[发明专利]一种图集个性化推荐的方法、装置、服务器和存储介质

权利要求书

1.一种图集个性化推荐的方法，其特征在于，包括：

确定用户的视觉兴趣点；

将所述用户的视觉兴趣点与预先构建的图集资源与视觉兴趣点之间的关联关系进行匹配，得到候选图集资源；

对所述候选图集资源进行排序；

依据排序结果为用户推荐图集资源。

2.根据权利要求1所述的方法，其特征在于，所述确定用户的视觉兴趣点，包括：

从用户视觉兴趣模型所包含的视觉兴趣点中筛选得到所述用户的视觉兴趣点，其中所述用户视觉兴趣模型是预先依据用户对图集资源的历史行为构建的。

3.根据权利要求2所述的方法，其特征在于，所述从用户视觉兴趣模型所包含的视觉兴趣点中筛选得到所述用户的视觉兴趣点，包括：

依据所述用户视觉兴趣模型中包含的视觉兴趣点的点击率，依据用户对视觉兴趣点的展现次数确定的长期兴趣因子，以及依据用户对视觉兴趣点的点击时间确定的短期兴趣因子，确定所述用户视觉兴趣模型所包含的视觉兴趣点的感兴趣程度；

依据所述感兴趣程度从所述用户视觉兴趣模型所包含的视觉兴趣点中筛选得到用户的视觉兴趣点。

4.根据权利要求2所述的方法，其特征在于，所述用户视觉兴趣模型是预先依据用户对图集资源的历史行为构建的，包括：

若检测到用户对任一图集资源有展现和/或点击行为，则确定所述用户视觉兴趣模型中是否包含该图集资源的视觉兴趣点，并依据用户对该图集资讯的浏览行为，确定该图集资源的视觉兴趣点的兴趣权重值；

若不包含，且所述兴趣权重值大于权重阈值，则将该图集资源的视觉兴趣点添加到所述用户视觉兴趣模型中；

若包含，且所述兴趣权重值大于权重阈值，则在所述用户视觉兴趣模型中更新该图集资源的视觉兴趣点的兴趣权重值。

5.根据权利要求4所述的方法，其特征在于，所述将该图集资源的视觉兴趣点添加到用户视觉兴趣模型中之后，还包括：

若所述用户视觉兴趣模型中包含的视觉兴趣点的数量大于数量阈值，则依据视觉兴趣点的兴趣权重值进行视觉兴趣点清理。

6.根据权利要求1所述的方法，其特征在于，对所述候选图集资源进行排序，包括：

依据用户和所述候选图集资源的视觉相关性和文本相关性对所述候选图集资源进行排序。

7.根据权利要求6所述的方法，其特征在于，依据用户和所述候选图集资源的视觉相关性和文本相关性对所述候选图集资源进行排序，包括：

依据所述候选图集资源的点击率，用户和所述候选图集资源的视觉相关性和文本相关性，以及所述候选图集资源的时间衰减因子对所述候选图集资源进行排序。

8.根据权利要求6所述的方法，其特征在于，确定所述用户和所述候选图集资源的视觉相关性，包括：

依据所述候选图集资源中包含的属于所述用户视觉兴趣模型中的视觉兴趣点的数量，以及视觉兴趣点的兴趣权重，确定用户和所述候选图集资源的视觉相关性。

9.根据权利要求1-8任一项所述的方法，其特征在于，所述依据所述候选图集资源的点击率，用户和所述候选图集资源的视觉相关性和文本相关性，以及候选资源的时间衰减因子对所述候选图集资源进行排序之后，还包括：

对所述候选图集资源进行初步筛选；

采用预先基于深度学习训练得到的点击率预估模型，依据剩余的候选图集资源的资源特征、用户行为特征和流量侧特征预估剩余的候选图集资源的点击率；

依据预估得到的点击率对剩余的所述候选图集资源进行排序。

10.一种图集个性化推荐的装置，其特征在于，包括：

视觉兴趣点模块，用于确定用户的视觉兴趣点；

候选图集资源模块，用于将所述用户的视觉兴趣点与预先构建的图集资源与视觉兴趣点之间的关联关系进行匹配，得到候选图集资源；

初步排序模块，用于对所述候选图集资源进行排序；

推荐模块，用于依据排序结果为用户推荐图集资源。

11.根据权利要求10所述的装置，其特征在于，所述视觉兴趣点模块包括：

筛选单元，用于从用户视觉兴趣模型所包含的视觉兴趣点中筛选得到所述用户的视觉兴趣点，其中所述用户视觉兴趣模型是预先依据用户对图集资源的历史行为构建的。