信息推荐方法、装置、设备、存储介质及程序产品与流程

1.本技术实施例涉及信息推荐技术领域，特别涉及一种信息推荐方法、装置、设备、存储介质及程序产品。


背景技术：

2.多媒体技术以及大数据技术的发展使得信息推荐可以更加符合需求。信息推荐过程可以通过推荐系统来实现。其中，推荐系统中的一次推荐过程包括召回阶段、排序阶段和推荐阶段。
3.在相关技术中，召回阶段的目标通常是从海量的信息中筛选出少量的信息作为召回信息；排序阶段的目标通常是对召回信息进行排序；推荐阶段的目标通常是基于排序结果进行信息推荐。
4.在推荐阶段被推荐的信息占召回阶段召回的信息的比例较小，且由于信息时效性等因素，使得不同推荐过程的召回信息存在差异，这会导致推荐阶段未被推荐的召回信息后续被推荐的概率也较低，从而影响到信息推荐效果。


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、设备、存储介质及程序产品，可以实现不同的信息推荐过程之间的关联，从而提高对召回信息的利用效果，进而提高信息推荐效果。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.基于本次召回过程召回的本次召回信息，得到第一召回信息集合；
8.在历史召回过程召回的历史召回信息中，筛选历史评分结果高于第一条件的所述历史召回信息，得到第二召回信息集合；所述历史评分结果用以指示目标对象账号在历史召回时刻对所述历史召回信息执行目标操作的概率；
9.基于所述第一召回信息集合和所述第二召回信息集合，向所述目标对象账号提供本次推荐的召回信息。
10.另一方面，提供了一种信息推荐装置，所述装置包括：
11.第一集合获取模块，用于基于本次召回过程召回的本次召回信息，得到第一召回信息集合；
12.第二集合获取模块，用于在历史召回过程召回的历史召回信息中，筛选历史评分结果高于第一条件的所述历史召回信息，得到第二召回信息集合；所述历史评分结果用以指示目标对象账号在历史召回时刻对所述历史召回信息执行目标操作的概率；
13.信息推荐模块，用于基于所述第一召回信息集合和所述第二召回信息集合，向所述目标对象账号提供本次推荐的召回信息。
14.在一种可能的实现方式中，所述第二集合获取模块，用于在所述历史召回过程召回的所述历史召回信息中，筛选所述历史评分结果高于所述第一条件，且未向所述目标对
象账号推荐的所述历史召回信息，得到所述第二召回信息集合。
15.在一种可能的实现方式中，所述第二集合获取模块，包括：
16.子集读取模块，用于读取历史信息集合中的n个记录时间段各自对应的历史信息子集；所述历史信息子集中的所述历史召回信息的所述历史召回时刻处于与所述历史信息子集相对应的所述历史时间段内；所述历史信息子集中的所述历史召回信息的所述历史评分结果高于所述第一条件，且未向所述目标对象账号推荐；n为正整数；
17.集合获取子模块，用于从n个所述历史信息子集中，获取所述第二召回信息集合。
18.在一种可能的实现方式中，所述集合获取子模块，包括：
19.子集获取单元，用于在生成n个所述历史信息子集中的每个所述记录时间段的所述历史信息子集时，获取所述记录时间段内执行的i次推荐过程各自对应的历史召回信息子集；所述历史召回信息子集中包含目标历史召回信息；所述目标历史召回信息的所述历史评分结果处于所述历史召回信息子集中的前k名；i，k为正整数；
20.第一集合获取单元，用于获取未推荐信息集合，所述未推荐信息集合中包含i次推荐过程各自对应的所述目标历史召回信息中的未推荐信息；
21.子集生成单元，用于基于所述未推荐信息集合，生成所述记录时间段对应的所述历史信息子集。
22.在一种可能的实现方式中，所述子集生成单元，用于响应于所述未推荐信息集合中的所述未推荐信息的数量大于第一召回阈值，基于各个所述未推荐信息的所述历史评分结果进行排序，获得第一排序结果；
23.基于所述第一排序结果，获取数量等于所述第一召回阈值的所述未推荐信息，组成所述记录时间段对应的所述历史信息子集。
24.在一种可能的实现方式中，所述子集获取子模块，包括：
25.时刻获取单元，用于获取推荐时刻；所述推荐时刻是本次推荐过程对应的时刻；
26.子集获取单元，用于基于所述推荐时刻，从n个所述历史信息子集中，获取m个目标历史信息子集；m≤n，且m为正整数；
27.第二集合获取单元，用于将m个所述目标历史子集中的历史召回信息组成的集合，获取为所述第二召回信息集合。
28.在一种可能的实现方式中，所述子集获取单元，用于：
29.基于所述推荐时刻在所述本次推荐过程中所处的所述记录时间段中的时间区间，确定时间间隔；
30.将处于所述本次推荐过程所处的所述记录时间段之前，与所述本次推荐过程所处的所述记录时间段相差所述时间间隔的记录时间段，获取为目标时间段；
31.将所述目标时间段对应的历史信息子集，获取为m个所述目标历史信息子集。
32.在一种可能的实现方式中，所述第二集合获取模块，用于在所述历史召回过程推荐的历史推荐信息中，筛选未接收到目标对象执行的所述目标操作的所述历史推荐信息，得到所述第二召回信息集合；所述目标对象是所述目标对象账号对应的对象。
33.在一种可能的实现方式中，所述信息推荐模块，包括：
34.评分获取子模块，用于获取召回信息集合中各个召回信息的本次评分结果；所述召回信息集合包括所述第一召回信息集合以及所述第二召回信息集合；
35.推荐信息确定子模块，用于基于所述召回信息集合中的各个召回信息的所述本次评分结果，确定推荐信息；
36.信息推荐子模块，用于向所述目标对象账号提供所述推荐信息。
37.在一种可能的实现方式中，所述推荐信息确定子模块，包括：
38.排序单元，用于基于所述召回信息集合中的各个召回信息的所述本次评分结果，对所述召回信息集合中的召回信息进行排序，获得第二排序结果；
39.推荐信息确定单元，用于基于所述第二排序结果，确定所述推荐信息。
40.在一种可能的实现方式中，所述评分获取子模块，包括：
41.对象特征获取单元，用于获取目标对象账号的对象特征；
42.评分获取单元，用于基于所述目标对象账号的对象特征，分别获取各个召回信息的所述本次评分结果。
43.在一种可能的实现方式中，所述评分获取单元，用于将所述目标对象账号的所述对象特征，以及目标召回信息，输入至评分模型中，获得所述评分模型输出的所述目标召回信息的所述本次评分结果；所述目标召回信息是各个召回信息中的任意一个；
44.其中，所述评分模型是基于训练样本集进行训练获得的，所述训练样本集中包括样本对象账号的样本对象特征、样本信息、以及所述样本信息相对于所述样本对象账号的评分标签。
45.在一种可能的实现方式中，所述训练样本集中的所述样本信息为历史推荐信息；所述样本对象特征是所述历史推荐信息对应的推荐对象账号在历史推荐信息被推荐时的对象特征；所述样本信息相对于所述样本对象账号的所述评分标签是所述历史推荐信息相对于所述推荐对象账号的推荐结果；
46.所述推荐结果包括推荐对象执行目标操作以及所述推荐对象未执行所述目标操作中的一种；所述推荐对象是所述推荐对象账号对应的对象。
47.在一种可能的实现方式中，所述第一召回信息集合中包含第一子信息集合，第二子信息集合以及第三子信息集合中的至少一种；所述第一子信息集合是基于目标对象账号的历史行为数据确定的关键词，从所述候选召回信息中筛选获得的召回信息组成的信息集合；所述第二子信息集合是基于目标对象账号的历史行为数据确定的语义向量，从所述候选召回信息中筛选获得的召回信息组成的信息集合；所述第三子信息集合是基于信息属性从所述候选召回信息中筛选获得的召回信息组成的信息集合。
48.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。
49.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。
50.另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的信息推荐方法。
51.本技术提供的技术方案可以包括以下有益效果：
52.通过基于本次召回过程中召回的本次召回信息，得到第一召回信息集合；基于与第一条件之间的关系，得到第二召回信息集合；从第一召回信息集合中的信息和第二召回信息集合中的信息中确定本次推荐过程中的推荐信息，并对推荐信息进行推荐。通过上述方案，在本次召回阶段，对之前的推荐过程中评分满足条件的历史召回结果进行再利用，实现了不同的信息推荐过程之间的关联，从而提高了对召回信息的利用效果，进而提高了信息推荐效果。
53.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
54.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。
55.图1示出了本技术一示例性实施例示出的信息推荐过程的示意图；
56.图2是根据一示例性实施例示出的一种信息推荐系统的结构示意图；
57.图3是根据一示例性实施例示出的一种信息推荐方法的流程图；
58.图4示出了本技术一示例性实施例示出的历史信息子集合的生成过程的示意图；
59.图5示出了本技术一示例性实施例示出的获取目标历史召回信息的过程的示意图；
60.图6示出了本技术一示例性实施例示出的获取未推荐信息集合的示意图；
61.图7示出了本技术一示例性实施例提供的历史信息集合生成过程的示意图；
62.图8示出了本技术一示例性实施例示出的信息推荐方法的流程图；
63.图9示出了本技术一示例性实施例示出的时间区间与目标历史信息子集的来源的对应关系的示意图；
64.图10示出了本技术一示例性实施例示出的信息推荐系统的架构示意图；
65.图11示出了本技术一示例性实施例示出的信息推荐装置的方框图；
66.图12是根据一示例性实施例示出的计算机设备的结构框图；
67.图13是根据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
68.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。
69.本技术实施例提供的信息推荐方法，可以建立各自独立的推荐过程之间的关联性，实现对历史推荐过程中的历史召回信息的复用。图1示出了本技术一示例性实施例示出的信息推荐过程的示意图。如图1所示，在推荐过程的召回阶段，计算机设备可以通过两种不同的信息来源进行信息召回。本技术实施例中将信息来源为候选召回信息的召回途径说明为第一召回路径110，将信息来源为历史召回信息的召回途径说明为第二召回路径120。其中，第一召回路径110用以从海量的候选召回信息中，根据各个候选召回信息与召回标签
的匹配结果，筛选出符合召回标签的候选召回信息作为召回信息，以组成第一召回信息集合130。第二召回路径120用以从本次推荐过程之前的历史推荐过程召回并筛选得到的历史召回信息中，获取历史评分结果较高但未被推荐给目标对象账号的历史召回信息，或者，获取在历史推荐过程中被推荐，但未接收到目标对象执行的目标操作的历史推荐信息，组成第二召回信息集合140，该目标对象是目标对象账号对应的对象。之后，计算机设备将第一召回信息集合130中的信息与第二召回信息集合140中的信息共同作为本次推荐过程中的召回信息，在排序阶段对召回信息进行排序，将排序后的前若干名的召回信息作为推荐信息，以在推荐阶段将推荐信息提供给目标对象账号。
70.图2是根据一示例性实施例示出的一种信息推荐系统200的结构示意图，该信息推荐系统200包括：服务器220以及若干个终端240。
71.服务器220包括一台服务器、多台服务器、云计算平台和虚拟化中心中的至少一种。该服务器220用以为终端240提供后台服务；在本技术实施例中，该服务器220可以用以执行信息推荐过程，将获取到的推荐信息发送给终端240，以使得终端240通过界面显示或者音频播放等推荐方式进行信息推荐。
72.终端240可以是具有信息推荐功能的终端设备，比如，终端240可以是手机、平板电脑、电子书阅读器、智能眼镜、智能手表、mp3播放器(moving picture experts group audio layer iii，动态影像专家压缩标准音频层面3)、mp4(moving picture experts group audio layer iv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。其中，终端240中可以包括具有信息推送功能的应用程序，以进行信息推送。可选的，上述应用程序可以是需要下载安装的应用程序，也可以是即点即用的应用程序，本技术实施例对此不作限定。
73.终端240与服务器220之间通过通信网络相连。可选的，通信网络是有线网络或无线网络。
74.可选的，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络，包括但不限于局域网(local area network，lan)、城域网(metropolitan area network，man)、广域网(wide area network，wan)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合。在一些实施例中，使用包括超文本标记语言(hyper text mark-up language，html)、可扩展标记语言(extensible markup language，xml)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(secure socket layer，ssl)、传输层安全(transport layer security，tls)、虚拟专用网络(virtual private network，vpn)、网际协议安全(internet protocol security，ipsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中，还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。
75.图3是根据一示例性实施例示出的一种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终端或者服务器，示意性的，该计算机设备可以实现为如图1所示的终端240或服务器220。如图3所示，该信息推荐方法可以包括如下步骤：
76.步骤310，基于本次召回过程召回的本次召回信息，得到第一召回信息集合。
77.在本技术实施例中，在本次召回过程召回本次召回信息时，计算机设备可以基于
各个候选召回信息的本次匹配结果，从各个候选召回信息中筛选本次召回信息，获得第一召回信息集合；本次匹配结果用以指示候选召回信息与召回标签的匹配度；召回标签用以指示从各个候选召回信息中为目标对象账号筛选本次召回信息的规则。
78.在不同的应用场景中，召回过程中的召回信息对应的内容类型不同。示意性的，在购物推荐场景中，该召回信息即为商品信息；在视频推荐场景中，该召回信息即为视频信息；在音频推荐场景中，该召回信息即为音频信息；在图像推送场景中，该召回信息即为图像信息，等等。因此，召回信息的内容类型可以基于不同应用场景的推荐需求进行确定，本技术对此不进行限制。
79.在本技术实施例中，候选召回信息的数量可以远大于基于本次匹配结果筛选获得的本次召回信息的数量；也就是说，获取第一召回信息集合的过程可以视为是从海量的候选召回信息中初步筛选出符合召回标签的部分候选召回信息作为本次召回信息，以减少排序阶段所需处理的信息的数量，提高信息处理效率。其中，该召回标签可以是基于目标对象或者筛选条件确定的，示意性的，该召回标签用以指示从各个候选召回信息中为目标对象账号筛选本次召回信息的规则，该目标对象账号是本次推荐过程中待进行信息推荐的推荐对象账号；计算机设备可以采用不同的规则对候选召回信息进行筛选，比如，可以基于目标对象账号对候选召回信息进行筛选，或者，也可以是基于信息属性对候选召回信息进行筛选，该信息属性可以包括信息所属垂类(或者称为垂直领域)，信息的热点排名，等等；因此，该召回标签可以是对象特征对应的标签，或者，也可以是信息属性对应的标签，等等，本技术对此不进行限制。
80.在召回阶段获取第一召回信息集合时，候选召回信息与召回标签的匹配度越高，被筛选获取为本次召回信息的概率越高。
81.步骤320，在历史召回过程召回的历史召回信息中，筛选历史评分结果高于第一条件的历史召回信息，得到第二召回信息集合；该历史评分结果用以指示目标对象账号在历史召回时刻对历史召回信息执行目标操作的概率。
82.其中，该第一条件可以用以指示历史评分结果阈值；或者，该第一条件也可以指示基于历史评分结果的进行排序后的排序名次阈值。
83.该历史召回时刻是历史召回信息历史被召回的时间。
84.在信息推荐过程中，为从召回信息中筛选获得推荐信息，计算机设备需要在排序阶段对召回信息进行评分，以确定召回信息被推荐给目标对象账号后，目标对象账号对应的目标对象对该召回信息执行目标操作的概率，进而从中获取评分结果较高的前几名作为推荐信息，在推荐阶段推荐给目标对象账号；因此，对于历史召回信息而言，每个历史召回信息都具有与之对应的历史评分结果；该历史评分结果用以指示在历史召回时刻，历史召回信息接收到目标对象执行的目标操作的概率；由于在推荐流程中，召回信息的数量大于推荐信息的数量，因此，历史召回信息中存在历史评分结果较高，但未被推送目标对象账号的历史召回信息；或者历史召回信息中存在被推荐给目标对象账号，但未接收目标对象账号对应的目标对象的目标操作的历史推荐信息；比如历史召回信息有10条，基于历史评分结果排序后，确定进行推送的历史召回信息为历史评分结果较高的前两条，那么，排名在第二名之后的历史召回信息在历史推荐过程中未被推送；或者，确定推送的两条历史召回信息中，其中一条未接收到目标对象执行的目标操作。由于候选召回信息的更新频率较高，下
次进行信息召回时，历史推荐过程中未被推送的，且评分结果较高的历史召回信息，或者，已被推送但未接收到目标对象执行的目标操作的历史推荐信息，可能不会被召回，被推荐给目标对象的概率较低；，尽管在排序阶段，此类历史召回信息或者历史推荐信息也可能会得到较高的评分；基于上述因素，如果只使用第一召回路径进行召回，则会导致以下问题：由于召回模型的更新或者信息时效性的影响，原本能够在排序阶段得到较高评分的历史召回信息或者历史推荐信息，因为在本次推荐过程的召回阶段未被召回而无法进入排序阶段。
85.对此，在本技术实施例中，为有效利用历史召回信息，计算机设备可以将基于历史召回信息的历史评分结果筛选获得的历史召回信息组成的信息集合(第二召回信息集合)，作为本次召回流程中的另一条召回信息的获取路径，以建立历史推荐过程与本次推荐过程之间的关联性，从而实现对历史召回信息复用，提高信息推荐效率和推荐效果。
86.在本技术实施例中，目标对象账号对应的目标对象对召回信息执行的目标操作可以是指目标对象对召回信息的正反馈操作，示意性的，该正反馈操作可以包括点赞，收藏，点击，分享，送礼等操作中的至少一种；该评分结果可以用以指示目标对象执行上述目标操作的概率；示意性的，当目标对象对召回信息执行的目标操作为点击操作时，该评分结果可以用以指示召回信息被目标对象账号对应的目标对象点击的概率。
87.在本技术实施例中，历史召回信息可以按照记录时间段进行记录。由于在不同的记录时间段，同一推荐对象对同一历史召回信息执行目标操作的概率可能存在差异，因此，历史评分结果具有时间属性，不同历史召回时刻，同一历史召回信息对应的历史评分结果可能不同。
88.由于目标对象的兴趣点会随着时间的改变而改变，为提高本次召回所使用的历史召回信息与本次推荐过程的关联性，在本技术实施例中，计算机设备可以基于历史召回信息的历史召回时刻，在历史召回过程召回的历史召回信息中筛选获得第二召回信息集合；示意性的，计算机设备可以基于历史召回信息的历史召回时刻所在的记录时间段，从历史召回信息中筛选获得第二召回信息集合；从而避免了随机从历史召回过程中筛选历史召回信息时，获取的历史召回信息的历史召回时刻与本次推荐过程之间的时间差异较大造成的无效召回的情况，提高了对历史召回信息的召回效果。
89.步骤330，基于第一召回信息集合以及第二召回信息集合，向目标对象账号提供本次推荐的召回信息。
90.在一种可能的实现方式中，计算机设备可以从召回信息集合中获取推荐信息，并对该推荐信息进行推荐；该召回信息集合包含第一召回信息集合中的本次召回信息以及第二召回信息集合中的历史召回信息。
91.当计算机设备实现为服务器时，服务器可以将召回信息集合发送给终端，以使得终端从召回信息集合中确定推荐信息，并对推荐信息进行推荐。
92.或者，服务器可以从召回信息集合中确定推荐信息后，将推荐信息发送给终端，以使得终端对接收到的推荐信息进行推荐。
93.当计算机设备实现为终端时，终端从召回信息集合中确定推荐信息，并对推荐信息进行推荐。
94.可选的，计算机设备可以通过目标推荐方式对推荐信息进行推荐。示意性的，当计
算机设备实现为服务器时，服务器可以指示终端进行信息推荐的方式为目标推荐方式。可选的，该目标推荐方式可以包括界面显示方式或者音频播放方式中的至少一种；示意性的，终端可以通过通知栏显示的方式对推荐信息进行推荐；或者，终端可以通过安装的应用程序中的显示界面，以界面显示的方式对推荐信息进行推荐；或者，终端可以通过弹窗显示的方式对推荐信息进行推荐；或者，终端可以通过音频播放的方式对推荐信息进行推荐等等，本技术对计算机设备对推荐信息的推荐方式不进行限制。
95.综上所述，本技术实施例提供的信息推荐方法，通过基于本次召回过程中召回的本次召回信息，得到第一召回信息集合；基于历史召回信息的历史评分结果与第一条件之间的关系，得到第二召回信息集合；从第一召回信息集合中的信息和第二召回信息集合中的信息中确定本次推荐过程中的推荐信息，并对推荐信息进行推荐。通过上述方案，在本次召回阶段，对之前的推荐过程中评分满足条件的历史召回结果进行再利用，实现了不同的信息推荐过程之间的关联，从而提高了对召回信息的利用效果，进而提高了信息推荐效果。
96.可选的，该第二召回集合中包括在历史推荐过程推荐的历史推荐信息中，未接收到目标对象执行的目标操作的历史推荐信息；或者，该第二召回集合中包括在历史召回过程中召回的历史召回信息中，历史评分结果高于第一条件，且未向目标对象账号推荐的历史召回信息中的至少一种。也就是说，在本次推荐过程中，计算机设备可以在历史召回过程召回的历史召回信息中，筛选历史评分结果高于第一条件，且未向目标对象账号推荐的历史召回信息，得到第二召回信息集合；和/或，在历史推荐过程推荐的历史推荐信息中，筛选未接收到目标对象执行的目标操作的历史推荐信息，得到第二召回信息集合。
97.当第二召回信息集合中包括在历史推荐过程被推荐，且未接收到目标对象执行的目标操作的历史推荐信息时，计算机设备可以预先通过对各个历史推荐过程中确定的历史推荐信息进行统计，以确定其中未接收到目标对象执行的目标操作的历史推荐信息，并将这些历史推荐信息以及历史推荐信息的历史评分结果进行存储，以生成包含被推荐但未接收到目标对象执行的目标操作的历史推荐信息集合；在本次推荐过程中，计算机设备可以通过对历史推荐信息集合中的信息进行筛选，得到第二召回信息集合。
98.当第二召回信息集合中包括在历史召回过程中召回的历史召回信息中，历史评分结果高于第一条件，且未向目标对象账号推荐的历史召回信息时，由于历史召回过程中的历史召回信息的数量较多，为了获取其中历史评分结果较高但未被推荐的历史召回信息，计算机设备可以对历史召回信息进行筛选，以生成包含历史召回信息中，历史评分结果较高但未被推荐的历史召回信息的历史信息集合；在本次推荐过程中，计算机设备可以通过对历史信息集合中的信息进行筛选，获得第二召回信息集合。
99.本技术实施例以第二召回信息集合中包括在历史召回过程中召回的历史召回信息中，历史评分结果高于第一条件，且未向目标对象账号推荐的历史召回信息为例，对本技术提供的信息推荐方法进行说明。
100.可选的，计算机设备在获取历史信息集合中的历史召回信息时，是以记录时间段为周期进行信息召回和存储的。该历史信息集合中包含n个记录时间段各自对应的历史信息子集；该历史信息子集中包含的各个历史召回信息各自的历史召回时刻处于与历史信息子集相对应的记录时间段内，n为正整数。随着时间的变化，计算机设备会按照一定的时间周期生成新的历史信息子集，并将该历史信息子集添加到历史信息集合中，以对历史信息
集合进行更新。
101.以下对上述图3所示实施例涉及到的历史信息集合中，各个记录时间段的历史信息子集的生成过程进行说明；图4示出了本技术一示例性实施例示出的历史信息子集合的生成过程的示意图，如图4所示，该过程包括以下步骤：
102.步骤410，在生成n个历史信息子集中的每个记录时间段的历史信息子集时，获取记录时间段内执行的i次推荐过程各自对应的历史召回信息子集；该历史召回信息子集中包含目标历史召回信息；该目标历史召回信息的历史评分结果处于历史召回信息子集中的前k名；i，k为正整数。
103.也就是说，在一个记录时间段内，计算机设备可以执行至少一次推荐过程，每一次推荐过程都包括召回阶段，排序阶段和推荐阶段。在本技术实施例中，各个记录时间段内所执行的推荐过程的次数可以由相关人员进行设置。示意性的，相关人员可以通过设置记录时间段内执行的推荐过程的执行次数，或者，设置记录时间段内各个推荐过程的推荐时刻，以控制向目标对象账号进行信息推荐的频率；或者，各个记录时间段内所能执行的推荐过程的次数可以基于目标对象触发的信息推荐操作的次数确定，基于目标对象触发的信息推荐操作的次数不同，各个记录时间段内执行的推荐过程的次数也不相同；示意性的，该信息推荐操作可以包括目标对象对应用程序的启动操作，以及目标对象对推荐内容的刷新操作中的至少一种。
104.以n个记录时间段中的第一记录时间段为例，若在第一记录时间段之前存在其他记录时间段，在第一记录时间段内的任意推荐过程的召回阶段中，获取到的历史召回信息集合中包含历史第一召回信息集合以及历史第二召回信息集合；若第一记录时间段之前不存在其他记录时间段，则在第一记录时间段内的任意推荐过程的召回阶段中，获取的历史召回信息集合中包含历史第一召回信息集合。
105.以第一记录时间段之前存在其他记录时间段，且第一召回信息集合中包含通过显式召回支路、隐式召回支路、以及功能召回支路分别获取到的历史召回信息为例，图5示出了本技术一示例性实施例示出的获取目标历史召回信息的过程的示意图，如图5所示，通过第一召回路径(包括显式召回支路、隐式召回支路以及功能召回支路)以及第二召回路径(历史召回路径)得到的召回item(信息)均会进入排序阶段，以组成一个召回信息集合510(该召回信息集合510即可以作为上述历史召回信息集合)；计算机设备在排序阶段对历史召回信息集合510中的各个召回信息进行排序；其中，各个召回路径可以对应有各自的召回数量限额，如图5所示，第一召回路径中的各个召回支路对应的召回数量限额为4，第二召回路径(历史召回路径)对应的召回数量限额也为4，召回信息集合中的召回信息的数量为16个；在排序阶段对召回信息集合510中的各个召回信息按照评分结果进行排序后，可以获得排序结果；基于对推送信息的数量信息推送设置，计算机设备可以将排序结果指示评分结果排名前n名(图5中n＝2)的召回信息作为推荐信息推送给目标对象账号，同时将这些信息获取为历史推荐信息；另外，考虑到在进行信息推送时，需要将评分结果较高的召回信息进行推送，因此，为减少对存储空间的占用，以及减少对处理资源的占用，在获取目标历史召回信息时，可以将排序结果指示评分结果排名前m名(图5中m＝4)的召回信息获取为第一记录时间段中执行的一次推荐过程中获得的目标历史召回信息520，m》n，且m，n均为正整数。
106.步骤420，获取未推荐信息集合，该未推荐信息集合中包含i次推荐过程各自对应
的目标历史召回信息中的未推荐信息。
107.计算机设备将获取到的第一记录时间段内执行的各次推荐过程分别对应的历史召回信息子集中的未推荐信息，组成未推荐信息集合。该未推荐信息是指在对应的推荐过程中，未被推荐给目标对象账号的历史召回信息。其中，同一推荐过程中，在获取历史召回信息集合时，若不同召回支路获取的历史召回信息存在重合，对于重合的历史召回信息只保留其中一个；同样的，对于各次推荐过程分别对应的目标历史召回信息中的未推荐信息，若未推荐信息存在重合，对于重合的未推荐信息只保留其中一个。图6示出了本技术一示例性实施例示出的获取未推荐信息集合的示意图，如图6所示，以第一记录时间段内执行了12次推荐过程为例，对12次推荐过程各自对应的目标历史召回信息进行记录，若12次推荐过程中的目标历史召回信息存在重合，则只保留其中一个，也就是说，在上述12次推荐过程中，目标历史召回信息为item1～item16；其中，已推荐给目标对象账号的历史召回信息为：item1，item2，item5～8，item11～12，item15～16；未推荐给目标对象账号的历史召回信息为：item3，item4，item9，item10，item13，item14；也就是说，第一记录时间段对应的未推荐信息集合610中包括的未推荐信息为：item3，item4，item9，item10，item13，item14。
108.步骤430，基于未推荐信息集合，生成记录时间段对应的历史信息子集。
109.在一种可能的实现方式中，可以将记录时间段对应的未推荐信息集合，获取为该记录时间段对应的历史信息子集。
110.或者，在另一种可能的实现方式中，为避免通过历史召回路径召回的历史召回信息的数量过多，而对计算机的存储资源以及后续的数据处理资源的浪费，在生成各个记录时间段对应的历史信息子集时，计算机设备设置有第一召回阈值，用以限制每个历史信息子集中所能包含的历史召回信息的最大数量。在此情况下，响应于未推荐信息集合中的未推荐信息的数量大于第一召回阈值，计算机设备基于各个未推荐信息的历史评分结果进行排序，获得第一排序结果，并基于第一排序结果，获取数量等于第一召回阈值的未推荐信息，组成记录时间段对应的历史信息子集。
111.也就是说，计算机设备在对目标历史召回信息进行存储时，也对该目标历史召回信息的历史评分结果进行了存储，以在获取历史信息子集时，能够基于各个未推荐信息各自对应的历史评分结果，选出历史评分结果较高的未推荐信息，组成记录时间段对应的历史信息子集。以第一记录时间段为例，如图6所示，若第一召回阈值为4，则可以获取历史评分结果较高的前4个未推荐信息：item3，item4，item10，item14，组成第一记录时间段对应的历史信息子集620。
112.需要说明的是，基于各个未推荐信息的历史评分结果进行排序的排序方式可以是升序排序，也可以降序排序；当排序方式为升序排序时，获取第一排序结果倒数第一召回阈值数量的未推荐信息，以组成历史信息子集；当排序方式为降序排序时，获取第一排序结果顺数第一召回阈值数量的未推荐信息，以组成历史信息子集。
113.其中，若同一未推荐信息在第一记录时间段内的至少一次推荐过程中，被召回次数大于一次，则该未推荐信息在多次进入排序阶段后，会获得多个评分结果；在此情况下，计算机设备可以将该未推荐信息在第一记录时间段内的多个评分结果的最大值，或者，平均值，获取为该未推荐信息在第一记录时间段内的历史评分结果。
114.基于上述图4所示实施例对历史信息集合中各个历史信息子集的生成过程的说
明，图7示出了本技术一示例性实施例提供的历史信息集合生成过程的示意图，如图7所示，对于历史信息集合中的n个记录时间段而言，每个记录时间段中都会执行i次推荐过程。以n个记录时间段中的记录时间段1的历史子集的生成过程为例：在记录时间段1的i次推荐过程中，每个推荐过程都对应有历史召回信息子集710；计算机设备获取每个历史召回信息子集710中的top m的历史召回信息，作目标历史召回信息720；之后，从每个推荐过程对应的目标历史召回信息720中获取未推荐信息730，并将i个推荐过程中的未推荐信息进行整合，获得未推荐信息集合740；计算机设备在获取到未推荐信息后，可以基于设置的用以限制历史信息子集中的历史召回信息的数量的第一召回阈值，对未推荐信息集合740中的信息进行筛选，将筛选后的未推荐信息组成的集合获取为记录时间段1的历史信息子集。
115.其他记录时间段的历史信息子集的生成过程可以参考记录时间段1的历史信息子集的生成过程，此处不再赘述。
116.计算机设备在获取到n个记录时间段各自对应的历史信息子集后，将n个历史信息子集组成的集合获取为历史信息集合750。
117.历史信息集合中的历史信息子集会随着时间的推移不断进行更新。在历史信息集合中，与当前时间间隔较长的历史信息子集被推荐的概率较低，因此，为减少对计算机设备存储资源的占用，在一种可能的实现方式中，计算机设备可以设置有历史信息子集阈值，用以限制历史信息集合所能存储的历史信息子集的最大数量；可选的，历史信息集合中按照记录时间段从远到近的顺序对历史信息子集进行存储，响应于历史信息集合中存储的历史信息子集的数量等于历史信息子集阈值，且存在新的记录时间段的历史信息子集待添加，计算机设备将记录时间段最远的历史信息子集移除，并将新的记录时间段的历史信息子集添加到历史信息集合中。
118.需要说明的是上述获取历史信息集合的过程可以为预处理过程，可以在两次信息推荐过程之间进行；或者，在本次推荐过程之前的一次信息推荐过程的执行过程中进行，从而在本次推荐过程中，无需执行对历史信息集合的获取过程，提高了对召回信息的召回效率。或者，上述历史信息集合的过程也可以在本次信息推荐过程中执行，本技术对此不进行限制。
119.在获取到历史信息集合后，图8示出了本技术一示例性实施例示出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终端或者服务器，示意性的，该计算机设备可以实现为如图1所示的终端240或者服务器220。如图8所示，该信息推荐方法可以包括如下步骤：
120.在本次推荐过程的召回阶段：
121.步骤810，基于本次召回过程召回的本次召回信息，得到第一召回信息集合。
122.在一种可能的实现方式中，第一召回信息集合中包含第一子信息集合，第二子信息集合以及第三子信息集合中的至少一种；该第一子信息集合是基于目标对象账号的历史行为数据确定的关键词，从候选召回信息中筛选获得的本次召回信息组成的信息集合；该第二子信息集合是基于目标对象账号的历史行为数据确定的语义向量，从候选召回信息中筛选获得的本次召回信息组成的信息集合；该第三子信息集合是基于信息属性从候选召回信息中筛选获得的本次召回信息组成的信息集合。
123.基于目标对象账号的历史行为数据确定的关键词进行信息召回的方式可以称为
显式召回。
124.可选的，计算机设备可以基于目标对象账号的历史行为数据确定对象特征；基于对象特征生成关键词，该关键词可以用以显式地描述目标对象账号的对象特征；示意性的，该对象特征可以包括目标对象的地域、性别、年龄、兴趣、使用的终端的机型、购买力等多方面内容。在显式召回中，该召回标签即为基于目标对象账号的历史行为数据确定的关键词。
125.可选的，该对象特征可以是基于目标对象对对象标签的选择操作确定的，该对象标签可以包括对象分类以及对象兴趣。示意性的，在目标对象首次打开应用程序时，终端可以向目标对象提供可选择的对象标签，基于目标对象对对象标签的选择操作确定该目标对象对应的目标对象账号的对象特征；比如，在目标对象首次打开视频应用程序时，可以向目标对象提供多个对象标签，若目标对象从多个对象标签中选择了“漫画”，“动漫”等标签，则可以将目标对象选中的对象标签的标签内容获取为对象特征，基于对象特征确定的关键词可以是“二次元”。或者，该对象特征也可以基于目标对象的历史操作记录统计确定的；示意性的，在视频推荐应用程序中，基于目标对象的历史浏览记录，历史点击记录以及历史搜索记录等一系列历史行为数据，可以统计确定目标对象浏览、点击、搜索金融类的视频的频率较高，则可以确定对象特征为偏爱金融类内容，基于对象特征确定的关键词可以是“金融”。上述两种确定对象特征，以确定目标对象账号关键词的方式可以分别使用，也可以结合使用，本技术对此不进行限制。
126.由于目标对象账号的历史行为数据会随着时间，或者随着目标对象的兴趣点的改变而改变，因此，随着目标对象账号的历史行为数据的改变，通过显式召回方式所获取到的本次召回信息也会随之改变。为保证本次召回信息的即时性，可选的，该历史行为数据可以是距离当前时间点指定时长阈值的目标对象行为数据；示意性的，该历史行为数据可以是距离当前时间点一周内，或者，三天内的目标对象的行为数据；该指定时长阈值可以由相关人员进行设置，本技术对此不进行限制。
127.在一种可能的实现方式中，通过显式召回的方式对候选召回信息进行召回的过程，可以通过机器学习模型实现。本技术实施例提供一个显式召回模型，用于根据目标对象账号的关键词和候选召回信息，确定候选召回信息与目标对象账号之间的匹配度，以基于该匹配度确定是否对该候选召回信息进行召回；该过程可以实现为：将目标对象账号的关键词，以及候选召回信息输入到显式召回模型中，获得显式召回模型输出的匹配度；其中，该显式召回模型可以是基于第一样本集训练获得的，该第一样本集可以包括样本对象账号的关键词，样本候选召回信息，以及样本候选召回信息对应的匹配度标签；该样本候选召回信息中包含正样本以及负样本，正样本是指与样本对象账号的关键词相匹配的样本候选召回信息，负样本是指与样本对象账号的关键词不匹配的样本候选召回信息。
128.基于目标对象账号的历史行为数据确定的语义向量进行信息召回的方式可以称为隐式召回；在隐式召回的过程中，计算机设备无法显式的描述目标对象的兴趣点。
129.隐式召回可以通过u2i(user to item，对象到项目)和i2i(item to item，项目到项目)两种方式实现信息召回；其中，u2i是推荐系统中通过计算user和item之间的相似度进行召回的方法；i2i是推荐系统中一类通过计算item和item之间的相似度进行召回的方法。在隐式召回中，该召回标签即为基于目标对象账号的历史行为数据确定的语义向量；对于u2i而言，该召回标签为目标对象账号的语义向量；对于i2i而言，召回标签为匹配信息的
语义向量。其中，该匹配信息可以包括历史召回信息，接收到目标操作的历史信息等等。
130.隐式召回通常会利用机器学习算法进行信息转化和匹配；以u2i为例，计算机设备通过机器学习算法将目标对象和item分别转化为语义向量，然后计算两者各自对应的语义向量之间的向量相似度，利用向量相似度来进行信息召回。示意性的，假设计算机设备通过机器学习算法转化后的目标对象1的语义向量为(1，1，1)，item1的语义向量为(1，0.9，1)，而item2的语义向量为(1，2，2)，那么，经过向量相似度计算可以确定目标对象1的语义向量与item1的语义向量之间的向量相似度，比目标对象1的语义向量与item2的语义向量之间的向量相似度更高，因此，确定在item1与item2之中召回item1；其中，向量相似度可以通过余弦相似度(cos相似度)公式、点积相似度，欧几里得相似度等中的一种进行计算，本技术对此不进行限制。
131.可选的，本技术实施例提供隐式召回模型，以实现对转化对象进行向量转化，并确定不同转化对象之间的向量相似度；其中，对于u2i而言，转化对象分别为目标对象账号和候选召回信息；对于i2i而言，转化对象分别为匹配信息与候选召回信息。该隐式召回模型可以是基于第二样本集训练获得的，该第二样本集可以包括样本对象账号，样本候选召回信息，以及样本候选召回信息对应的向量相似度标签。
132.由于推荐系统中的候选召回信息的更新频率较高，且目标对象账号，同一目标对象账号的对象特征等都会随着时间的更改而更改，因此，为保证召回模型(包括显式召回模型和隐式召回模型)进行信息召回的准确性，可以对按照目标训练周期对召回模型进行更新。
133.示意性的，上述各个样本集(包括第一样本集与第二样本集)中的样本候选召回信息可以是历史候选召回信息，上述各个样本集中的样本对象账号可以是历史候选召回信息对应的历史推荐对象账号，上述第一样本集中的匹配度标签或者第二样本集中向量相似度标签可以用以指示在历史推荐对象账号下，该历史候选召回信息是否被获取为历史召回信息；比如，以目标训练频率为1天为例，对显式召回模型的更新过程可以是，基于今天的候选召回信息，推荐对象账号的关键词，以及召回信息确定第一样本集，通过今天的第一样本集对显式召回模型进行训练更新，以通过更新后的显式召回模型对明天获取到的候选召回信息和推荐对象账号的关键词进行匹配度预测，从而确定明天通过显式召回的方式获取的召回信息。
134.基于信息属性进行信息召回的方式可以称为功能召回；功能召回可以包括热点召回以及垂类召回等召回方式；其中，热点召回是指依据各个候选召回信息在一定时长内接收到的目标操作的累积结果(信息属性)进行信息召回的方式，以将当下的热点信息召回；示意性的，可以依据候选信息的ctr(click-through-rate，点击通过率)，从候选信息中获取热点信息，并将热点信息召回；垂类召回是指基于各个候选召回信息所属的信息类型(信息属性)进行信息召回的方式，以将某一领域下的信息召回。通过功能召回可以使得目标对象有几率能够接收到最新的信息内容，或者，有几率能够接收到某一领域的信息内容；此时召回标签即为信息属性。
135.在一种可能的实现方式中，为了减少排序阶段计算机设备的信息处理压力，计算机设备可以对第一召回信息集合中所能包含的本次召回信息的数量进行限制，也就是说，第一召回信息集合中包含第一数量的本次召回信息；响应于第一召回信息集合包含第一子
信息集合，第二召回信息集合以及第三子信息集合，可以分别设置各个子信息集合中包含的本次召回信息的数量，以实现对第一召回信息集合中包含的本次召回信息的数量限制；其中，各个子信息集合中的本次召回信息的数量可以相同也可以不同，但子信息集合中的本次召回信息的数量之和小于或等于第一数量。
136.步骤820，读取历史信息集合中的n个记录时间段各自对应的历史信息子集；该历史信息子集中的历史召回信息的历史召回时刻处于与历史信息子集相对应的历史时间段内；该历史信息子集中的历史召回信息的历史评分结果高于第一条件，且未向目标对象账号推荐。
137.计算机设备获取历史信息集合的过程可以参考图4对应的实施例或图7对应的实施例的相关内容，此处不再赘述。
138.步骤830，从n个历史信息子集，获取第二召回信息集合。
139.可选的，从n个历史信息子集中，获取第二召回信息集合的过程可以实现为s8301～s8303的步骤：
140.s8301，获取本次推荐过程对应的推荐时刻。
141.推荐时刻可以是指目标对象触发进行本次推荐过程的时刻，或者，也可以是相关人员预先设置的主动向目标对象进行信息推荐的时刻。
142.s8302，基于推荐时刻，从n个历史信息子集中，获取m个目标历史信息子集；m≤n，且m为正整数。
143.在一种可能的实现方式中，本次推荐过程的推荐时刻对应的记录时间段中，各个推荐过程对应的目标历史信息子集为同一个或者同一组历史信息子集；比如，各个推荐过程对应的m个目标历史信息子集均为记录时间的前一个记录时间段的历史信息子集(m＝1)；或者，各个推荐过程对应的m个目标历史信息子集均为记录时间段之前m个记录时间的历史信息子集组成的一组历史信息子集(m》1)。示意性的，记录时间段以天为单位，那么，今天任意时刻进行的一次推荐过程的目标历史信息子集，是昨天获取到的历史信息子集(m＝1)；或者，是今天之前3(m＝3)天内，每天的历史信息子集组成的一组历史信息子集。
144.在另一种可能的实现方式中，为充分应用历史信息集合中的各个历史信息子集，可以设立推荐时刻所处的时间区间与历史信息子集的记录时间段之间的对应关系，上述获取目标历史信息子集的过程可以实现为：
145.基于推荐时刻在本次推荐过程中所处的记录时间段中的时间区间，获取时间间隔；
146.将处于本次推荐过程所处的记录时间段之前，与所述本次推荐过程所处的所述记录时间段相差该时间间隔的记录时间段，获取为目标时间段；
147.将目标时间段对应的历史信息子集，获取为m个目标历史信息子集。
148.以该推荐时刻是相关人员进行设置的为例，相关人员可以将推荐时刻设置为每个时间整点，也就是说，计算机设备在每天的时间整点进行信息推送。每个时间整点可以设置有对应的一个(m＝1)目标历史信息子集；比如，若记录时间段是以天为单位设置的，那么可以设置推荐时刻所处的时间区间与记录时间段的对应关系为：推荐时刻处于0点至2点时，目标时间段与当前记录时间段之间的时间间隔为8天；推荐时刻处于3点至5点时，目标时间段与当前记录时间段之间的时间间隔为7天；推荐时刻处于6点至8点时，目标时间段与当前
记录时间段之间的时间间隔为6天，以此类推，直至推荐时刻处于21点至23点时，目标时间段与当前记录时间段之间的时间间隔为1天。
149.以推荐时刻是目标对象触发的信息推荐操作时的时间点时，可以基于推荐时刻所处的时间区间，确定目标历史信息子集的来源，图9示出了本技术一示例性实施例示出的时间区间与目标历史信息子集的来源的对应关系的示意图，如图9所示，在获取目标历史信息子集的过程中，以每个时间区间对应一个(m＝1)记录时间段为例，当推荐时刻处于0～3点的时间区间内时，目标时间段与当前记录时间段之间的时间间隔为8天；当推荐时刻处于3～6点的时间区间内时，目标时间段与当前记录时间段之间的时间间隔为7天；当推荐时刻处于6～9点的时间区间内时，目标时间段与当前记录时间段之间的时间间隔为6天，以此类推。
150.或者，在一种可能的实现方式中，还可以设置时间区间与多个(m》1)记录时间段之间的对应关系；示意性的，当推荐时刻处于0～3点的时间区间内时，目标时间段中的记录时间段与当前记录时间段之间的时间间隔分别为16天和15天；当推荐时刻处于3～6点的时间区间内时，目标时间段中的记录时间段与当前记录时间段之间的时间间隔分别为14天和13天，以此类推。
151.需要说明的是，上述推荐时刻所处的时间区间与目标时间段之间的对应关系，可以由相关人员进行相应的设置，也就是说，推荐时刻的设置，时间区间的设置，不同时间区间分别对应的目标历史子集的来源，不同时间区间分别对应的目标历史子集的数量均可以基于实际需求进行更改，本技术对此不进行限制。
152.s8303，将m个目标历史子集中的历史召回信息组成的集合，获取为第二召回信息集合。
153.可选的，当m＝1时，将该目标历史子集获取为第二召回信息集合。
154.当m》1时，可以综合获取m个目标历史子集中，历史评分结果排名在前x名的历史召回信息组成的集合为第二召回信息集合；其中x的取值等于第二召回信息集合所能包含的历史召回信息的最大数量，x为正整数。
155.可选的，由于召回模型是按照目标训练周期进行更新的，目标历史子集是按照记录时间段进行获取的；响应于召回模型的目标训练周期与记录时间段的周期相同，则可以将m个目标历史子集中的历史召回信息组成的集合，获取为第二召回信息集合；
156.或者，响应于召回模型的目标训练周期与记录时间段的周期不同，在获取到m个目标历史子集后，还可以通过召回模型的目标训练周期对m个目标历史子集进行进一步筛选，以从召回模型最近一次更新之前的记录时间段对应的目标历史子集中，筛选获取第二召回信息集合。该过程可以如下：
157.将m个目标历史子集中处于最近一次召回模型更新时刻之前的目标历史子集中的历史召回信息组成的集合，获取为第二召回信息集合；示意性的，假设记录时间段的周期为1天，召回模型的目标训练周期为2天，那么在获取到3个记录时间段各自对应的目标历史子集后，若第3个记录时间段(昨天)与当前记录时间段(今天)属于同一个目标训练周期，也就是说，昨天与今天使用的召回模型是相同的，那么，昨天与今天的信息召回结果相差可能较小，因此，可以将第3个记录时间段的目标历史子集排除，将剩余2个记录时间段的目标历史子集中的历史召回信息组成的集合，获取为第二召回信息集合。
158.在本次推荐过程的评分阶段：
159.步骤840，获取召回信息集合中各个召回信息的本次评分结果；该召回信息集合包括第一召回信息集合以及第二召回信息集合。
160.在本技术实施例中，将第一召回信息集合中的本次召回信息，以及第二召回信息集合中的历史召回信息共同获取为本次推荐过程的召回阶段的召回结果，组成召回信息集合；通过获取召回信息集合中各个召回信息的本次评分结果，以确定本轮推荐过程中的推荐信息。
161.需要说明的是，各个召回信息的评分结果与推荐对象账号相关，同一召回信息对于不同的推荐对象账号而言，对应的评分结果可能不同；也就是说，不同对象账号对同一召回信息的反馈不同。因此，在对召回信息集合中的各个召回信息进行评分时，可以结合推荐对象账号进行评分，以确定针对当前推荐对象账号(目标对象账号)的推荐信息，因此，在获取各个召回信息的本次评分结果时，可以先获取目标对象账号的对象特征；基于目标对象账号的对象特征，分别获取各个召回信息的本次评分结果。
162.为提高获得的各个召回信息的评分结果的准确性，在本技术实施例中，计算机设备可以通过机器学习的方法，获取各个召回信息的评分结果。示意性的，获取各个召回信息本次评分结果的过程可以实现为：将目标对象账号的对象特征，以及目标召回信息，输入至评分模型中，获得评分模型输出的目标召回信息的本次评分结果；该目标召回信息是各个召回信息中的任意一个；
163.其中，该评分模型是基于训练样本集进行训练获得的，该训练样本集中包括样本对象账号的样本对象特征、样本信息、以及样本信息相对于样本对象账号的评分标签。
164.其中，该评分模型可以是包括lr(logistic regression，逻辑回归)模型，fm(factor machine，因子分解机)模型，以及dnn(deep neural network，深度神经网络)模型中的至少一种。
165.在模型训练的过程中，通过将样本对象账号的样本对象特征以及样本信息输入到评分模型中，获得评分模型输出的该样本信息相对于该样本对象账号的预测评分结果；基于预测评分结果以及该样本信息对应的评分标签对评分模型进行训练；基于不同的样本信息与不同的样本对象账号的样本对象特征的组合，重复上述过程，对评分模型进行迭代训练，直至达到训练完成条件，获得训练好的评分模型，以通过训练好的评分模型对目标召回信息相对于目标对象账号的评分结果进行预测。
166.在上述过程中，可以基于样本信息相对于样本对象账号的预测评分结果，以及该样本信息相对于样本对象账号的评分标签，计算损失函数的该函数值，以基于损失函数的函数值对评分模型进行训练。
167.该训练完成条件可以包括，训练后的评分模型的评分准确度达到准确度阈值，训练后的评分模型收敛，或者迭代次数达到次数阈值。
168.在一种可能的实现方式中，为提高对评分模型的训练效果，可以将历史信息推荐结果获取为训练样本集；也就是说，该训练样本集中的样本信息为历史推荐信息；该样本对象特征是历史推荐信息对应的推荐对象账号在历史推荐信息被推荐时的对象特征；该样本信息相对于样本对象账号的评分标签是历史推荐信息相对于推荐对象账号的推荐结果；
169.该推荐结果包括推荐对象执行目标操作以及推荐对象未执行目标操作中的一种；
比如，若推荐结果为推荐对象执行了目标操作，则该样本信息对应的评分标签可以是100，若推荐结果为推荐对象未执行目标操作，则该样本信息对应的评分标签为0；其中，该推荐对象是推荐对象账号对应的对象。
170.步骤850，基于召回信息集合中的各个召回信息的本次评分结果，确定推荐信息。
171.在一种可能的实现方式中，在基于召回信息集合中的各个召回信息的本次评分结果，确定推荐信息时，可以基于召回信息集合中的各个召回信息的本次评分结果，对召回信息集合中的召回信息进行排序，获得第二排序结果；基于第二排序结果，确定推荐信息。
172.其中，可以通过召回信息集合中的召回信息进行升序排序，或者降序排序获得第二排序结果；响应于第二排序结果是基于本次评分结果对召回信息集合中的各个召回信息降序排列获得的，则可以获取第二排序结果指示排名前n名的召回信息为推荐信息，n为正整数；同时，将第二排序结果指示排名前m名的召回信息获取为本次推荐过程中的目标历史召回信息，将本次推荐过程的目标历史召回信息以及目标历史召回信息的评分结果进行存储，以结合当前记录时间段中进行的其他推荐过程各自获得的目标历史召回信息，生成当前记录时间段的历史信息子集，以供后续推荐时刻的历史召回路径获取第二召回信息集合。
173.在本次推荐过程的推荐阶段：
174.步骤860，向目标对象账号提供推荐信息。
175.计算机设备将第二排序结果指示排名前n名的召回信息获取为推荐信息，并进行推荐。示意性的，当计算机设备为服务器时，计算机设备通过将确定的推荐信息发送给终端，以使得终端通过自身的画面显示功能或者声音播放功能，对推荐信息进行推荐。
176.综上所述，本技术实施例提供的信息推荐方法，通过基于本次召回过程中召回的本次召回信息，得到第一召回信息集合；基于历史召回信息的历史评分结果与第一条件之间的关系，得到第二召回信息集合；从第一召回信息集合中的信息和第二召回信息集合中的信息中确定本次推荐过程中的推荐信息，并对推荐信息进行推荐。通过上述方案，在本次召回阶段，对之前的推荐过程中评分满足条件的历史召回结果进行再利用，实现了不同的信息推荐过程之间的关联，从而提高了对召回信息的利用效果，进而提高了信息推荐效果。
177.在获取历史召回信息时，基于信息的历史召回时刻从历史信息集合中获取第二信息集合，可以使得获取的历史召回信息的历史召回时刻与本次推荐过程在时间上具有一定的关联性，提高了对历史召回信息的获取效果。
178.在进行信息推荐时，分别设置不同时间区间与获取历史信息子集的目标时间段之间的时间间隔的对应关系，使得各个历史信息子集均能够在对应的时刻被利用，从而提高了历史召回信息的信息利用率。
179.在一种可能的实现方式中，在获取推荐信息时，从第一召回信息集合与第二召回信息集合中分别获取推荐信息。在此情况下，在排序阶段对召回信息集合中的召回信息进行排序时，可以获取第一召回信息集合中的本次召回信息的本次评分结果；基于本次召回信息的本次评分结果对本次召回信息进行排序，获得第三排序结果；基于第三排序结果确定第一推荐阈值的本次召回信息为推荐信息；在排序阶段，基于第二召回信息集合中的历史召回信息的历史评分结果，对历史召回信息进行排序，获得第四排序结果；基于第四排序结果确定第二推荐阈值的历史召回信息为推荐信息。其中，第一推荐阈值的数值与第二推
荐阈值的数值可以相同也可以不同，第一推荐阈值与第二推荐阈值可以由相关人员根据实际需求进行设置。示意性的，假设第一推荐阈值的数值与第二推荐阈值的数值均为2，在获取到第一召回信息集合与第二召回信息集合后，在排序阶段，将第一召回信息集合中，本次评分结果较高的前2名的本次召回信息，以及第二召回信息集合中，历史评分结果较高的前2名的历史召回信息共同获取为本次推荐过程的推荐信息，向目标对象账号提供推荐信息。
180.图10示出了本技术一示例性实施例示出的信息推荐系统的架构示意图，用以实现本技术提供的信息推荐方法，如图10所示，该信息推荐系统的推荐过程可以分为召回阶段1010，排序阶段1020以及推荐阶段1030。为实现本技术提供的信息推荐方法，实现对历史召回信息的复用，在本技术实施例中，在信息推荐系统中增加了用以对历史召回信息进行统计和筛选的多个组件，用以新增一路召回路径(历史召回路径)作为第二召回路径1040，与显式召回支路，隐式召回支路以及功能召回支路组成的第一召回路径1050，共同实现在召回阶段的信息召回；该多个组件包括历史召回结果记录组件1041，历史召回结果统计组件1042，以及历史召回组件1043。
181.其中，历史召回结果记录组件1041，用以获取在线推荐系统上报的top推荐结果，并进行存储，结合图3所示的实施例，该历史召回结果记录组件用以保存top n的召回信息(推荐信息)，以及top m的召回信息；其中，m》n。历史召回结果统计组件1042，用以按照记录时间段的周期进行统计汇总，获得各个记录时间段的历史召回子集，并进行存储；也就是说，该历史召回结果统计组件1042用以统计各个记录时间段内执行的各个推荐过程中的未推荐信息，以基于各个记录时间段内段的未推荐信息组成的集合，生成各个记录时间段对应的历史召回子集。该历史召回组件1043，用以通过将存储的历史召回子集重新拉起到新一轮推荐过程中的排序阶段，以作为新的一路召回，从而实现对历史召回信息的复用。
182.其中，该历史召回结果记录组件1041获取的在线推荐系统上报的top推荐结果，以及历史召回结果统计组件1042获得的各个记录时间段的历史召回子集可以存储在离线存储系统中；或者，为保证信息的安全性，也可以将上述信息存储在区块链中。
183.在一种可能的实现方式中，为保证信息推荐过程中，推荐对象的对象信息和推荐信息的安全性和准确性，本技术所公开的信息推荐方法中所涉及的推荐对象的历史行为数据，对象特征数据，历史召回信息数据等均可以保存于区块链上。
184.可以理解的是，在本技术的具体实施方式中，涉及到对象特征，推荐对象的历史行为数据等相关的数据，当本技术以上实施运用到具体产品或技术中时，需要获得用户许可或者同意，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
185.本技术通过在推荐系统中增加历史召回路径的方式，可以在使用较少的存储资源的前提下，比如，可以在使用200g的redis存储资源，以及少量的spark计算资源，提高信息推荐的效果和信息推荐效率。
186.本技术实施例提供的信息推荐方法，可以应用于任意需要进行信息推荐的场景中，以下示例性提供两种可能的信息推荐场景：
187.1.终端中安装的应用程序主动向目标对象进行信息推送的场景；
188.在一些可能的情况下，终端中安装的应用程序需要主动向目标对象进行信息推送，比如，在终端未开启应用程序的前提下，应用程序在预定的时间点通过弹窗，通知栏等
方式向目标对象推送推荐信息，以使得目标对象可以根据该推荐信息获取到信息内容。在该过程中，在预定时间点，应用程序通过终端向应用程序的服务器发起信息推送指令。应用程序的服务器在接收到信息推送指令后，通过本技术提供的信息推送方法，从候选召回信息以及历史召回信息两个信息来源中进行信息召回，并对召回的信息进行排序后获得推送信息，并将该推送信息返回给终端中的应用程序。应用程序在获取到该推荐信息后，通过终端中的通知栏或者弹窗等进行将该推送信息推送给目标对象。
189.2.应用程序中提供的“猜你喜欢”等推荐功能的使用场景；
190.应用程序中通常提供有信息推荐功能，比如视频应用程序中，在接收到目标对象打开应用程序的操作时，或者，在接收到目标对象对应用程序的推荐页面的刷新操作时，应用程序可以基于目标对象的历史行为数据，或者实时热点数据等向目标对象进行信息推荐。在该过程中，应用程序可以在目标对象打开应用程序时，或者在目标对象刷新应用程序的页面时，向应用程序的服务器发送信息推送指令，用以获应用程序的服务器基于本技术提供的信息推送方法获取的推荐信息，并在应用程序的显示界面上对该推荐信息进行推荐。
191.图11示出了本技术一示例性实施例示出的信息推荐装置的方框图，如图11所示，该信息推荐装置包括：
192.第一集合获取模块1110，用于基于本次召回过程召回的本次召回信息，得到第一召回信息集合；
193.第二集合获取模块1120，用于在历史召回过程召回的历史召回信息中，筛选历史评分结果高于第一条件的所述历史召回信息，得到第二召回信息集合；所述历史评分结果用以指示所述目标对象账号在历史召回时刻对所述历史召回信息执行目标操作的概率；
194.信息推荐模块1130，用于基于所述第一召回信息集合和所述第二召回信息集合，向所述目标对象账号提供本次推荐的召回信息。
195.在一种可能的实现方式中，所述第二集合获取模块1120，用于在所述历史召回过程召回的所述历史召回信息中，筛选所述历史评分结果高于所述第一条件，且未向所述目标对象账号推荐的所述历史召回信息，得到所述第二召回信息集合。
196.在一种可能的实现方式中，所述第二集合获取模块1120，包括：
197.子集读取模块，用于读取历史信息集合中的n个记录时间段各自对应的历史信息子集；所述历史信息子集中的所述历史召回信息的所述历史召回时刻处于与所述历史信息子集相对应的所述历史时间段内；所述历史信息子集中的所述历史召回信息的所述历史评分结果高于所述第一条件，且未向所述目标对象账号推荐；n为正整数；
198.集合获取子模块，用于从n个所述历史信息子集中，获取所述第二召回信息集合。
199.在一种可能的实现方式中，所述集合获取子模块，包括：
200.子集获取单元，用于在生成n个所述历史信息子集中的每个所述记录时间段的所述历史信息子集时，获取所述记录时间段内执行的i次推荐过程各自对应的历史召回信息子集；所述历史召回信息子集中包含目标历史召回信息；所述目标历史召回信息的所述历史评分结果处于所述历史召回信息子集中的前k名；i，k为正整数；
201.第一集合获取单元，用于获取未推荐信息集合，所述未推荐信息集合中包含i次推荐过程各自对应的所述目标历史召回信息中的未推荐信息；
202.子集生成单元，用于基于所述未推荐信息集合，生成所述记录时间段对应的所述历史信息子集。
203.在一种可能的实现方式中，所述子集生成单元，用于响应于所述未推荐信息集合中的所述未推荐信息的数量大于第一召回阈值，基于各个所述未推荐信息的所述历史评分结果进行排序，获得第一排序结果；
204.基于所述第一排序结果，获取数量等于所述第一召回阈值的所述未推荐信息，组成所述记录时间段对应的所述历史信息子集。
205.在一种可能的实现方式中，所述子集获取子模块，包括：
206.时刻获取单元，用于获取推荐时刻；所述推荐时刻是本次推荐过程对应的时刻；
207.子集获取单元，用于基于所述推荐时刻，从n个所述历史信息子集中，获取m个目标历史信息子集；m≤n，且m为正整数；
208.第二集合获取单元，用于将m个所述目标历史子集中的历史召回信息组成的集合，获取为所述第二召回信息集合。
209.在一种可能的实现方式中，所述子集获取单元，用于：
210.基于所述推荐时刻在所述本次推荐过程中所处的所述记录时间段中的时间区间，确定时间间隔；
211.将处于所述本次推荐过程所处的所述记录时间段之前，与所述本次推荐过程所处的所述记录时间段相差所述时间间隔的记录时间段，获取为目标时间段；
212.将所述目标时间段对应的历史信息子集，获取为m个所述目标历史信息子集。
213.在一种可能的实现方式中，所述第二集合获取模块1120，用于在所述历史召回过程推荐的历史推荐信息中，筛选未接收到目标对象执行的所述目标操作的所述历史推荐信息，得到所述第二召回信息集合；所述目标对象是所述目标对象账号对应的对象。
214.在一种可能的实现方式中，所述信息推荐模块1130，包括：
215.评分获取子模块，用于获取召回信息集合中各个召回信息的本次评分结果；所述召回信息集合包括所述第一召回信息集合以及所述第二召回信息集合；
216.推荐信息确定子模块，用于基于所述召回信息集合中的各个召回信息的所述本次评分结果，确定推荐信息；
217.信息推荐子模块，用于向所述目标对象账号提供所述推荐信息。
218.在一种可能的实现方式中，所述推荐信息确定子模块，包括：
219.排序单元，用于基于所述召回信息集合中的各个召回信息的所述本次评分结果，对所述召回信息集合中的召回信息进行排序，获得第二排序结果；
220.推荐信息确定单元，用于基于所述第二排序结果，确定所述推荐信息。
221.在一种可能的实现方式中，所述评分获取子模块，包括：
222.对象特征获取单元，用于获取目标对象账号的对象特征；
223.评分获取单元，用于基于所述目标对象账号的对象特征，分别获取各个召回信息的所述本次评分结果。
224.在一种可能的实现方式中，所述评分获取单元，用于将所述目标对象账号的所述对象特征，以及目标召回信息，输入至评分模型中，获得所述评分模型输出的所述目标召回信息的所述本次评分结果；所述目标召回信息是各个召回信息中的任意一个；
225.其中，所述评分模型是基于训练样本集进行训练获得的，所述训练样本集中包括样本对象账号的样本对象特征、样本信息、以及所述样本信息相对于所述样本对象账号的评分标签。
226.在一种可能的实现方式中，所述训练样本集中的所述样本信息为历史推荐信息；所述样本对象特征是所述历史推荐信息对应的推荐对象账号在历史推荐信息被推荐时的对象特征；所述样本信息相对于所述样本对象账号的所述评分标签是所述历史推荐信息相对于所述推荐对象账号的推荐结果；
227.所述推荐结果包括所述推荐对象执行目标操作以及所述推荐对象未执行所述目标操作中的一种；所述推荐对象是所述推荐对象账号对应的对象。
228.在一种可能的实现方式中，所述第一召回信息集合中包含第一子信息集合，第二子信息集合以及第三子信息集合中的至少一种；所述第一子信息集合是基于推荐对象账号的历史行为数据确定的关键词，从所述候选召回信息中筛选获得的召回信息组成的信息集合；所述第二子信息集合是基于推荐对象账号的历史行为数据确定的语义向量，从所述候选召回信息中筛选获得的召回信息组成的信息集合；所述第三子信息集合是基于信息属性从所述候选召回信息中筛选获得的召回信息组成的信息集合。
229.综上所述，本技术实施例提供的信息推荐装置，通过基于本次召回过程中召回的本次召回信息，得到第一召回信息集合；基于历史召回信息的历史评分结果与第一条件之间的关系，得到第二召回信息集合；从第一召回信息集合中的信息和第二召回信息集合中的信息中确定本次推荐过程中的推荐信息，并对推荐信息进行推荐。通过上述方案，在本次召回阶段，对之前的推荐过程中评分满足条件的历史召回结果进行再利用，实现了不同的信息推荐过程之间的关联，从而提高了对召回信息的利用效果，进而提高了信息推荐效果。
230.图12示出了本技术一示例性实施例示出的计算机设备1200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1200包括中央处理单元(central processing unit，cpu)1201、包括随机存取存储器(random access memory，ram)1202和只读存储器(read-only memory，rom)1203的系统存储器1204，以及连接系统存储器1204和中央处理单元1201的系统总线1205。所述计算机设备1200还包括用于存储操作系统1209、应用程序1210和其他程序模块1211的大容量存储设备1206。
231.所述大容量存储设备1206通过连接到系统总线1205的大容量存储控制器(未示出)连接到中央处理单元1201。所述大容量存储设备1206及其相关联的计算机可读介质为计算机设备1200提供非易失性存储。也就是说，所述大容量存储设备1206可以包括诸如硬盘或者只读光盘(compact disc read-only memory，cd-rom)驱动器之类的计算机可读介质(未示出)。
232.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1204和大容量存储设备1206可以统称为存储器。
233.根据本公开的各种实施例，所述计算机设备1200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1200可以通过连接在所述系统总线1205上的网络接口单元1207连接到网络1208，或者说，也可以使用网络接口单元1207来连接到其他类型的网络或远程计算机系统(未示出)。
234.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1201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。
235.图13示出了本技术一个示例性实施例示出的计算机设备1300的结构框图。该计算机设备1300可以实现为上述的终端，比如：智能手机、平板电脑、笔记本电脑或台式电脑。计算机设备1300还可能被称为终端设备、便携式终端、膝上型终端、台式终端等其他名称。
236.通常，计算机设备1300包括有：处理器1301和存储器1302。
237.在一些实施例中，计算机设备1300还可选包括有：外围设备接口1303和至少一个外围设备。处理器1301、存储器1302和外围设备接口1303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1303相连。具体地，外围设备包括：射频电路1304、显示屏1305、摄像头组件1306、音频电路1307和电源1308中的至少一种。
238.在一些实施例中，计算机设备1300还包括有一个或多个传感器1309。该一个或多个传感器1309包括但不限于：加速度传感器1310、陀螺仪传感器1311、压力传感器1312、光学传感器1313以及接近传感器1314。
239.本领域技术人员可以理解，图13中示出的结构并不构成对计算机设备1300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。
240.在一示例性实施例中，还提供了一种计算机可读存储介质，用于存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行以实现上述信息推送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。
241.在一示例性实施例中，还提供了一种计算机程序产品或计算机程序，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3、图4或图8任一实施例所示方法的全部或部分步骤。
242.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。
243.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：基于本次召回过程召回的本次召回信息，得到第一召回信息集合；在历史召回过程召回的历史召回信息中，筛选历史评分结果高于第一条件的所述历史召回信息，得到第二召回信息集合；所述历史评分结果用以指示目标对象账号在历史召回时刻对所述历史召回信息执行目标操作的概率；基于所述第一召回信息集合和所述第二召回信息集合，向所述目标对象账号提供本次推荐的召回信息。2.根据权利要求1所述的方法，其特征在于，所述在历史召回过程召回的历史召回信息中，筛选历史评分高于第一条件的所述历史召回信息，得到第二召回信息集合，包括：在所述历史召回过程召回的所述历史召回信息中，筛选所述历史评分结果高于所述第一条件，且未向所述目标对象账号推荐的所述历史召回信息，得到所述第二召回信息集合。3.根据权利要求2所述的方法，其特征在于，所述在所述历史召回过程召回的所述历史召回信息中，筛选所述历史评分结果高于所述第一条件，且未向所述目标对象账号推荐的所述历史召回信息，得到所述第二召回信息集合，包括：读取历史信息集合中的n个记录时间段各自对应的历史信息子集；所述历史信息子集中的所述历史召回信息的所述历史召回时刻处于与所述历史信息子集相对应的历史时间段内；所述历史信息子集中的所述历史召回信息的所述历史评分结果高于所述第一条件，且未向所述目标对象账号推荐；n为正整数；从n个所述历史信息子集中，获取所述第二召回信息集合。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：在生成n个所述历史信息子集中的每个所述记录时间段的所述历史信息子集时，获取所述记录时间段内执行的i次推荐过程各自对应的历史召回信息子集；所述历史召回信息子集中包含目标历史召回信息；所述目标历史召回信息的所述历史评分结果处于所述历史召回信息子集中的前k名；i，k为正整数；获取未推荐信息集合，所述未推荐信息集合中包含i次推荐过程各自对应的所述目标历史召回信息中的未推荐信息；基于所述未推荐信息集合，生成所述记录时间段对应的所述历史信息子集。5.根据权利要求4所述的方法，其特征在于，所述基于所述未推荐信息集合，生成所述记录时间段对应的所述历史信息子集，包括：响应于所述未推荐信息集合中的所述未推荐信息的数量大于第一召回阈值，基于各个所述未推荐信息的所述历史评分结果进行排序，获得第一排序结果；基于所述第一排序结果，获取数量等于所述第一召回阈值的所述未推荐信息，组成所述记录时间段对应的所述历史信息子集。6.根据权利要求3所述的方法，其特征在于，所述从n个所述历史信息子集中，获取所述第二召回信息集合，包括：获取本次推荐过程对应的推荐时刻；基于所述推荐时刻，从n个所述历史信息子集中，获取m个目标历史信息子集；m≤n，且m为正整数；将m个所述目标历史子集中的历史召回信息组成的集合，获取为所述第二召回信息集
合。7.根据权利要求6所述的方法，其特征在于，所述基于所述推荐时刻，从n个所述历史信息子集中，获取m个目标历史信息子集，包括：基于所述推荐时刻在所述本次推荐过程中所处的所述记录时间段中的时间区间，确定时间间隔；将处于所述本次推荐过程所处的所述记录时间段之前，与所述本次推荐过程所处的所述记录时间段相差所述时间间隔的记录时间段，获取为目标时间段；将所述目标时间段对应的历史信息子集，获取为m个所述目标历史信息子集。8.根据权利要求1所述的方法，其特征在于，所述在历史召回过程召回的历史召回信息中，筛选历史评分结果高于第一条件的所述历史召回信息，得到第二召回信息集合，包括：在所述历史推荐过程推荐的历史推荐信息中，筛选未接收到目标对象执行的所述目标操作的所述历史推荐信息，得到所述第二召回信息集合；所述目标对象是所述目标对象账号对应的对象。9.根据权利要求1至8任一所述的方法，其特征在于，所述基于所述第一召回信息集合和所述第二召回信息集合，向所述目标对象账号提供本次推荐的召回信息，包括：获取召回信息集合中各个召回信息的本次评分结果；所述召回信息集合包括所述第一召回信息集合以及所述第二召回信息集合；基于所述召回信息集合中的各个召回信息的所述本次评分结果，确定推荐信息；向所述目标对象账号提供所述推荐信息。10.根据权利要求9所述的方法，其特征在于，所述基于所述召回信息集合中的各个召回信息的所述本次评分结果，确定推荐信息，包括：基于所述召回信息集合中的各个召回信息的所述本次评分结果，对所述召回信息集合中的召回信息进行排序，获得第二排序结果；基于所述第二排序结果，确定所述推荐信息。11.根据权利要求9所述的方法，其特征在于，所述获取召回信息集合中的各个召回信息的本次评分结果，包括：获取所述目标对象账号的对象特征；基于所述目标对象账号的对象特征，分别获取各个召回信息的所述本次评分结果。12.根据权利要求11所述的方法，其特征在于，所述基于所述目标对象账号的对象特征，分别获取各个召回信息的所述本次评分结果，包括：将所述目标对象账号的所述对象特征，以及目标召回信息，输入至评分模型中，获得所述评分模型输出的所述目标召回信息的所述本次评分结果；所述目标召回信息是各个召回信息中的任意一个；其中，所述评分模型是基于训练样本集进行训练获得的，所述训练样本集中包括样本对象账号的样本对象特征、样本信息、以及所述样本信息相对于所述样本对象账号的评分标签。13.根据权利要求12所述的方法，其特征在于，所述训练样本集中的所述样本信息为历史推荐信息；所述样本对象特征是所述历史推荐信息对应的推荐对象账号在历史推荐信息被推荐时的对象特征；所述样本信息相对于所述样本对象账号的所述评分标签是所述历史
推荐信息相对于所述推荐对象账号的推荐结果；所述推荐结果包括推荐对象执行目标操作以及所述推荐对象未执行所述目标操作中的一种；所述推荐对象是所述推荐对象账号对应的对象。14.根据权利要求1至8任一所述的方法，其特征在于，所述第一召回信息集合中包含第一子信息集合，第二子信息集合以及第三子信息集合中的至少一种；所述第一子信息集合是基于目标对象账号的历史行为数据确定的关键词，从候选召回信息中筛选获得的召回信息组成的信息集合；所述第二子信息集合是基于目标对象账号的历史行为数据确定的语义向量，从所述候选召回信息中筛选获得的召回信息组成的信息集合；所述第三子信息集合是基于信息属性从所述候选召回信息中筛选获得的召回信息组成的信息集合。15.一种信息推荐装置，其特征在于，所述装置包括：第一集合获取模块，用于基于本次召回过程召回的本次召回信息，得到第一召回信息集合；第二集合获取模块，用于在历史召回过程召回的历史召回信息中，筛选历史评分结果高于第一条件的所述历史召回信息，得到第二召回信息集合；所述历史评分结果用以指示目标对象账号在历史召回时刻对所述历史召回信息执行目标操作的概率；信息推荐模块，用于基于所述第一召回信息集合和所述第二召回信息集合，向所述目标对象账号提供本次推荐的召回信息。16.一种计算机设备，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14任一所述的信息推荐方法。17.一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14任一所述的信息推荐方法。18.一种计算机程序产品，其特征在于，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如权利要求1至14任一所述的信息推荐方法。

技术总结
本申请是关于一种信息推荐方法、装置、设备、存储介质及程序产品，涉及信息推荐技术领域。该方法包括：基于本次召回过程召回的本次召回信息，得到第一召回信息集合；在历史召回过程召回的历史召回信息中，筛选历史评分结果高于第一条件的历史召回信息，得到第二召回信息集合；该历史评分结果用以指示目标对象账号在历史召回时刻对历史召回信息执行目标操作的概率；基于第一召回信息集合以及第二召回信息集合，向目标对象账号提供本次推荐的召回信息；通过上述方法，在本次召回阶段，对之前的推荐过程中评分满足条件的历史召回结果进行再利用，实现了不同的信息推荐过程之间的关联，从而提高了对召回信息的利用效果，进而提高了信息推荐效果。信息推荐效果。信息推荐效果。


技术研发人员：张月鹏 杨永强 贾子涵
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：2022.01.12
技术公布日：2023/7/25