[发明专利]一种信息处理方法及服务器

说明书

本发明公开了一种信息处理方法及服务器，包括：获取数据集合，所述数据集合包括多个用户特征数据，其中，各个用户特征数据均表明用户与推荐信息之间具有第一兴趣关系；根据所述数据集合，建立第一兴趣关系模型；根据所述第一兴趣关系模型，确定目标推荐信息所对应的第一兴趣参数，所述第一兴趣参数用于表征用户对所述目标推荐信息具有的第一兴趣的程度。

技术领域

本发明涉及信息处理技术，尤其涉及一种信息处理方法及处理器。

背景技术

信息推荐被广泛应用于互联网领域。通过互联网媒介进行信息推荐时，会考虑用户的体验，现有的点击率预估模型中使用用户的反馈行为作为特征优化模型。对于用户反感的信息而言，通过用户的负反馈等统计数据对候选广告排序分值进行相应的降权处理。在线广告中，负反馈行为尤为重要，直接影响用户点击广告的概率以及用户的体验。

现有的负反馈都是采用统计数据根据人工经验配置使用，此种方式中各种反馈行为的权重以及相互影响没有被考虑。对于推荐信息而言，尚未有一个因子综合考虑多种反馈数据的影响，无法全面反应用户反感当前信息的程度。

发明内容

为解决上述技术问题，本发明实施例提供了一种信息处理方法及服务器。

本发明实施例提供的信息处理方法，包括：

获取数据集合，所述数据集合包括多个用户特征数据，其中，各个用户特征数据均表明用户与推荐信息之间具有第一兴趣关系；

根据所述数据集合，建立第一兴趣关系模型；

根据所述第一兴趣关系模型，确定目标推荐信息所对应的第一兴趣参数，所述第一兴趣参数用于表征用户对所述目标推荐信息具有的第一兴趣的程度。

本发明实施例中，所述获取数据集合，包括：

获取至少如下特征数据：显性反馈数据、隐性反馈数据、广告质量数据、用户基本数据；

从获取的所述特征数据中，选择出用户与推荐信息之间具有第一兴趣关系的用户特征数据。

本发明实施例中，所述根据所述数据集合，建立第一兴趣关系模型，包括：

根据所述数据集合，确定出第一类样本数据和第二类样本数据，所述第一类样本数据的数量小于所述第二类样本数据的数量；

对所述第二类样本数据进行采样，其中，所述第一类样本数据和采样的第二类样本数据的数量满足预设比例关系；

采用迭代决策树模型对所述第一类样本数据和采样的第二类样本数据进行模型优化处理，得到第一兴趣关系模型。

本发明实施例中，所述方法还包括：

将所述第一兴趣参数作为点击率预估模型中的特征，对所述点击率预估模型进行优化；其中，所述点击率预估模型用于表征用户点击率与点击率预估模型中各个特征之间的关联关系。

本发明实施例中，所述方法还包括：

根据所述第一兴趣参数，对候选推荐信息的排序分值进行相应的降权处理。

本发明实施例提供的服务器，包括：

获取单元，用于获取数据集合，所述数据集合包括多个用户特征数据，其中，各个用户特征数据均表明用户与推荐信息之间具有第一兴趣关系；

建立单元，用于根据所述数据集合，建立第一兴趣关系模型；

确定单元，用于根据所述第一兴趣关系模型，确定目标推荐信息所对应的第一兴趣参数，所述第一兴趣参数用于表征用户对所述目标推荐信息具有的第一兴趣的程度。

本发明实施例中，所述获取单元包括：