯(lián)網(wǎng)資源時(shí)，往往是對(duì)資源按照用戶行為等 信息進(jìn)行權(quán)重計(jì)算，再根據(jù)權(quán)重排名選擇推薦信息，但是，該種現(xiàn)有的互聯(lián)網(wǎng)資源推薦過(guò)程 中，發(fā)明人發(fā)現(xiàn)存在W下問(wèn)題；推薦的信息趨于集中和固定，某些新的或冷口的互聯(lián)網(wǎng)資源 因?yàn)閰⒄盏慕Y(jié)果信息的缺失而得不到推薦。


【發(fā)明內(nèi)容】

[0004] 有鑒于此，本發(fā)明實(shí)施例提供一種基于在線學(xué)習(xí)的網(wǎng)絡(luò)資源推薦方法及裝置，W 提高推薦策略的反應(yīng)速度和推薦的準(zhǔn)確率。
[0005] 第一方面，本發(fā)明實(shí)施例提供了一種基于在線學(xué)習(xí)的網(wǎng)絡(luò)資源推薦方法，包括：
[0006] 根據(jù)用戶針對(duì)展示的網(wǎng)絡(luò)資源的反饋日志，對(duì)用于推薦網(wǎng)絡(luò)資源的數(shù)據(jù)模型進(jìn)行 訓(xùn)練；
[0007] 基于所述數(shù)據(jù)模型對(duì)需要推薦的網(wǎng)絡(luò)資源按照E&E算法進(jìn)行打分和推薦；
[0008] 對(duì)推薦的網(wǎng)絡(luò)資源進(jìn)行展示。
[0009] 第二方面，本發(fā)明實(shí)施例還提供了一種基于在線學(xué)習(xí)的網(wǎng)絡(luò)資源推薦裝置，包 括：
[0010] 模型訓(xùn)練單元，用于根據(jù)用戶針對(duì)展示的網(wǎng)絡(luò)資源的反饋日志，對(duì)用于推薦網(wǎng)絡(luò) 資源的數(shù)據(jù)模型進(jìn)行訓(xùn)練；
[0011] 資源推薦單元，用于基于所述數(shù)據(jù)模型對(duì)需要推薦的網(wǎng)絡(luò)資源按照E&E算法進(jìn)行 打分和推薦；
[0012] 資源展示單元，用于對(duì)推薦的網(wǎng)絡(luò)資源進(jìn)行展示。
[0013] 本發(fā)明實(shí)施例的技術(shù)方案根據(jù)用戶針對(duì)展示的網(wǎng)絡(luò)資源的反饋日志對(duì)數(shù)據(jù)模型 進(jìn)行訓(xùn)練，基于所述數(shù)據(jù)模型對(duì)需要推薦的網(wǎng)絡(luò)資源按照E&E算法進(jìn)行打分、推薦和展示， 再根據(jù)用戶針對(duì)展示的網(wǎng)絡(luò)資源的反饋日志又對(duì)數(shù)據(jù)模型進(jìn)行訓(xùn)練，依此循環(huán)，不斷迭代， W用戶的反饋來(lái)訓(xùn)練數(shù)據(jù)模型，實(shí)現(xiàn)對(duì)數(shù)據(jù)模型進(jìn)行快速反復(fù)的迭代，能提高推薦策略的 反應(yīng)速度和推薦的準(zhǔn)確率。

【專利附圖】

【附圖說(shuō)明】
[0014] 為了更清楚地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)本發(fā)明實(shí)施例描述中所 需要使用的附圖作簡(jiǎn)單的介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施 例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可W根據(jù)本發(fā)明實(shí)施 例的內(nèi)容和該些附圖獲得其他的附圖。
[0015] 圖1是本發(fā)明實(shí)施例一所述的基于在線學(xué)習(xí)的網(wǎng)絡(luò)資源推薦方法流程圖；
[0016] 圖2是本發(fā)明實(shí)施例二所述的基于在線學(xué)習(xí)的網(wǎng)絡(luò)資源推薦方法流程圖；
[0017] 圖3是本發(fā)明實(shí)施例H所述的基于在線學(xué)習(xí)的網(wǎng)絡(luò)資源推薦裝置的結(jié)構(gòu)框圖。

【具體實(shí)施方式】
[0018] 為使本發(fā)明解決的技術(shù)問(wèn)題、采用的技術(shù)方案和達(dá)到的技術(shù)效果更加清楚，下面 將結(jié)合附圖對(duì)本發(fā)明實(shí)施例的技術(shù)方案作進(jìn)一步的詳細(xì)描述，顯然，所描述的實(shí)施例僅僅 是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域技術(shù)人員在 沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0019] 下面結(jié)合附圖并通過(guò)【具體實(shí)施方式】來(lái)進(jìn)一步說(shuō)明本發(fā)明的技術(shù)方案。
[0020] 實(shí)施例一
[0021] 圖1是本發(fā)明實(shí)施例一提供的基于在線學(xué)習(xí)的網(wǎng)絡(luò)資源推薦方法流程圖，本實(shí)施 例可適用于對(duì)網(wǎng)絡(luò)資源進(jìn)行在線推薦的情況，包括但不限于提供網(wǎng)絡(luò)資源瀏覽和/或下載 的內(nèi)容提供網(wǎng)站進(jìn)行網(wǎng)絡(luò)資源推薦，例如影視推薦、應(yīng)用程序APP推薦等。該方法可W由配 置在服務(wù)器中的基于在線學(xué)習(xí)的網(wǎng)絡(luò)資源推薦裝置來(lái)執(zhí)行，如圖1所示，本實(shí)施例所述的 基于在線學(xué)習(xí)的網(wǎng)絡(luò)資源推薦方法包括：
[0022] S101、根據(jù)用戶針對(duì)展示的網(wǎng)絡(luò)資源的反饋日志，對(duì)用于推薦網(wǎng)絡(luò)資源的數(shù)據(jù)模 型進(jìn)行訓(xùn)練。
[0023] 本實(shí)施例所稱的網(wǎng)絡(luò)資源包括多種類型的在線資源，例如媒體文件（如視頻、音 樂(lè)、圖片等）、文檔、APP、網(wǎng)站、網(wǎng)上商城的商家或商品和統(tǒng)一資源定位符U化資源、W及婚 戀網(wǎng)站或求職網(wǎng)站的會(huì)員等。可根據(jù)本實(shí)施例的技術(shù)方案所應(yīng)用的具體功能和場(chǎng)景進(jìn)行界 定。例如用于影視推薦，則此處網(wǎng)絡(luò)資源即為該網(wǎng)站的影視資源，用于APP網(wǎng)上商城，則此 處網(wǎng)絡(luò)資源即為APP。
[0024] 用戶反饋日志中包括用戶的反饋，具體可包括對(duì)網(wǎng)絡(luò)資源的點(diǎn)擊、下載、瀏覽、在 線安裝、收藏、評(píng)價(jià)（例如評(píng)論、評(píng)分、點(diǎn)贊等）等用戶行為信息。需要說(shuō)明的是，上述示例 僅出于示例目的，根據(jù)本發(fā)明實(shí)施例不限于此。
[0025] 為了進(jìn)行有針對(duì)的用戶個(gè)性化推薦，作為優(yōu)選，所述反饋日志還需要包括用戶信 息，具體地，用戶信息可包括用戶ID、用戶興趣點(diǎn)W及該興趣點(diǎn)的權(quán)重等信息。
[0026] 所述反饋日志的獲取，可W是通過(guò)實(shí)時(shí)的方式獲取，也可按照周期獲取或按預(yù)設(shè) 條件獲取。
[0027] 本實(shí)施例中所述的數(shù)據(jù)模型可W包括表格或者 <鍵-值〉形式的資源-歷史記錄、 回歸/排序模型等。
[0028] 其中回歸/排序模型可包括但不限于線性回歸模型、非線性回歸模型、Learning To Rank模型、和馬爾柯夫決策規(guī)則MDP模型等。
[0029] 需要說(shuō)明的是，所述數(shù)據(jù)模型通過(guò)增量的方式進(jìn)行訓(xùn)練，包括實(shí)時(shí)訓(xùn)練和分批訓(xùn) 練。
[0030] S102、基于所述數(shù)據(jù)模型對(duì)需要推薦的網(wǎng)絡(luò)資源按照E&E算法進(jìn)行打分和推薦。
[0031] 本實(shí)施例所稱的E&E算法為Exploration & Exploitaion族算法，包括但不限于 e -greedy算法、置信度上界UCB算法、抽樣方法算法、Ranked Bandits算法、Contex^al Bandits算法、和Rein化rcement Learning算法等諸多算法中的一種算法、或兩種W上算 法相結(jié)合。
[0032] 本實(shí)施例中，基于所述數(shù)據(jù)模型對(duì)需要推薦的網(wǎng)絡(luò)資源按照E&E算法進(jìn)行打分和 推薦，可W是基于所述數(shù)據(jù)模型對(duì)網(wǎng)絡(luò)資源采用上述E&E算法中的一種、兩種或W上進(jìn)行 打分和推薦，或基于所述數(shù)據(jù)模型對(duì)網(wǎng)絡(luò)資源采用上述E&E算法中的一種、兩種或W上，同 其他的非E&E算法相結(jié)合進(jìn)行打分和推薦。
[0033] 與非E&E算法相比，E&E算法無(wú)需事先積累大量數(shù)據(jù)，能處理冷啟動(dòng)的情況，而且 克服了直接由用戶收益/展現(xiàn)實(shí)現(xiàn)權(quán)重計(jì)算，或直接根據(jù)收益值計(jì)算權(quán)重而產(chǎn)生的馬太效 應(yīng)嚴(yán)重的問(wèn)題，無(wú)法體現(xiàn)資源真實(shí)質(zhì)量，W致多數(shù)網(wǎng)絡(luò)資源沒(méi)有展示機(jī)會(huì)。
[0034] S103、對(duì)推薦的網(wǎng)絡(luò)資源進(jìn)行展示，返回SlOl。
[0035] 例如對(duì)打分最高的網(wǎng)絡(luò)資源進(jìn)行展示，或根據(jù)打分從高到低排序，對(duì)排序靠前的 預(yù)設(shè)數(shù)目的網(wǎng)絡(luò)資源進(jìn)行展示等。
[0036] 本操作之后，又可收集用戶針對(duì)本操作所展示的網(wǎng)絡(luò)資源的反饋日志，根據(jù)該日 志對(duì)用于推薦網(wǎng)絡(luò)資源的數(shù)據(jù)模型進(jìn)行訓(xùn)練，依此循環(huán)，不斷迭代和根據(jù)迭代后的數(shù)據(jù)模 型進(jìn)行打分和推薦。
[0037] 本實(shí)施例的技術(shù)方案根據(jù)用戶針對(duì)展示的網(wǎng)絡(luò)資源的反饋日志對(duì)數(shù)據(jù)模型進(jìn)行 訓(xùn)練，基于所述數(shù)據(jù)模型對(duì)需要推薦的網(wǎng)絡(luò)資源按照E&E算法進(jìn)行打分、推薦和展示，再根 據(jù)用戶針對(duì)展示的網(wǎng)絡(luò)資源的反饋日志又對(duì)數(shù)據(jù)模型進(jìn)行訓(xùn)練，依此循環(huán)，不斷迭代，W用 戶的反饋來(lái)訓(xùn)練數(shù)據(jù)模型，實(shí)現(xiàn)對(duì)數(shù)據(jù)模型進(jìn)行快速反復(fù)的迭代，能提高推薦策略的反應(yīng) 速度和推薦的準(zhǔn)確率。
[0038] 實(shí)施例二
[0039] 圖2是本發(fā)明實(shí)施例二所述的基于在線學(xué)習(xí)的網(wǎng)絡(luò)資源推薦方法流程圖，如圖2 所示，本實(shí)施例所述的基于在線學(xué)習(xí)的網(wǎng)絡(luò)資源推薦方法包括：
[0040] S201、獲取用戶對(duì)展示的網(wǎng)絡(luò)資源的反饋日志。
[0041] 其中所述反饋日志包括用戶行為信息。
[0042] 獲取用戶對(duì)展示的網(wǎng)絡(luò)資源的反饋日志可采用多種方式。例如通過(guò)實(shí)時(shí)獲取，即 當(dāng)用戶對(duì)展示的網(wǎng)絡(luò)資源有預(yù)設(shè)的操作，包括用戶對(duì)展示的網(wǎng)絡(luò)資源進(jìn)行點(diǎn)擊、下載、瀏 覽、在線安裝、收藏、評(píng)價(jià)（例如評(píng)論、評(píng)分、點(diǎn)贊等）等一種或一種W上預(yù)設(shè)行為時(shí)，實(shí)時(shí)進(jìn) 行記錄。又如按照周期獲取，即對(duì)前述用戶行為的日志進(jìn)行周期性的提取。
[0043] S202、將所述反饋日志進(jìn)行預(yù)處理形成結(jié)構(gòu)化的數(shù)據(jù)樣本。
[0044] 具體地，本操作可包括：
[0045] 從所述反饋日志中查詢用戶的靜態(tài)屬性和當(dāng)前的動(dòng)態(tài)屬性。
[0046] 其中，所述靜態(tài)屬性可包括用戶ID、用戶興趣點(diǎn)W及該興趣點(diǎn)的權(quán)重等信息。動(dòng) 態(tài)屬性可包括用戶對(duì)展示的網(wǎng)絡(luò)資源進(jìn)行點(diǎn)擊、下載、瀏覽、在線安裝、收藏、評(píng)價(jià)（例如評(píng) 論、評(píng)分、點(diǎn)贊等）等。
[0047] 計(jì)算所述展示的網(wǎng)絡(luò)資源的預(yù)設(shè)維度的權(quán)值。
[0048] 例如，預(yù)設(shè)結(jié)構(gòu)化的數(shù)據(jù)樣本包括點(diǎn)擊率維度和下載率維度該兩個(gè)維度，可用點(diǎn) 擊次數(shù)與展示次數(shù)的比值信息作為點(diǎn)擊率的權(quán)值，可用下載次數(shù)與展示次數(shù)的比值信息作 為下載率的權(quán)值。
[0049] 將用戶的靜態(tài)屬性和當(dāng)前的動(dòng)態(tài)屬性，W及所述展示的網(wǎng)絡(luò)資源在各預(yù)設(shè)維度的 權(quán)值，擬合成結(jié)構(gòu)化的收益/損失數(shù)據(jù)（例如點(diǎn)擊/展示，下載/展示等），作為數(shù)據(jù)樣本。
[0050] 從點(diǎn)擊率維度為例簡(jiǎn)單說(shuō)明，例如將用戶對(duì)展示的網(wǎng)絡(luò)資源的點(diǎn)擊日志根據(jù)用戶 的靜態(tài)屬性分組后，根據(jù)組內(nèi)的點(diǎn)擊日志獲取各需要推薦的網(wǎng)絡(luò)資源的點(diǎn)擊次數(shù)與展示次 數(shù)的比值，將該比值直接作為收益/損失數(shù)據(jù)。
[0051] 當(dāng)然，該示例是將點(diǎn)擊次數(shù)與展示次數(shù)的比值，直接作為收益/損失數(shù)據(jù)來(lái)進(jìn)行 簡(jiǎn)單擬合。還可能存在一些復(fù)雜的情況，例如需要將點(diǎn)擊/展示和下載/展示擬合到一個(gè) 維度的情況，將下載/展示維度的權(quán)重為70 %，點(diǎn)擊/展示維度的權(quán)重為30 %，則需要將各 維度的權(quán)值進(jìn)行加權(quán)擬合成收益/損失數(shù)據(jù)。
[0052] S203、根據(jù)所述數(shù)據(jù)樣本對(duì)用于推薦網(wǎng)絡(luò)資源的數(shù)據(jù)模型進(jìn)行訓(xùn)練。
[0053] 所述數(shù)據(jù)模型通過(guò)增量的方式進(jìn)行訓(xùn)練，包括實(shí)時(shí)訓(xùn)練和分批訓(xùn)練。
[0054] 具體的如何根據(jù)數(shù)據(jù)樣本對(duì)數(shù)據(jù)模型進(jìn)行訓(xùn)練，為了描述簡(jiǎn)單，下面可W收益/ 損失數(shù)據(jù)表作為對(duì)用于推薦網(wǎng)絡(luò)資源的數(shù)據(jù)模型來(lái)說(shuō)明，怎樣W增量的方式進(jìn)行訓(xùn)練。
[00 巧]

【權(quán)利要求】
1. 一種基于在線學(xué)習(xí)的網(wǎng)絡(luò)資源推薦方法，其特征在于，包括： 根據(jù)用戶針對(duì)展示的網(wǎng)絡(luò)資源的反饋日志，對(duì)用于推薦網(wǎng)絡(luò)資源的數(shù)據(jù)模型進(jìn)行訓(xùn) 練； 基于所述數(shù)據(jù)模型對(duì)需要推薦的網(wǎng)絡(luò)資源按照E&E算法進(jìn)行打分和推薦； 對(duì)推薦的網(wǎng)絡(luò)資源進(jìn)行展示。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，按照E&E算法進(jìn)行打分和推薦的操作具 體包括：按照e -greedy算法、置信度上界UCB算法、抽樣方法算法、Ranked Bandits算法、 Contextual Bandits算法、和Reinforcement Learning算法中的一種算法、或兩種以上算 法相結(jié)合，進(jìn)行打分和推薦。
3. 根據(jù)權(quán)利要求1或2所述的方法，其特征在于，根據(jù)用戶針對(duì)展示的網(wǎng)絡(luò)資源的反饋 日志，對(duì)用于推薦網(wǎng)絡(luò)資源的數(shù)據(jù)模型進(jìn)行訓(xùn)練的操作具體包括： 獲取用戶對(duì)展示的網(wǎng)絡(luò)資源的反饋日志，其中所述反饋日志包括用戶行為信息； 將所述反饋日志進(jìn)行預(yù)處理形成結(jié)構(gòu)化的數(shù)據(jù)樣本； 根據(jù)所述數(shù)據(jù)樣本對(duì)用于推薦網(wǎng)絡(luò)資源的數(shù)據(jù)模型進(jìn)行訓(xùn)練。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，獲取用戶對(duì)推薦的網(wǎng)絡(luò)資源的反饋日志 的操作具體包括： 通過(guò)實(shí)時(shí)的方式或按照周期獲取用戶對(duì)推薦的網(wǎng)絡(luò)資源的反饋日志。
5. 根據(jù)權(quán)利要求3所述的方法，其特征在于，將所述反饋日志進(jìn)行預(yù)處理形成結(jié)構(gòu)化 的數(shù)據(jù)樣本的操作具體包括： 從所述反饋日志中查詢用戶的靜態(tài)屬性和當(dāng)前的動(dòng)態(tài)屬性； 計(jì)算所述展示的網(wǎng)絡(luò)資源的預(yù)設(shè)維度的權(quán)值； 將用戶的靜態(tài)屬性和當(dāng)前的動(dòng)態(tài)屬性，以及所述展示的網(wǎng)絡(luò)資源在各預(yù)設(shè)維度的權(quán) 值，擬合成結(jié)構(gòu)化的收益/損失數(shù)據(jù)，作為數(shù)據(jù)樣本。
6. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述用戶行為信息包括對(duì)網(wǎng)絡(luò)資源的點(diǎn) 擊、下載和/或?yàn)g覽。
7. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述反饋日志還包括用戶信息。
8. 根據(jù)權(quán)利要求7所述的方法，其特征在于，所述用戶信息包括用戶ID、用戶興趣點(diǎn)以 及該興趣點(diǎn)的權(quán)重。
9. 根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述數(shù)據(jù)模型為線性回歸模型、非線 性回歸模型、Learning To Rank模型、或馬爾柯夫決策規(guī)則MDP模型。
10. -種基于在線學(xué)習(xí)的網(wǎng)絡(luò)資源推薦裝置，其特征在于，包括： 模型訓(xùn)練單元，用于根據(jù)用戶針對(duì)展示的網(wǎng)絡(luò)資源的反饋日志，對(duì)用于推薦網(wǎng)絡(luò)資源 的數(shù)據(jù)模型進(jìn)行訓(xùn)練； 資源推薦單元，用于基于所述數(shù)據(jù)模型對(duì)需要推薦的網(wǎng)絡(luò)資源按照E&E算法進(jìn)行打分 和推薦； 資源展示單元，用于對(duì)推薦的網(wǎng)絡(luò)資源進(jìn)行展示。
11. 根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述資源推薦單元中按照E&E算法進(jìn) 行打分和推薦具體包括：按照e -greedy算法、置信度上界UCB算法、抽樣裝置算法、Ranked Bandits 算法、Contextual Bandits 算法、和 Reinforcement Learning 算法中的一種算法、 或兩種以上算法相結(jié)合，進(jìn)行打分和推薦。
12. 根據(jù)權(quán)利要求11或12所述的裝置，其特征在于，所述模型訓(xùn)練單元具體包括： 反饋日志獲取子單元，用于獲取用戶對(duì)展示的網(wǎng)絡(luò)資源的反饋日志，其中所述反饋日 志包括用戶行為信息； 反饋日志預(yù)處理子單元，用于將所述反饋日志進(jìn)行預(yù)處理形成結(jié)構(gòu)化的數(shù)據(jù)樣本； 樣本訓(xùn)練子單元，用于根據(jù)所述數(shù)據(jù)樣本對(duì)用于推薦網(wǎng)絡(luò)資源的數(shù)據(jù)模型進(jìn)行訓(xùn)練。
13. 根據(jù)權(quán)利要求12所述的裝置，其特征在于，所述反饋日志獲取子單元具體用于： 通過(guò)實(shí)時(shí)的方式或按照周期獲取用戶對(duì)推薦的網(wǎng)絡(luò)資源的反饋日志。
14. 根據(jù)權(quán)利要求12所述的裝置，其特征在于，所述反饋日志預(yù)處理子單元具體用于： 從所述反饋日志中查詢用戶的靜態(tài)屬性和當(dāng)前的動(dòng)態(tài)屬性； 計(jì)算所述展示的網(wǎng)絡(luò)資源的預(yù)設(shè)維度的權(quán)值； 將用戶的靜態(tài)屬性和當(dāng)前的動(dòng)態(tài)屬性，以及所述展示的網(wǎng)絡(luò)資源在各預(yù)設(shè)維度的權(quán) 值，擬合成結(jié)構(gòu)化的收益/損失數(shù)據(jù)，作為數(shù)據(jù)樣本。
【文檔編號(hào)】G06F17/30GK104331459SQ201410602477
【公開(kāi)日】2015年2月4日 申請(qǐng)日期:2014年10月31日 優(yōu)先權(quán)日:2014年10月31日
【發(fā)明者】王凡, 田 浩, 徐倩, 陳立, 信賢衛(wèi), 吳澤衡, 周方圓, 鄭德榮 申請(qǐng)人:百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司