[发明专利]信息流的排序方法、装置及计算机存储介质

权利要求书

1.一种信息流的排序方法，其特征在于，所述方法包括：

根据用户特征及当前时刻状态，得到信息流推荐列表；

根据信息流推荐列表和信息流特征，得到信息流推荐列表中每一信息流物料的评分；

根据所述评分对所述信息流推荐列表中的信息流进行排序。

2.根据权利要求1所述的方法，其特征在于，根据用户特征及当前时刻状态，得到信息流推荐列表，包括：

根据所述当前时刻状态、当前时刻的回报值、下一时刻状态、用户动作以及第一映射函数，计算得到评估值；

根据所述用户特征、所述当前时刻状态、所述评估值以及第二映射函数，计算得到所述信息流推荐列表。

3.根据权利要求2所述的方法，其特征在于，通过以下公式计算得到所述当前时刻的回报值reward：

其中，click+β*read_time为所述用户动作，β为调权因子，为位置调权因子；N为信息流数量。

4.根据权利要求3所述的方法，其特征在于，所述第一映射函数的损失函数critic_loss的表达式为：

critic_loss＝reward+gamma*v_t+1-v_t；

其中，reward为所述当前时刻的回报值；gamma为平滑因子；v_t为所述当前时刻状态；v_t+1为所述下一时刻状态。

5.根据权利要求3所述的方法，其特征在于，所述第二映射函数的损失函数actor_loss的表达式为：

actor_loss＝reward_gain*td_error；

其中，td_error为所述评估值；reward_gain＝reward-origin_reward为当前时刻的回报值增益，origin_reward为原始回报值，reward为所述当前时刻的回报值。

6.根据权利要求2所述的方法，其特征在于，所述方法还包括：

获取日志信息；

根据所述日志信息中的所述当前时刻状态、所述当前时刻的回报值、所述下一时刻状态以及所述用户动作，更新所述第一映射函数；

根据所述日志信息中的所述用户特征、所述当前时刻状态以及所述评估值，更新所述第二映射函数。

7.一种信息流的排序装置，其特征在于，所述装置包括：

获取模块，用于根据用户特征及当前时刻状态，得到信息流推荐列表；

评分模块，用于根据信息流推荐列表和信息流特征，得到信息流推荐列表中每一信息流物料的评分；

排序模块，用于根据所述评分对所述信息流推荐列表中的信息流进行排序。

8.根据权利要求7所述的装置，其特征在于，所述获取模块具体用于：

根据所述当前时刻状态、当前时刻的回报值、下一时刻状态、用户动作以及第一映射函数，计算得到评估值；

根据所述用户特征、所述当前时刻状态、所述评估值以及第二映射函数，计算得到所述信息流推荐列表。

9.一种信息流的排序装置，其特征在于，所述装置包括：存储器和处理器，所述存储器用于存储指令；所述指令用于控制所述处理器进行操作，以执行如权利要求1-6中任意一项所述的信息流的排序方法。

10.一种计算机存储介质，其特征在于，其上存储有计算机程序，所述计算机程序在被处理器执行时实现如权利要求1-6中任意一项所述的信息流的排序方法。