[发明专利]一种媒体资源的推荐方法、服务器及计算机可读存储介质

权利要求书

1.一种媒体资源的推荐方法，其特征在于，包括：

接收终端发送的媒体资源获取请求；所述媒体资源获取请求中携带目标用户的身份标识信息及各个预设场景参数的实际值，所述预设场景参数的实际值用于描述所述目标用户当前所处的场景；

基于所述目标用户的身份标识信息确定所述目标用户的属性向量，并基于所述目标用户的属性向量及各个所述预设场景参数的实际值确定所述目标用户在其当前所处的场景下的目标特征向量；

基于所述目标特征向量、预先确定的各个预设特征向量与媒体资源置信度向量之间的对应关系，确定所述目标特征向量对应的目标媒体资源置信度向量；所述目标媒体资源置信度向量中的每个元素的值用于表征所述目标用户相对于该元素对应的预设媒体资源的得分值；

获取所述目标媒体资源置信度向量中满足预设条件的元素对应的目标媒体资源，将所述目标媒体资源发送至所述终端；

所述基于所述目标用户的属性向量及各个所述预设场景参数的实际值确定所述目标用户在其当前所处的场景下的目标特征向量，包括：

基于各个所述预设场景参数的实际值确定各个所述预设场景参数包含的各个预设分类的逻辑值，按预设顺序将所有所述预设分类的逻辑值进行排序，得到所述目标用户当前所处的场景对应的场景向量；

将所述属性向量与所述目标用户当前所处的场景对应的场景向量进行组合，得到所述目标用户的目标特征向量。

2.根据权利要求1所述的媒体资源的推荐方法，其特征在于，所述基于所述目标特征向量、预先确定的各个预设特征向量与媒体资源置信度向量之间的对应关系，确定所述目标特征向量对应的目标媒体资源置信度向量之前，所述媒体资源的推荐方法还包括：

基于预设样本集对预先建立的逻辑回归模型进行训练，确定所述逻辑回归模型包含的各个回归方程中的各个特征参量的权重；所述预设样本集中的每条数据均由一历史用户的历史特征向量及该历史用户在该历史特征向量对应的历史场景下相对于各个预设媒体资源的历史得分值构成；

确定各个预设用户在各个预设场景下的预设特征向量，将各个所述预设特征向量输入至训练好的所述逻辑回归模型中，得到各个所述预设特征向量分别对应的媒体资源置信度向量；

将各个所述预设特征向量与其对应的媒体资源置信度向量进行关联存储，得到各个预设特征向量与媒体资源置信度向量之间的对应关系。

3.根据权利要求2所述的媒体资源的推荐方法，其特征在于，所述基于预设样本集对预先建立的逻辑回归模型进行训练，确定所述逻辑回归模型包含的各个回归方程中的各个特征参量的权重之前，所述媒体资源的推荐方法还包括：

获取各个历史用户的属性向量以及每一所述历史用户所处的各个历史场景对应的场景向量，将每一所述历史用户的属性向量分别与其所处的各个历史场景对应的场景向量进行组合，得到每一所述历史用户在每一所述历史场景下的历史特征向量；

获取各个所述历史用户在其所处的各个历史场景下相对于各个所述预设媒体资源的历史点击率及历史转化率，基于所述历史点击率及所述历史转化率，确定各个所述历史用户在其所处的各个历史场景下相对于各个所述预设媒体资源的历史得分值；

将每一所述历史用户的每一所述历史特征向量与该历史用户在该历史特征向量对应的历史场景下相对于各个所述预设媒体资源的历史得分值进行关联作为一条样本数据，将所有所述样本数据构成的数据集确定为所述预设样本集。

4.根据权利要求3所述的媒体资源的推荐方法，其特征在于，所述基于所述历史点击率及所述历史转化率，确定各个所述历史用户在其所处的各个历史场景下相对于各个所述预设媒体资源的历史得分值，包括：

将各个所述历史用户在其所处的各个历史场景下相对于各个所述预设媒体资源的历史点击率及历史转化率导入预设得分值计算公式，计算各个所述历史用户在其所处的各个历史场景下相对于各个所述预设媒体资源的历史得分值；所述预设得分值计算公式为：

其中，Score_ij为用户在第i个历史场景下相对于第j个预设媒体资源的历史得分值，ClickRate_ij为用户在第i个历史场景下相对于第j个预设媒体资源的历史点击率，ConversionRate_ij为用户第i个历史场景下相对于第j个预设媒体资源的历史转化率，a为大于1的整数。