信息推荐方法、装置、计算机设备及存储介质与流程

1.本技术实施例涉及互联网技术领域，特别涉及一种信息推荐方法、装置、计算机设备及存储介质。


背景技术：

2.在信息流推荐领域中，个性化推荐会面临推荐结果的相关性和多样性之间平衡的问题，其中，相关性是指推荐的结果和用户的兴趣偏好之间的匹配度，多样性指的是推荐的结果中包含的信息的类型、信息类别的数量；若不考虑推荐结果的多样性，那么推荐系统会一直基于用户已知的兴趣去进行推荐和利用，造成推荐结果的严重同质化，影响用户体验，通过加入多样性打散环节，可以有效的避免造成用户兴趣疲劳，并且有利于推荐系统持续探索和发现用户潜在的未知兴趣，有利于提升用户的体验和推动推荐系统生态长期健康发展。在推荐系统中，重排阶段一般是推荐系统的最后一个模块，距离用户层面最近，这个阶段的策略对用户影响也最直接，因此，多样性打散环节也大都设置在推荐重排阶段。
3.在相关技术中，通常基于规则约束的打散方法对当前刷新次数下的待推荐信息的推荐顺序进行打散，以保证当前刷新次数内的推荐结果的多样性。
4.然而，上述打散方法的作用效果仅能保证单次刷新次数下推荐结果的多样性，若将推荐序列拉长，扩展到以往刷新次数的推荐序列，短期内的各刷新次数的推荐结果类目会有高度重复率情况，从而造成不同刷新次数间推荐内容的同质化，影响推荐效果。


技术实现要素：

5.本技术实施例提供了一种信息推荐方法、装置、计算机设备及存储介质，可以避免同一目标用户在短时间内接收到多次信息推荐，避免目标用户被频繁打扰的情况，从而提高用户体验，以及提高信息推荐的效果。该技术方案如下：
6.一方面，提供了一种信息推荐方法，所述方法包括：
7.统计各类信息在n个历史刷新次数内各自的历史推荐次数之和；n为正整数；
8.在当前刷新次数内为目标类信息增加对应的临时规则，所述临时规则用于指示所述目标类信息在当前刷新次数的第一单位推荐窗口内的推荐数量约束条件；所述目标类信息是各类信息中历史推荐次数之和与对应的推荐次数阈值之间的关系满足设定条件的类信息；
9.基于所述临时规则以及各类信息对应的固有规则，生成当前刷新次数内的信息推荐序列；所述固有规则用于指示所对应的类信息在第二单位推荐窗口内的最大可推荐数量；其中，针对目标类信息，基于对应的固有规则确定的推荐频率与基于对应的临时规则确定的推荐频率不同；
10.对信息推荐序列内的各个待推荐信息进行信息推荐。
11.另一方面，提供了一种信息推荐装置，所述装置包括：
12.次数统计模块，用于统计各类信息在n个历史刷新次数内各自的历史推荐次数之
和；n为正整数；
13.规则增加模块，用于在当前刷新次数内为目标类信息增加对应的临时规则，所述临时规则用于指示所述目标类信息在当前刷新次数的第一单位推荐窗口内的推荐数量约束条件；所述目标类信息是各类信息中历史推荐次数之和与对应的推荐次数阈值之间的关系满足设定条件的类信息；
14.序列生成模块，用于基于所述临时规则以及各类信息对应的固有规则，生成当前刷新次数内的信息推荐序列；所述固有规则用于指示所对应的类信息在第二单位推荐窗口内的最大可推荐数量；其中，针对所述目标类信息，基于对应的固有规则确定的推荐频率与基于对应的所述临时规则确定的推荐频率不同；
15.信息推荐模块，用于对信息推荐序列内的各个待推荐信息进行信息推荐。
16.在一种可选的实现方式中，所述规则增加模块，用于，
17.在所述目标类信息的历史推荐次数之和大于所述目标类信息对应的第一推荐次数阈值的情况下，在当前刷新次数内为所述目标类信息增加对应的用于降低推荐频率的临时规则；
18.在所述目标类信息的历史推荐次数之和小于所述目标类信息对应的第二推荐次数阈值的情况下，在当前刷新次数内为所述目标类信息增加对应的用于提高推荐频率的临时规则，其中，临时规则的应用优先级高于固有规则的应用优先级，第一推荐次数阈值大于第二推荐次数阈值。
19.在一种可选的实现方式中，在所述目标类信息的历史推荐次数之和大于所述目标类信息对应的第一推荐次数阈值的情况下，所述临时规则用于指示所述目标类信息在当前刷新次数的第一单位推荐窗口内的最大可推荐数量；
20.所述目标类信息的临时规则对应的第一推荐比例小于所述目标类信息的固有规则对应的第二推荐比例；
21.其中，推荐比例是指规则所指示的最大可推荐数量与对应的单位推荐窗口所能包含的待推荐信息的最大数量之间的比例。
22.在一种可选的实现方式中，在所述目标类信息的历史推荐次数之和小于所述目标类信息对应的第二推荐次数阈值的情况下，所述临时规则用于指示所述目标类信息在当前刷新次数的第一单位推荐窗口内的最小推荐数量。
23.在一种可选的实现方式中，所述序列生成模块，包括：
24.序列获取子模块，用于获取原始推荐序列，所述原始推荐序列是对各个待推荐信息进行信息精排后获得的推荐序列；
25.序列生成子模块，用于根据各类信息的推荐规则对所述原始推荐序列中的各个待推荐信息进行排序调整，生成当前刷新次数内的信息推荐序列；各类信息中包含所述目标类信息以及非目标类信息，所述目标类信息对应的推荐规则中包含固有规则以及临时规则，所述非目标类信息对应的推荐规则中包含固有规则。
26.在一种可选的实现方式中，各个规则具有对应的应用优先级；
27.所述序列生成子模块，用于在基于第一规则确定的信息排序与基于第二规则确定的信息排序存在冲突的情况下，基于所述第一规则确定的信息排序生成当前刷新次数内的信息推荐序列；
28.其中，所述第一规则与所述第二规则分别为两类信息各自的推荐规则，或者，所述第一规则与所述第二规则为同一类信息的不同规则；所述第一规则的应用优先级高于所述第二规则的应用优先级。
29.在一种可选的实现方式中，所述装置还包括：
30.存储模块，用于在数据库中存储在m个历史刷新次数内的各类信息的历史推荐次数；m≥n，m为正整数；
31.删除模块，用于在历史刷新次数大于m时，将最早的历史刷新次数下存入所述数据库中的各类信息的历史推荐次数删除。
32.在一种可选的实现方式中，所述装置还包括：
33.规则销毁模块，用于在完成当前刷新次数内的信息推荐之后，销毁所述目标类信息对应的临时规则。
34.另一方面，提供了一种计算机设备，所述计算机设备包含处理器和存储器，所述存储器存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行以实现上述的信息推荐方法。
35.另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条计算机程序，所述计算机程序由处理器加载并执行以实现上述的信息推荐方法。
36.另一方面，提供了一种计算机程序产品，所述计算机程序产品包括至少一条计算机程序，所述计算机程序由处理器加载并执行以实现上述各种可选实现方式中提供的信息推荐方法。
37.本技术提供的技术方案可以包括以下有益效果：
38.本技术实施例提供的信息推荐方法，在进行信息推荐之前，统计各类信息在n个历史刷新次数内各自的历史推荐次数之和，在目标类信息的历史推荐次数之和与对应的推荐次数阈值之间的关系满足设定条件的情况下，说明需要更改对目标类信息的推荐策略，在当前刷新次数内为目标类信息增加对应的临时规则；之后基于目标类信息的临时规则与各类信息的固有规则，生成当前刷新次数内的信息推荐序列，以根据该信息推荐序列指示的推荐顺序对各个待推荐信息进行信息推荐，其中，针对所述目标类信息，基于对应的固有规则确定的推荐频率与基于对应的临时规则确定的推荐频率不同。通过上述方法，在进行当前刷新次数下的信息推荐时，计算机设备能够结合各信息类别在历史刷新次数下的历史推荐情况对推荐规则进行规则调整，通过临时规则调整各类信息中目标类信息的推荐频率，从而实现对目标类信息的推送控制，也使得当前刷新次数下的信息推荐序列与历史刷新次数下的信息推荐序列不同，从而增加刷新次数间的信息推荐的多样性。
39.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
40.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
41.图1示出了本技术一示例性实施例提供的基于规则约束的打散方法进行序列调整的示意图；
42.图2示出了本技术一示例性实施例提供的信息推荐方法的流程图；
43.图3示出了本技术一示例性实施例提供的信息推荐方法的流程图；
44.图4示出了本技术一示例性实施例提供的各类信息的推荐规则生成信息推荐序列的过程示意图；
45.图5示出了本技术一示例性实施例提供的信息推荐装置的方框图；
46.图6示出了本技术一示例性实施例示出的计算机设备的结构框图；
47.图7示出了本技术一示例性实施例示出的计算机设备的结构框图。
具体实施方式
48.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
49.相关技术中关于重排多样性的打散方法包含基于规则约束的打散方法，基于启发式方法，如mmr(maximal marginal relevance，最大边界相关法)、dpp(determinantal point process，行列式点过程)，以及基于深度模型打散方法等；其中，基于规则约束的发散方相比其他方法泛化能力较弱，但不易出现badcase，而且简单可控，解释性强，所以目前主流的多样性打散技术仍是基于规则约束的打散方法。基于规则约束的打散方法中最常用的就是滑动窗口打散方法，其方案思想为，首先设置好滑动窗口的规格大小，之后在滑动窗口内，同类目属性的item对象超过规则设定的频次后，就将后续序列中满足规则约束item对象调至此位置，该位置的原item顺次后移，直至该窗口内所有item都满足规定的规则约束，如遇特殊情况，即没有符合规则约束item对象，窗口可继续后移，直到滑动窗口调整完整个序列，这种方法对原来序列的顺序破坏程度比较低，可以最大限度的保留相关性；下面给出一个滑动窗口规则案例的实施方法，图1示出了本技术一示例性实施例提供的基于规则约束的打散方法进行序列调整的示意图，如图1所示，原始序列110中包含按照推荐排序分排好序的9个item对象，假设定义的规则约束为：在一个size为3的推荐窗口内，不出现同种信息类别item对象，那么随着滑动窗口的移动，会出现如下判断过程以及item对象位置调整过程：
50.第1窗口，item2和item3属于同一种信息类别，不符合规则约束，寻找后续满足规则约束的item对象调至窗口内，item4与item1属于同一种同信息类别，不满足规则约束，item5满足规则约束，则将item5调整到原item3所在的位置，其他相应元素顺次后移，至此，第1窗口内所有item满足规则约束。
51.第2窗口，item2和item3属于同一种信息类别，后续对象item4满足规则约束，将item4调至窗口内，至此，第2窗口内所有item满足规则约束。
52.第3窗口，第3窗口内所有item满足规则约束，无需调整，窗口继续后滑。
53.第4窗口，第4窗口内所有item满足规则约束，无需调整，窗口继续后滑。
54.第5窗口，item6和item7属于同一种信息类别，后续对象item8满足，将item8调至窗口内，至此，第5窗口内所有item满足规则约束。
55.第6窗口，item6和item7属于同一种信息类别，后续对象只有item9，但item9与
item8属于同一种信息类别，无法满足窗口规则约束，不做处理，窗口继续后滑。
56.第7窗口，该序列的最后一个窗口，item8与item9属于同一种信息类别，后续无可调整的item对象，不做处理，至此，整个序列的滑动窗口操作调整结束。
57.然而上述多样性打散方法，都是对当前用户一个刷新次数内的待推荐信息进行多样性打散，即只考虑了当前一次请求的推荐结果的打散情况，缺少时序多样性，其中，时序多样性是指与过去一段时间内的推荐结果相对比、新的推荐结果出现的多样性。如果只在一个刷新次数内考虑打散情况，虽然当前刷新次数内的结果保证了多样性，但把推荐序列拉长，扩展到以往刷新次数的推荐序列，短期内的各刷新次数的推荐结果中会出现类目高度重复的情况，因为推荐排序模型一般很难实时捕捉用户的兴趣的变化，会一直基于以往的用户兴趣进行推荐排序，进而会造成不同刷新次数间推荐内容同质化。
58.为了解决相关技术中的多样性打散方式中存在的问题，本技术提供了一种信息推荐方法，可以使各刷新次数之间也能保证推荐结果的多样性，图2示出了本技术一示例性实施例提供的信息推荐方法的流程图，该信息推荐方法可以由计算机设备执行，该计算机设备可以实现为服务器或者终端，如图2所示，该信息推荐方法可以包括以下步骤：
59.步骤210，统计各类信息在n个历史刷新次数内各自的历史推荐次数之和；n为正整数。
60.为了保证统计获得的历史推荐次数的即时性，该历史刷新次数可以是距离当前刷新次数较近的n个历史刷新次数，比如，统计各类信息在近3个刷新次数内各自的历史推荐次数之和；n的取值可以由相关人员进行设置，本技术对此不进行限制。n的数值用于指示跨刷新次数打散的维度，即指示在n个刷新次数间进行打散。
61.各类信息的历史推荐次数是指在历史刷新次数内，属于各个信息类别的信息(即各类信息)各自被推荐给用户的次数。
62.在一种可选的实现方式中，信息类别可以是基于信息所属的信息领域进行划分的，比如，基于娱乐，科技，生活等信息领域划分的信息类别；或者，在另一种可选的实现方式中，信息类别可以是基于信息的发布账号进行划分，比如，按照账号a发布的信息，账号b发布的信息等划分的信息类别；信息类别的划分方式可以由相关人员进行设置，本技术对此不进行限制。
63.步骤220，在当前刷新次数内为目标类信息增加对应的临时规则，该临时规则用于指示目标类信息在当前刷新次数的第一单位推荐窗口内的推荐数量约束条件；目标类信息是各类信息中历史推荐次数之和与对应的推荐次数阈值之间的关系满足设定条件的类信息。
64.目标类信息是属于目标信息类别的信息；目标信息类别是指当前刷新次数内包含的多个待推荐信息所属的信息类别中、对应的历史推荐次数之和与其对应的推荐次数阈值之间的关系满足设定条件的信息类别。该设定条件可以是对应于历史推荐次数之和与对应的推荐次数阈值之间的数值关系的条件。
65.在本技术实施例中，计算机设备对应于不同的信息类别可以设置有不同的推荐次数阈值；该推荐次数阈值的设置可以用于限制在n个刷新次数内的最大推荐数量，或者，也可以用于约束在n个刷新次数内的最小推荐数量；当目标类信息在n个历史刷新次数内的历史推荐次数之和与其对应的推荐次数阈值满足设定条件时，表示需要对目标类信息的推荐
频次进行调整，在当前刷新次数内为目标类信息增加对应的临时规则，以对目标类信息进行推荐约束或者增加目标类信息的推荐量，以实现在当前刷新次数内对目标类信息进行打散的目的。
66.各个信息类别对应的推荐次数阈值可以由相关人员基于实际需求进行不同的设置，本技术对此不进行限制。
67.该推荐数量约束条件可以是用于约束目标类信息在第一单位推荐窗口内的最大推荐数量的约束条件，也可以是用于约束目标类信息在第一单位推荐窗口内的最小推荐数量的约束条件，可以基于实际情况对推荐数量约束条件进行设定。
68.步骤230，基于临时规则以及各类信息对应的固有规则，生成当前刷新次数内的信息推荐序列；该固有规则用于指示所对应的类信息在第二单位推荐窗口内的最大可推荐数量；其中，针对目标类信息，基于对应的固有规则确定的推荐频率与基于对应的临时规则确定的推荐频率不同。
69.该推荐频率用于表征单位时间内的推荐数量；该临时规则可以用于实现对目标类信息的推荐数量的控制。
70.在本技术实施例中，目标类信息的固有规则与临时规则叠加作用于目标类信息在信息推荐序列中的排序，因此，在生成当前刷新次数内的信息推荐序列时，需要使得信息推荐序列中目标类信息的排序位置尽可能同时满足其对应的固有规则与临时规则，从而达到对目标类信息进行重新排序的目的；在无法同时满足其对应的固有规则与临时规则时，可以优先满足优先级较高的规则。
71.在信息推荐序列的生成过程中，计算机设备会对当前刷新次数内包含的多个待推荐信息所属的信息类别均进行规则增加判断，以从各类信息中确定出目标类信息，其中，规则增加判断是指确定是否为信息类别增加对应的临时规则的判断过程，即在进行规则增加判断的信息类别对应的历史推荐之和与其对应的推荐次数阈值满足设定条件的情况下，确定该信息类别为目标信息类别并对该信息类别下的待推荐信息增加相应的临时规则，以基于该信息类别对应的临时规则以及固有规则对该信息类别下的待推荐信息进行排序；而在进行规则增加判断的信息类别对应的历史推荐之和与其对应的推荐次数阈值不满足设定条件的情况下，确定该信息类别为非目标信息类别，基于其对应的固有规则对该信息类别下的待推荐信息进行排序。其中，各个信息类别对应的临时规则可以相同也可以不同，各个信息类别对应的固有规则可以相同也可以不同，本技术对此不进行限制。
72.在完成对当前推荐次数内的各个信息类别的规则增加判断后，按照各个信息类别各自对应的规则对各类信息进行排序调整，获得信息推荐序列，该信息推荐序列中的信息排序尽可能符合各个信息类别各自的规则。
73.步骤240，对信息推荐序列内的各个待推荐信息进行信息推荐。
74.按照信息推荐序列指示的推荐顺序，对各个待推荐信息依次进行推荐。
75.综上所述，本技术实施例提供的信息推荐方法，在进行信息推荐之前，统计各类信息在n个历史刷新次数内各自的历史推荐次数之和，在目标类信息的历史推荐次数之和与目标类信息对应的推荐次数阈值之间的关系满足设定条件的情况下，说明需要更改对目标类信息的推荐策略，在当前刷新次数内为目标类信息增加对应的临时规则；之后基于目标类信息的临时规则与各类信息的固有规则，生成当前刷新次数内的信息推荐序列，以根据
该信息推荐序列指示的推荐顺序对各个待推荐信息进行信息推荐，其中，针对目标类信息，基于对应的固有规则确定的推荐频率与基于对应的临时规则确定的推荐频率不同。通过上述方法，在进行当前刷新次数下的信息推荐时，计算机设备能够结合各信息类别在历史刷新次数下的历史推荐情况对推荐规则进行规则调整，通过临时规则调整各类信息中目标类信息的推荐频率，从而实现对目标类信息的推送控制，也使得当前刷新次数下的信息推荐序列与历史刷新次数下的信息推荐序列不同，从而增加刷新次数间的信息推荐的多样性。
76.在一个可选的应用场景中，为目标类信息增加对应的临时规则是为了限制目标类信息在当前刷新次数下的推荐次数，从而避免不同刷新次数之间的刷新结果同质化。在另一个可选的应用场景中，为目标类信息增加对应的临时规则是为了增加目标类信息在当前刷新次数下的推荐次数，从而增加目标类信息的推荐量；图3示出了本技术一示例性实施例提供的信息推荐方法的流程图，该信息推荐方法可以由计算机设备执行，该计算机设备可以实现为服务器或者终端，如图3所示，该信息推荐方法可以包含以下步骤。
77.步骤310，统计各类信息在n个历史刷新次数内各自的历史推荐次数之和；n为正整数。
78.在本技术实施例中，计算机设备可以从数据库中获取各类信息在n个历史刷新次数内各自的历史推荐次数，以计算各类信息各自的历史推荐次数之和。
79.为了降低数据库的存储压力，在本技术实施例中，该方法还包括：
80.在数据库中存储在m个历史刷新次数内的各类信息的历史推荐次数；m≥n，m为正整数；
81.在历史刷新次数大于m时，将最早的历史刷新次数下存入数据库中的各类信息的历史推荐次数删除。
82.也就是说，数据库中只记录m个刷新次数内曝光给用户的信息的类别信息，若用户最近的刷新次数超过m个刷新次数，则最早的刷新次数下存入数据库的各个信息类型的信息的历史推荐次数的记录删除，只保留最近m个刷新次数下各个信息类型的信息的历史推荐次数的记录，从而降低数据库的数据存储压力。
83.在本技术实施例中，该数据库可以是图存储数据库。
84.计算机设备可以从数据库中获取最近n个刷新次数下各类信息的历史推荐次数；在数据库中记录的历史刷新次数小于n时，则统计数据库中已记录的历史刷新次数下的各类信息的历史推荐次数，此时，n的数值等于数据库中已记录的历史刷新次数的数值；示意性的，若计算机设备需从数据库中获取最近5个刷新次数下各类信息的历史推荐次数，即n＝5，但此时尚未进行5次刷新，数据库中仅记录有3个刷新次数下的各类信息的历史推荐次数，则提取这3个刷新次数下各类信息的历史推荐次数，进行次数统计和判断，此时n＝3。
85.步骤320，在当前刷新次数内为目标类信息增加对应的临时规则，该临时规则用于指示目标类信息在当前刷新次数的第一单位推荐窗口内的推荐数量约束条件；目标类信息是各类信息中历史推荐次数之和与对应的推荐次数阈值之间的关系满足设定条件的类信息。
86.在同一判断过程中，可以同时进行多种类型的规则增加判断，示意性的，若计算机设备设置3个历史刷新次数内同一发布账号下的信息的最大推荐次数阈值为5，3个历史刷新次数内同一信息领域下的信息的最大推荐次数阈值为12等等，此时，计算机设备需要统
计各个发布账号在3个历史刷新次数内各自的历史推荐次数之和，以及统计各个信息领域在3个历史刷新次数内各自的历史推荐次数之和，并将这6个历史推荐次数之和分别与对应的推荐次数阈值进行比较，以确定是否需要为对应的信息类别增加临时规则；比如，若发布账号a在3个历史刷新次数内的历史推荐次数之和为4，小于5，则不增加临时规则，而发布账号b在3个历史刷新次数内的历史推荐次数之和为6，大于5，则增加对应的临时规则。需要说明的是，上述推荐次数阈值的设置仅为示意性的，不同信息类别对应的推荐次数阈值可以相同，也可以不同，各个信息类别对应的临时规则可以相同，也可以不同。
87.在本技术实施例中，各个信息类别均对应有固有规则，该固有规则用于指示所对应的类信息在第二单位推荐窗口内的最大可推荐数量。各个信息类别对应的固有规则的可以相同，比如，各个信息类别对应的固有规则为“在一个size为3的单位推荐窗口内，不出现同种信息类别信息。”；或者，各个信息类别各自对应的固有规则也可以不同，比如，信息类别1对应的固有规则为“在一个size为3的单位推荐窗口内，最多出现2次”，信息类别2对应的固有规则为“在一个size为2的单位推荐窗口内，最多出现1次”等等，各个信息类别的固有规则均可以基于实际需求进行设置，本技术对此不进行限制。
88.在一种可选的情况下，在目标类信息的历史推荐次数之和大于目标类信息对应的第一推荐次数阈值的情况下，在当前刷新次数内为目标类信息增加对应的用于降低推荐频率的临时规则。
89.该第一推荐次数阈值用于限制目标类信息在n个历史刷新次数内的最大推荐数量。在此情况下，该临时规则用于指示目标类信息在当前刷新次数的第一单位推荐窗口内的最大可推荐数量。
90.为了实现对目标类信息的推荐数量进行控制的效果，在本技术实施例中，在临时规则用于限制目标类信息的推荐数量时，目标类信息的临时规则对应的第一推荐比例小于目标类信息的固有规则对应的第二推荐比例；
91.其中，推荐比例是指规则所指示的最大可推荐数量的数值与对应的单位推荐窗口所能包含的待推荐信息的最大数量之间的比例。
92.为实现上述需求，在一种可选的情况下，临时规则中的第一单位推荐窗口的规格与固有规则中第二单位推荐窗口的规格相同，但临时规则中指示的最大可推荐数量小于固有规则中指示的最大可推荐数量，其中，单位推荐窗口的规格用于指示在一个单位推荐窗口内所能包含的待推荐信息的数量；或者，在另一种可选的情况下，临时规则中指示的最大可推荐数量与固有规则中指示的最大可推荐数量相同，但第一单位推荐窗口的规格大于第二单位推荐窗口的规则；或者，在另一种可选的情况下，第一单位推荐窗口的规格与第二单位推荐窗口的规则不同，固有规则对应的最大可推荐数量与临时规则对应的最大可推荐数量也不同，但满足第一推荐比例小于第二推荐比例的条件，比如，临时规则可以是“在一个size为5的单位推荐窗口内，最多出现2次”，固有规则为“在一个size为4的单位推荐窗口内，最多出现3次”等等。
93.可选的，单位推荐窗口的类型包括滑动窗口以及头部窗口中的至少一种。在本技术实施例中，以单位推荐窗口的类型为滑动窗口为例对本技术提供的信息推荐方法进行说明。
94.以按照信息领域进行信息类别划分为例，以下示意性的示出一个临时规则的添加
过程：
95.示意性的，各个信息领域的固有规则的定义形式如下：
96."id＝1；class＝slide window；tag＝1001；priority＝1；args＝5,1；"
97.其中，id为规则的编号，一个规则对应一个id；class为窗口规则类型，slide window为滑动窗口规则，top window为头部固定窗口规则，上述固有规则中有滑动窗口规则；tag为对符合条件的信息的标记，表示一种规则的类别，比如各个信息领域的固有规则的tag定义为1001，每个tag还会携带这个tag的信息领域标识，用于区分具体信息领域，如各个信息领域包含娱乐明星、社会、军事、搞笑等等，固有规则只会具有相同信息领域标识的信息进行打散，比如对娱乐明星领域打散，该领域下的信息上会标记1001，同时会记录一个指示“娱乐明星”的信息领域标识，对社会领域打散，该领域下的信息上也会标记1001，同时会记录一个指示“社会”的信息领域标识，它们同属于tag＝1001下的规则，共享同样的规则约束，但该规则约束只对具有同一信息领域标识的信息有效；priority代表优先级，窗口规则有冲突时，优先级高的生效；args中的第一个参数代表窗口大小，示例中的规则表示定义一个size大小为5的单位推荐窗口，第二个参数为该单位推荐窗口中对应的信息领域的信息最多能够出现几次，示例中的规则中1代表最多可以出现1次。
98.若3个历史刷新次数内同类别信息领域出现次数超过12次，则对3个历史刷新次数内曝光次数超过12次的信息领域增加临时规则：
99."id＝2；class＝slide window；tag＝1002；priority＝1；args＝6,1；"
100.例如，3个历史刷新次数内有“娱乐明星”和“社会”这两个信息领域的曝光给用户出现的次数超过12次，那么对本次刷新次数内的这两个信息领域的待推荐信息打上tag，tag序号记为1002，此临时规则为在size大小为6的单位推荐窗口内最多只能出现1个，此时对于“娱乐明星”和“社会”这两个信息领域的待推荐信息而言，各个待推荐信息具有2个tag，即1001与1002，而除这两个信息领域之外的其他信息领域下的待推荐信息具有1个tag，即1001。
101.在另一种可选的情况下，在目标类信息的历史推荐次数之和小于目标类信息对应的第二推荐次数阈值的情况下，在当前刷新次数内为目标类信息增加对应的用于提高推荐频率的临时规则，其中，该临时规则的应用优先级高于固有规则的应用优先级，第一推荐次数阈值大于第二推荐次数阈值。
102.该第二推荐次数阈值用于限制目标类信息在n个历史刷新次数内的最小推荐数量。
103.在同一类信息在n个历史刷新次数内同时具有最高推荐次数限制和最低推荐次数限制时，其对应的第二推荐次数阈值小于第一推荐次数阈值。
104.由于目标类信息的临时规则与固有规则同时作用于目标类信息的排序，且在临时规则用于提高目标类信息的推荐频率时，可能存在与固有规则确定的信息排序存在冲突的情况，因此，需要将临时规则的应用优先级设定为高于固有规则的应用优先级，从而确保达到提高目标类信息的推荐频率的目的。
105.可选的，该临时规则可以用于指示目标类信息在当前刷新次数的第一单位推荐窗口内的最大可推荐数量，此时，该临时规则对应的第一推荐比例大于其固有规则对应的第二推荐比例；比如，固有规则为“在一个size为4的单位推荐窗口内，最多出现2次”，临时规
则可以为“在一个size为4的单位推荐窗口内，最多出现3次”。
106.然而，通过对单位推荐窗口内最大可推荐数量的更改来提高目标类信息的推荐频率具有不稳定性和不确定性；因此在另一种可选的实现方式中，在目标类信息的历史推荐次数之和小于目标类信息对应的第二推荐次数阈值的情况下，临时规则用于指示目标类信息在当前刷新次数的第一单位推荐窗口内的最小推荐数量。
107.也就是说，在目标类信息的固有规则指示在第二单位推荐窗口内的最大推荐数量，但其临时规则指示在第一单位推荐窗口内的最小推荐数量，并优先满足临时规则，以保证目标类信息在第一单位推荐窗口内出现最小推荐数量对应的次数，从而有效提高目标类信息的推荐频率。比如，固有规则为“在一个size为4的单位推荐窗口内，最多出现2次”，临时规则设置为“在一个size为4的单位推荐窗口内，最少出现2次”，此时，在目标类信息排序时可以同时满足固有规则与临时规则，两者并不冲突，但在实际进行信息排序时也会存在满足临时规则但不满足固有规则的情况；但若临时规则为“在一个size为4的单位推荐窗口内，最多出现3次”，临时规则与固有规则存在冲突，此时，基于优先级的设置，优先满足临时规则。
108.步骤330，获取原始推荐序列，该原始推荐序列是对各个待推荐信息进行信息精排后获得的推荐序列。
109.其中，信息精排是基于各个待推荐信息的排序分数进行排序的过程。
110.步骤340，根据各类信息的推荐规则对原始推荐序列中的各个待推荐信息进行排序调整，生成当前刷新次数内的信息推荐序列；各类信息中包含目标类信息以及非目标类信息，该目标类信息对应的推荐规则中包含固有规则以及临时规则，非目标类信息对应的推荐规则中包含固有规则。
111.在本技术实施例中，计算机设备可以创建一个空序列，该空序列中可以包含k个待推荐信息，k为正整数；根据各类信息的推荐规则，按照原始推荐序列的排列顺序选择满足各类信息各自对应的推荐规则的信息，并依次填充到该空序列中，考虑到各规则间的冲突情况，在一种可选的实现方式中，各个规则具有对应的应用优先级；
112.在基于第一规则确定的信息排序与基于第二规则确定的信息排序存在冲突的情况下，基于第一规则确定的信息排序生成当前刷新次数内的信息推荐序列；
113.其中，第一规则与第二规则分别为两类信息各自的推荐规则，或者，第一规则与第二规则为同一类信息的不同规则；第一规则的应用优先级高于第二规则的应用优先级。
114.也就是说，在按照各个规则在空序列中填入待推荐信息时，若两个规则之间存在冲突，则优先按照优先级较高的规则对待推荐信息进行排序。
115.上述规则之间的优先级比较可以存在于不同类信息各自的规则之间，比如，不同类信息的各自的固有规则之间的优先级比较；也可以存在于同一类信息的不同规则之间，比如，同一类信息的固有规则与临时规则之间的优先级比较等等，通过优先级的设置，可以使得规则设置更加灵活和可调节，从而使得信息推荐方法能够适应各个场景。
116.若某一位置无满足规则的待推荐信息可填充，则用原始序列中还未被选中的、排序最靠前的待推荐信息填充，直至空序列填充完毕，生成信息推荐序列。
117.或者，在另一种可选的情况下，计算机设备也可以基于各类信息的推荐规则对原始推荐序列中各个待推荐信息的位置进行调整，将不符合推荐规则的待推荐信息顺次后
移，直至整个序列的滑动窗口操作结束，生成信息推荐序列。
118.示意性的，以填充空序列的方式生成信息推荐序列为例，图4示出了本技术一示例性实施例提供的各类信息的推荐规则生成信息推荐序列的过程示意图，如图4所示，原始序列410中包含按照推荐排序排好序的9个item对象(即待推荐信息)，假设定义一个固有规则为“在一个size为3的第二单位推荐窗口内，不出现同种信息类别待推荐信息。”，以限制信息的推荐频率为例，历史推荐次数之和的判定条件为“3刷内同作者最大出现次数阈值参数为5”，临时规则为“在一个size为5的第一单位推荐窗口内，不出现同种信息类别待推荐信息。”将其作用于如图1所示的原始推荐序列，item2和item3所属的信息类别满足上述历史推荐次数之和的判定条件，即item2和item3在序列中的位置需满足临时规则；创建一个空序列420，随着滑动窗口的移动，在空序列中填入各个item对象，会出现如下判断过程以及item对象位置调整过程：
119.第1窗口，item2和item3属于同一种信息类别，不符合固有规则，寻找后续满足规则约束的item对象调至窗口内，item4与item1属于同一种同信息类别，不满足固有规则，item5满足固有规则，则将item5调整到原item3所在的位置，原item3顺次后移，至此，第1窗口内所有item满足固有规则。
120.第2窗口，item2和item3属于同一种信息类别，后续对象item4满足固有规则，将item4调至窗口内，至此，第2窗口内所有item满足固有规则。
121.第3窗口，第3窗口内所有item满足固有规则，但item2和item3不满足临时规则，后续对象item6和item7与item5是共用同一信息领域，不满足固有规则，item8满足固有规则，则将item8调至窗口内，原item3顺次后移，至此，第3窗口内所有item满足固有规则，且item2和item3满足临时规则。
122.第4窗口，第4窗口内所有item满足规则约束，无需调整，窗口继续后滑。
123.第5窗口，在将item6添加到空序列中后，第5窗口内所有item满足规则约束，无需调整，窗口继续后滑。
124.第6窗口，item7和item6属于同一种信息类别，后续对象item9满足固定条件，将item9添加到空序列中，第6窗口内所有item满足固有规则。
125.第7窗口，该序列的最后一个窗口，item7和item6属于同一种信息类别，后续无可调整对象，不做处理，至此，整个序列的滑动窗口操作调整结束。
126.需要说明的是，图4所示的固有规则、临时规则、以及对历史推荐次数之和的判定条件均为示意性的，应用过程中可以基于实际需求进行多种规则的设定和组合，本技术对此不进行限制。
127.步骤350，对信息推荐序列内的各个待推荐信息进行信息推荐。
128.在本技术实施例中，在完成当前刷新次数内的信息推荐之后，销毁目标类信息对应的临时规则。
129.也就是说，对于目标类信息的临时规则仅在当前刷新次数内有效，在当前刷新次数结束时，销毁应用在当前刷新次数内的临时规则；在下一刷新次数时，重新进行是否增加临时规则的判断过程和设置过程。
130.在完成当前刷新次数内的信息推荐之后，将本次刷新次数内的推荐结果写入数据库，以供后续刷新次数进行历史刷新次数统计和判断。
131.综上所述，本技术实施例提供的信息推荐方法，在进行信息推荐之前，统计各类信息在n个历史刷新次数内各自的历史推荐次数之和，在目标类信息的历史推荐次数之和与对应的推荐次数阈值之间的关系满足设定条件的情况下，说明需要更改对目标类信息的推荐策略，在当前刷新次数内为目标类信息增加对应的临时规则；之后基于目标类信息的临时规则与各类信息的固有规则，生成当前刷新次数内的信息推荐序列，以根据该信息推荐序列指示的推荐顺序对各个待推荐信息进行信息推荐，其中，针对目标类信息，基于对应的固有规则确定的推荐频率与基于对应的临时规则确定的推荐频率不同。通过上述方法，在进行当前刷新次数下的信息推荐时，计算机设备能够结合各信息类别在历史刷新次数下的历史推荐情况对推荐规则进行规则调整，通过临时规则调整各类信息中目标类信息的推荐频率，从而实现对目标类信息的推送控制，也使得当前刷新次数下的信息推荐序列与历史刷新次数下的信息推荐序列不同，从而增加刷新次数间的信息推荐的多样性。
132.同时，在目标类信息的推荐频率过高时，可以通过增加的临时规则限制目标类信息的推送；在目标类信息的推荐频率过低时，可以通过增加临时规则提高目标类信息的推送，从而使得信息推送的调整更加灵活和符合实际需求。
133.图5示出了本技术一示例性实施例提供的信息推荐装置的方框图，该信息推荐装置可以用于执行如图2或图3所示实施例的全部或部分步骤，如图5所示，该信息推荐装置可以包括：
134.次数统计模块510，用于统计各类信息在n个历史刷新次数内各自的历史推荐次数之和；n为正整数；
135.规则增加模块520，用于在当前刷新次数内为目标类信息增加对应的临时规则，所述临时规则用于指示所述目标类信息在当前刷新次数的第一单位推荐窗口内的推荐数量约束条件；所述目标类信息是各类信息中历史推荐次数之和与对应的推荐次数阈值之间的关系满足设定条件的类信息；
136.序列生成模块530，用于基于所述临时规则以及各类信息对应的固有规则，生成当前刷新次数内的信息推荐序列；所述固有规则用于指示所对应的类信息在第二单位推荐窗口内的最大可推荐数量；其中，针对所述目标类信息，基于对应的固有规则确定的推荐频率与基于对应的临时规则确定的推荐频率不同；
137.信息推荐模块540，用于对信息推荐序列内的各个待推荐信息进行信息推荐。
138.在一种可选的实现方式中，所述规则增加模块520，用于，
139.在所述目标类信息的所述历史推荐次数之和大于所述目标类信息对应的第一推荐次数阈值的情况下，在当前刷新次数内为所述目标类信息增加对应的用于降低推荐频率的临时规则；
140.在所述目标类信息的历史推荐次数之和小于所述目标类信息对应的第二推荐次数阈值的情况下，在当前刷新次数内为所述目标类信息增加对应的用于提高推荐频率的临时规则，其中，临时规则的应用优先级高于固有规则的应用优先级，第一推荐次数阈值大于第二推荐次数阈值。
141.在一种可选的实现方式中，在所述目标类信息的历史推荐次数之和大于所述目标类信息对应的第一推荐次数阈值的情况下，所述临时规则用于指示所述目标类信息在当前刷新次数的第一单位推荐窗口内的最大可推荐数量；
142.所述目标类信息的临时规则对应的第一推荐比例小于所述目标类信息的固有规则对应的第二推荐比例；
143.其中，推荐比例是指规则所指示的最大可推荐数量与对应的单位推荐窗口所能包含的待推荐信息的最大数量之间的比例。
144.在一种可选的实现方式中，在所述目标类信息的历史推荐次数之和小于所述目标类信息对应的第二推荐次数阈值的情况下，所述临时规则用于指示所述目标类信息在当前刷新次数的第一单位推荐窗口内的最小推荐数量。
145.在一种可选的实现方式中，所述序列生成模块530，包括：
146.序列获取子模块，用于获取原始推荐序列，所述原始推荐序列是对各个待推荐信息进行信息精排后获得的推荐序列；
147.序列生成子模块，用于根据各类信息的推荐规则对所述原始推荐序列中的各个待推荐信息进行排序调整，生成当前刷新次数内的信息推荐序列；各类信息中包含所述目标类信息以及非目标类信息，所述目标类信息对应的推荐规则中包含固有规则以及临时规则，所述非目标类信息对应的推荐规则中包含固有规则。
148.在一种可选的实现方式中，各个规则具有对应的应用优先级；
149.所述序列生成子模块，用于在基于第一规则确定的信息排序与基于第二规则确定的信息排序存在冲突的情况下，基于所述第一规则确定的信息排序生成当前刷新次数内的信息推荐序列；
150.其中，所述第一规则与所述第二规则分别为两类信息各自的推荐规则，或者，所述第一规则与所述第二规则为同一类信息的不同规则；所述第一规则的应用优先级高于所述第二规则的应用优先级。
151.在一种可选的实现方式中，所述装置还包括：
152.存储模块，用于在数据库中存储在m个历史刷新次数内的各类信息的历史推荐次数；m≥n，m为正整数；
153.删除模块，用于在所述历史刷新次数大于m时，将最早的所述历史刷新次数下存入所述数据库中的各类信息的历史推荐次数删除。
154.在一种可选的实现方式中，所述装置还包括：
155.规则销毁模块，用于在完成当前刷新次数内的信息推荐之后，销毁所述目标类信息对应的临时规则。
156.综上所述，本技术实施例提供的信息推荐装置，在进行信息推荐之前，统计各类信息在n个历史刷新次数内各自的历史推荐次数之和，在目标类信息的历史推荐次数之和与对应的推荐次数阈值之间的关系满足设定条件的情况下，说明需要更改对目标类信息的推荐策略，在当前刷新次数内为目标类信息增加对应的临时规则；之后基于目标类信息的临时规则与各类信息的固有规则，生成当前刷新次数内的信息推荐序列，以根据该信息推荐序列指示的推荐顺序对各个待推荐信息进行信息推荐，其中，针对目标类信息，基于对应的固有规则确定的推荐频率与基于对应的临时规则确定的推荐频率不同。通过上述方法，在进行当前刷新次数下的信息推荐时，计算机设备能够结合各信息类别在历史刷新次数下的历史推荐情况对推荐规则进行规则调整，通过临时规则调整各类信息中目标类信息的推荐频率，从而实现对目标类信息的推送控制，也使得当前刷新次数下的信息推荐序列与历史
刷新次数下的信息推荐序列不同，从而增加刷新次数间的信息推荐的多样性。
157.图6示出了本技术一示例性实施例示出的计算机设备600的结构框图。该计算机设备可以实现为本技术上述方案中的服务器。所述计算机设备600包括中央处理单元(central processing unit，cpu)601、包括随机存取存储器(random access memory，ram)602和只读存储器(read-only memory，rom)603的系统存储器604，以及连接系统存储器604和中央处理单元601的系统总线605。所述计算机设备600还包括用于存储操作系统609、应用程序610和其他程序模块611的大容量存储设备606。
158.不失一般性，所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括ram、rom、可擦除可编程只读寄存器(erasable programmable read only memory，eprom)、电子抹除式可复写只读存储器(electrically-erasable programmable read-only memory，eeprom)闪存或其他固态存储其技术，cd-rom、数字多功能光盘(digital versatile disc，dvd)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器604和大容量存储设备606可以统称为存储器。
159.根据本技术的各种实施例，所述计算机设备600还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备600可以通过连接在所述系统总线605上的网络接口单元607连接到网络608，或者说，也可以使用网络接口单元607来连接到其他类型的网络或远程计算机系统(未示出)。
160.所述存储器还包括至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集存储于存储器中，中央处理器601通过执行该至少一条指令、至少一段程序、代码集或指令集来实现上述各个实施例所示的信息推荐方法中的全部或部分步骤。
161.图7示出了本技术一示例性实施例示出的计算机设备700的结构框图。该计算机设备700可以实现为上述的终端，比如：智能手机、平板电脑、笔记本电脑、台式电脑、智能手表及电视等。计算机设备700还可以被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
162.通常，计算机设备700包括有：处理器701和存储器702。
163.在一些实施例中，计算机设备700还可选包括有：外围设备接口703和至少一个外围设备。处理器701、存储器702和外围设备接口703之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口703相连。具体地，外围设备包括：射频电路704、显示屏705、摄像头组件706、音频电路707和电源708中的至少一种。
164.在一些实施例中，计算机设备700还包括有一个或多个传感器709。该一个或多个传感器709包括但不限于：加速度传感器710、陀螺仪传感器711、压力传感器712、光学传感器713以及接近传感器714。
165.本领域技术人员可以理解，图7中示出的结构并不构成对计算机设备700的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
166.在一示例性实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介
质中存储有至少一条计算机程序，该计算机程序由处理器加载并执行以实现上述信息推荐方法中的全部或部分步骤。例如，该计算机可读存储介质可以是只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、只读光盘(compact disc read-only memory，cd-rom)、磁带、软盘和光数据存储设备等。
167.在一示例性实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有至少一条计算机程序，该计算机程序由处理器加载并执行以实现上述信息推荐方法中的全部或部分步骤。例如，该计算机可读存储介质可以是只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、只读光盘(compact disc read-only memory，cd-rom)、磁带、软盘和光数据存储设备等。
168.在一示例性实施例中，还提供了一种计算机程序产品，该计算机程序产品包括至少一条计算机程序，该计算机程序由处理器加载并执行上述图2或图3任一实施例所示的信息推荐方法的全部或部分步骤。
169.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求指出。
170.应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求来限制。

技术特征：
1.一种信息推荐方法，其特征在于，所述方法包括：统计各类信息在n个历史刷新次数内各自的历史推荐次数之和；n为正整数；在当前刷新次数内为目标类信息增加对应的临时规则，所述临时规则用于指示所述目标类信息在当前刷新次数的第一单位推荐窗口内的推荐数量约束条件；所述目标类信息是各类信息中历史推荐次数之和与对应的推荐次数阈值之间的关系满足设定条件的类信息；基于所述临时规则以及各类信息对应的固有规则，生成当前刷新次数内的信息推荐序列；所述固有规则用于指示所对应的类信息在第二单位推荐窗口内的最大可推荐数量；其中，针对所述目标类信息，基于对应的固有规则确定的推荐频率与基于对应的临时规则确定的推荐频率不同；对信息推荐序列内的各个待推荐信息进行信息推荐。2.根据权利要求1所述的方法，其特征在于，所述在当前刷新次数内为目标类信息增加对应的临时规则，包括：在所述目标类信息的历史推荐次数之和大于所述目标类信息对应的第一推荐次数阈值的情况下，在当前刷新次数内为所述目标类信息增加对应的用于降低推荐频率的临时规则；在所述目标类信息的历史推荐次数之和小于所述目标类信息对应的第二推荐次数阈值的情况下，在当前刷新次数内为所述目标类信息增加对应的用于提高推荐频率的临时规则；其中，临时规则的应用优先级高于固有规则的应用优先级，第一推荐次数阈值大于第二推荐次数阈值。3.根据权利要求1或2所述的方法，其特征在于，在所述目标类信息的历史推荐次数之和大于所述目标类信息对应的第一推荐次数阈值的情况下，所述临时规则用于指示所述目标类信息在当前刷新次数的第一单位推荐窗口内的最大可推荐数量；所述目标类信息的临时规则对应的第一推荐比例小于所述目标类信息的固有规则对应的第二推荐比例；其中，推荐比例是指规则所指示的最大可推荐数量与对应的单位推荐窗口所能包含的待推荐信息的最大数量之间的比例。4.根据权利要求1或2所述的方法，其特征在于，在所述目标类信息的历史推荐次数之和小于所述目标类信息对应的第二推荐次数阈值的情况下，所述临时规则用于指示所述目标类信息在当前刷新次数的第一单位推荐窗口内的最小推荐数量。5.根据权利要求1所述的方法，其特征在于，所述基于所述临时规则以及各类信息对应的固有规则，生成当前刷新次数内的信息推荐序列，包括：获取原始推荐序列，所述原始推荐序列是对各个待推荐信息进行信息精排后获得的推荐序列；根据各类信息的推荐规则对所述原始推荐序列中的各个待推荐信息进行排序调整，生成当前刷新次数内的信息推荐序列；各类信息中包含所述目标类信息以及非目标类信息，所述目标类信息对应的推荐规则中包含固有规则以及临时规则，所述非目标类信息对应的推荐规则中包含固有规则。6.根据权利要求5所述的方法，其特征在于，各个规则具有对应的应用优先级；根据各类信息的推荐规则对所述原始推荐序列中的各个待推荐信息进行排序调整，生
成当前刷新次数内的信息推荐序列，包括：在基于第一规则确定的信息排序与基于第二规则确定的信息排序存在冲突的情况下，基于所述第一规则确定的信息排序生成当前刷新次数内的信息推荐序列；其中，所述第一规则与所述第二规则分别为两类信息各自的推荐规则，或者，所述第一规则与所述第二规则为同一类信息的不同规则；所述第一规则的应用优先级高于所述第二规则的应用优先级。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：在数据库中存储在m个历史刷新次数内的各类信息的历史推荐次数；m≥n，m为正整数；在历史刷新次数大于m时，将最早的历史刷新次数下存入所述数据库中的各类信息的历史推荐次数删除。8.根据权利要求1所述的方法，其特征在于，所述对信息推荐序列内的各个待推荐信息进行信息推荐之后，所述方法还包括：在完成当前刷新次数内的信息推荐之后，销毁所述目标类信息对应的临时规则。9.一种信息推荐装置，其特征在于，所述装置包括：次数统计模块，用于统计各类信息在n个历史刷新次数内各自的历史推荐次数之和；n为正整数；规则增加模块，用于在当前刷新次数内为目标类信息增加对应的临时规则，所述临时规则用于指示所述目标类信息在当前刷新次数的第一单位推荐窗口内的推荐数量约束条件；所述目标类信息是各类信息中历史推荐次数之和与对应的推荐次数阈值之间的关系满足设定条件的类信息；序列生成模块，用于基于所述临时规则以及各类信息对应的固有规则，生成当前刷新次数内的信息推荐序列；所述固有规则用于指示所对应的类信息在第二单位推荐窗口内的最大可推荐数量；其中，针对所述目标类信息，基于对应的固有规则确定的第一推荐频率与基于对应的临时规则确定的第二推荐频率不同；信息推荐模块，用于对信息推荐序列内的各个待推荐信息进行信息推荐。10.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行以实现如权利要求1至8任一所述的信息推荐方法。11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条计算机程序，所述计算机程序由处理器加载并执行以实现如权利要求1至8任一所述的信息推荐方法。

技术总结
本申请涉及一种信息推荐方法、装置、计算机设备及存储介质，涉及计算机技术领域。该方法包括：统计各类信息在N个历史刷新次数内各自的历史推荐次数之和；在当前刷新次数内为目标类信息增加对应的临时规则，临时规则用于指示目标类信息在当前刷新次数的第一单位推荐窗口内的推荐数量约束条件；目标类信息是各类信息中历史推荐次数之和与对应的推荐次数阈值之间的关系满足设定条件的类信息；基于临时规则以及各类信息的固有规则，生成当前刷新次数内的信息推荐序列；对信息推荐序列内的待推荐信息进行信息推荐。通过上述方法，可以使得当前刷新次数下的信息推荐序列与历史刷新次数下的信息推荐序列不同，从而增加刷新次数间的信息推荐的多样性。的信息推荐的多样性。的信息推荐的多样性。


技术研发人员：徐露露
受保护的技术使用者：微梦创科网络科技（中国）有限公司
技术研发日：2023.03.24
技术公布日：2023/8/14