推荐方法、装置、电子设备及存储介质与流程

阅读：评论：0

1.本技术涉及机器学习技术领域，尤其涉及一种推荐方法、装置、电子设备及存储介质。

背景技术：

2.在当前越来越多的游戏类应用或互动类应用的使用过程中，为了适应实际应用的需求，当响应到用户的需求后会根据用户的需求对用户提供对应的推荐服务。然而，现有的推荐存在如下问题：现有的技术中的特征因为缺乏实时性，导致根据特征生成的推荐的时效性不能得到保证，存在严重的滞后问题；进一步的，现有技术中为了改善特征缺乏实时性的问题，往往会通过添加大量的实时模块保证特征的实时性，而添加额定大量模块需要专人进行维护，导致成本大大提高。

技术实现要素：

3.有鉴于此，本技术提出一种推荐方法、装置、电子设备及存储介质，以克服现有技术的不足。
4.本技术提供了一种推荐方法，包括：
5.响应于推荐请求，通过预先训练的第一玩家游戏特征对应的特征预测模型分别预测得到当前时刻的第一玩家游戏特征；所述特征预测模型为通过第二历史时间间隔内的，特征预测模型对应的第一玩家游戏特征训练得到的第一玩家游戏特征对应的模型；所述第一玩家游戏特征为结果预测模型中权重不小于预设权重阈的玩家游戏特征；所述结果预测模型为通过第一历史时间间隔内的玩家游戏特征训练得到的模型；所述权重表征玩家游戏特征影响所述结果预测模型的预测结果的重要程度；
6.将所述当前时刻的第一玩家游戏特征与所述第一历史时间间隔内的第二玩家游戏特征组合为玩家游戏特征；所述第二玩家游戏特征为所述结果预测模型中权重小于预设权重阈的玩家游戏特征；
7.将所述玩家游戏特征输入所述结果预测模型，确定所述推荐请求对应的推荐结果。
8.基于同一构思，本技术还提供了一种推荐装置，包括：
9.特征预测模块，被配置为响应于推荐请求，通过预先训练的第一玩家游戏特征对应的特征预测模型分别预测得到当前时刻的第一玩家游戏特征；所述特征预测模型为通过第二历史时间间隔内的，特征预测模型对应的第一玩家游戏特征训练得到的第一玩家游戏特征对应的模型；所述第一玩家游戏特征为结果预测模型中权重不小于预设权重阈的玩家游戏特征；所述结果预测模型为通过第一历史时间间隔内的玩家游戏特征训练得到的模型；所述权重表征玩家游戏特征影响所述结果预测模型的预测结果的重要程度；
10.特征组合模块，被配置为将所述当前时刻的第一玩家游戏特征与所述第一历史时间间隔内的第二玩家游戏特征组合为玩家游戏特征；所述第二玩家游戏特征为所述结果预
测模型中权重小于预设权重阈的玩家游戏特征；
11.结果确定模块，被配置为将所述玩家游戏特征输入所述结果预测模型，确定所述推荐请求对应的推荐结果。
12.基于同一构思，本技术还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任一项所述的推荐方法。
13.基于同一构思，本技术还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存储计算机指令，所述计算机指令用于使所述计算机实现如上任一项所述的推荐方法。
14.从上面所述可以看出，本技术提供的一种推荐方法、装置、电子设备及存储介质，其中，所述推荐方法包括：获取用户通过客户端发起的推荐请求，当确定收到推荐请求后，通过预先训练的特征预测模型根据当前日期，确定当前日期之前若干天中玩家的游戏特征，并根据当前日期之前若干天中玩家的游戏特征进行预测，得到收到推荐请求的时刻的多个预测玩家游戏特征，并对多个预测玩家游戏特征进行选择，即将多个预测玩家游戏特征不小于预设阈值的预测玩家游戏特征作为第一玩家游戏特征，并根据第一玩家游戏特征进行预测确定当前时刻的第一玩家游戏特征；通过确定当前日期，并根据当前日期确定与当前日期最接近的日期中的游戏特征进行当前时刻的特征预测从而保证预测得到的当前时刻的第一玩家游戏特征也具有时效性，进而保证了根据当前时刻的第一玩家游戏特征与第二玩家游戏特征确定的玩家游戏特征的时效性，并且本技术的玩家游戏特征通过当前时刻的第一玩家游戏特征与第二玩家游戏特征确定，并根据玩家游戏特征确定推荐内容，有效保证了推荐内容的准确度。
附图说明
15.为了更清楚地说明本技术或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
16.图1为本技术实施例的一种推荐方法的应用场景示意图；
17.图2为本技术实施例的一种推荐方法的流程示意图；
18.图3为本技术实施例的一种推荐设备的结构示意图；
19.图4为本技术实施例的电子设备结构示意图。
具体实施方式
20.为使本技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本技术进一步详细说明。
21.需要说明的是，除非另外定义，本技术实施例使用的技术术语或者科学术语应当为本技术所属领域内具有一般技能的人士所理解的通常意义。本技术实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在
该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
22.如背景技术部分所述，以游戏应用的具体场景为例，目前很多推荐方法都是通过获取历史数据中的离线数据特征进行更新，然而离线数据特征一般更新频率低，严重存在滞后问题，即一些相关信息在当前时刻相较于历史数据中已经发生了变化。例如，游戏用户在发出推荐请求的两分钟前等级由50级升级到了51级，而获取到的历史数据中的等级可能还是50级或者比50级更低的等级，信息的失真，则会导致推荐结果不准确、不符合当前实际情况、不具有参考性。
23.在一些现有改进方案中，为了提高推荐的准确性常常通过添加大量的实时预测模块，通过实时预测模块使用当前日的实时特征预测当前日的推荐内容，然而，大量的实时模块的添加需要专人进行维护，则会造成成本的增加，并不适于实用。
24.结合上述实际情况，本技术实施例提出了一种推荐方案，用于在系统中根据用户的推荐请求对用户提供推荐内容。具体包括：获取用户通过客户端发起的推荐请求，当确定收到推荐请求后，通过预先训练的特征预测模型根据当前日期，确定当前日期之前若干天中玩家的游戏特征，并根据当前日期之前若干天中玩家的游戏特征进行预测，得到收到推荐请求的时刻的多个预测玩家游戏特征，并对多个预测玩家游戏特征进行选择，即将多个预测玩家游戏特征不小于预设阈值的预测玩家游戏特征作为第一玩家游戏特征，并根据第一玩家游戏特征进行预测确定当前时刻的第一玩家游戏特征；通过确定当前日期，并根据当前日期确定与当前日期最接近的日期中的游戏特征进行当前时刻的特征预测从而保证预测得到的当前时刻的第一玩家游戏特征也具有时效性，进而保证了根据当前时刻的第一玩家游戏特征与第二玩家游戏特征确定的玩家游戏特征的时效性，并且本技术的玩家游戏特征通过当前时刻的第一玩家游戏特征与第二玩家游戏特征确定，并根据玩家游戏特征确定推荐内容，有效保证了推荐内容的准确度。
25.参考图1，其为本技术实施例提供的推荐方法的应用场景示意图。该应用场景包括终端设备101、服务器102以及数据存储系统103。其中，终端设备101、服务器102以及数据存储系统103之间均可通过有线或无线的通信网络连接。终端设备101包括但不限于桌面计算机、移动电话、移动电脑、平板电脑、媒体播放器、智能可穿戴设备视、个人数字助理(personal digital assistant，pda)或其它能够实现上述功能的电子设备等。服务器102和数据存储系统103均可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn、以及大数据和人工智能平台等基础云计算服务的云服务器。
26.服务器102用于获取当日之前的若干天的历史数据，并根据获取到的历史数据中提取若干特征，并根据提取到的若干特征，通过预先训练的预测模型预测出当日当时的推荐任务或推荐内容，其中，推荐任务或推荐内容可以是游戏中的虚拟物品推荐、武器推荐、装备推荐以及道具推荐等等，并将预测得到的虚拟物品、武器、装备以及道具提供给终端设备101的用户，终端设备101中安装有与服务器102通信的客户端，用户可通过该客户端获取
或接收推荐内容。
27.数据存储系统103中存储有大量的用户的历史操作数据、历史推荐数据、历史等级数据、历史输入数据以及历史获取数据等等历史数据；服务器102可基于大量的历史数据与预测模型进行训练，提高预测模型的精确度，从而为用户提供更为准确的推荐内容。
28.本技术实施例的推荐方法可应用于在系统中根据用户输入的推荐请求，为用户提供更为精准的推荐服务，并且不需要大量的人工进行维护，节省成本。
29.下面结合图1的应用场景，来描述根据本技术示例性实施方式的推荐方法。需要注意的是，上述应用场景仅是为了便于理解本技术的精神和原理而示出，本技术的实施方式在此方面不受任何限制。相反，本技术的实施方式可以应用于适用的任何场景。
30.图2示出了本技术实施例所提供的一种推荐方法的示例性流程示意图。
31.如图2所示，为本技术提出的一种推荐方法的流程示意图，具体包括以下步骤：
32.步骤202，响应于推荐请求，通过预先训练的第一玩家游戏特征对应的特征预测模型分别预测得到当前时刻的第一玩家游戏特征；所述特征预测模型为通过第二历史时间间隔内的，特征预测模型对应的第一玩家游戏特征训练得到的第一玩家游戏特征对应的模型；所述第一玩家游戏特征为结果预测模型中权重不小于预设权重阈的玩家游戏特征；所述结果预测模型为通过第一历史时间间隔内的玩家游戏特征训练得到的模型；所述权重表征玩家游戏特征影响所述结果预测模型的预测结果的重要程度；
33.步骤204，将所述当前时刻的第一玩家游戏特征与所述第一历史时间间隔内的第二玩家游戏特征组合为玩家游戏特征；所述第二玩家游戏特征为所述结果预测模型中权重小于预设权重阈的玩家游戏特征；
34.步骤206，将所述玩家游戏特征输入所述结果预测模型，确定所述推荐请求对应的推荐结果。
35.在步骤202中，当用户通过客户端发起了一个推荐请求(也可以是推荐任务)，例如，可以是当确定安装在移动设备的客户端确定被用户点开后，客户端显示首屏页面，同时用户通过点击终端设备的显示界面提供的向服务器发出推荐请求，当服务器端确定接收到推荐请求的同时则会获取当前时刻的标准时间，并根据当前时刻的标准时间和接收到的推荐请求的相关信息，确定一个当前时间戳。其中，时间戳是使用数字签名技术产生的数据，为一种时间表示方式，签名的对象包括了原始文件信息、签名参数、签名时间等信息。进一步的，时间戳为由联合信任时间戳服务中心签发的一个电子凭证，用于证明电子数据文件自申请可信时间戳后内容保持完整、未被更改。在一些实施方式中时间戳也可单指被触发时的时间，用于标识事件发生的时间。
36.在一些可以选择的实施方式中，当前时间戳，具体可以包括接收到推荐任务或推荐请求时的标准时间和推荐任务或推荐请求的相关信息。
37.在一些可以选择的实施方式中，第一历史时间间隔内的玩家游戏特征和第二历史时间间隔内的玩家游戏特征为游戏玩家或游戏用户在过去一段具体时间内的操作数据，具体可以为游戏用户的游戏战绩、游戏用户的访问记录和被访问记录、等级提升记录、充值记录、购买记录等等。
38.进一步的，在本技术中第一历史时间间隔一般为收到推荐请求之前若干天，其中，若干天可以是收到推荐请求前30天，或50天，并且若干天可以包括收到推荐请求的前一天
或前两日，也可以不包括，可以为与收到推荐请求的日期相间隔的日期，并不一定是与收到推荐请求的日期相邻的日期；而第二历史时间间隔一般为收到推荐请求前一天或前两日或前三日等等的一段时间。
39.在一些可以选择的实施方式中，通过第一历史时间间隔内的玩家游戏特征对结果预测模型进行训练，其中，第一历史时间间隔可以是30天，当预设的时间段是30天时，则是从30天中的所有数据中选出k个特征，并根据选出的k个特征对第一预测模型进行训练。当预设的时间段是30天时，若要计算过去30天中每个小时的游戏特征，则是将30乘以24，即表示过去30天中，每个小时的数据，当然，在实际的应用中，预设的时间段并不一定是30天，可以是20天或40天，或更加贴合本技术方案的天数均在本技术的保护范围。
40.在一些可以选择的实施方式中，游戏玩家提供客户端发出的推荐请求为要求服务器给出一个物品列表，用于向用户展示，此时，当服务器接收到推荐任务或推荐请求，则在收到推荐任务或推荐请求的同时获取当前的时间戳，根据接收推荐任务或推荐请求以及获取时间戳的接收结果和获取结果进行后续预测。其中，推荐任务或推荐请求可以是玩家等级或玩家充值或玩家装备评分。例如，当客户端收到用户点击的是“玩家等级”，则获取数据库中的“玩家等级”数据，根据获取的“玩家等级”数据预测得到当前时刻的玩家游戏特征，即当前时刻的第一玩家游戏特征，并将最新的“玩家等级”发送给客户端，并通过游戏应用的显示界面显示给游戏玩家。在具体的实施例中，推荐任务或推荐请求可以不限于是玩家等级或玩家充值或玩家装备评分，也可以是装备购买记录或玩家武力值分析等。
41.在本步骤中，第一玩家游戏特征为获取到当前时间戳后根据获取到的第一历史时间间隔的玩家游戏特征进行预测得到的当前时刻每一种推荐类型所对应的若干个第一玩家游戏特征。其中，第一历史时间间隔的玩家游戏特征可以包含随着时间的变化而发生变化的游戏特征，例如，在游戏用户的场景中可以是该用户在过去一段时间内的等级信息、充值记录、装备评分等等其他与用户相关或者在电商用户的场景中可以是该用户一段历史时间内上共花费多少钱、历史上总共购买物品数量等；近期的操作，如最近一个月对于某类商品的点击次数，最近一个月某类商品加购物车次数等；也可以是一些不随时间变化而变化的数据或短时间内不随时间变化而变化，例如，用户的个人信息：性别、省份、年龄等。具体的过去一段时间可以是一个月，即30天，也可以是20天等任何符合方案实际情况的历史天数，并不一定是20天或30天，本技术中不做具体限定。
42.在一些可以选择的实施方式中，根据获取到的第一玩家游戏特征，通过预先训练的第一玩家游戏特征对应的特征预测模型进行预测得到当前时刻的第一玩家游戏特征。其中，第一玩家游戏特征的获取具体包括：获取与当前日期相邻或相隔的一段时间内的玩家游戏特征，并将与当前日期相邻或相隔的一段时间内的玩家游戏特征输入预先训练的特征预测模型进行预测，得到当前日期24个小时中每个小时所对应的游戏特征，并进一步确定当前收到推荐请求的时刻，进而根据收到推荐请求的时刻确定当前时刻的玩家游戏特征，即当前时刻的第一玩家游戏特征。在一些实施方式中，当推荐请求为“装备评分”，第一历史时间间隔为30天时，输入30(天)
×
24(一天24个小时)个装备特征值，输出预测的t日(即当前日期)的24个装备评分值。进一步，确定收到“装备评分”推荐请求的时刻，比如11点15，则可以归到第12个值，则将第12个值对应的“装备评分”输出，作为当前时刻的第一玩家游戏特征。
43.在一些实施方式中，第一玩家游戏特征根据第二历史时间间隔内的玩家游戏特征，通过结果预测模型预测得到。具体包括：计算每一个玩家游戏特征的权重值，根据权重值对玩家游戏特征进行从大到小的顺序排列，完成顺序排列后，根据每个玩家游戏特征的权重值将权重值大于预设阈值的前k个玩家游戏特征构建并训练对应的特征预测模型。其中，k可以为任何数值。例如，完成顺序排列后共有20个玩家游戏特征，其中，前16个预测特征的权重值均大于预设阈值，则将前16个玩家游戏特征作为第一玩家游戏特征。
44.在一些可以选择的实施方式中，也可以是根据权重值对玩家游戏特征进行从小到大的顺序排列，当进行的是从小到大的顺序排列排列时，则选取的是后k个数据特征作为第一玩家游戏特征。
45.进一步的，通过权重计算函数计算所述玩家游戏特征的权重。其中，权重计算函数可以是任何可用于计算权重的算法，例如：lr算法，(logistic regression,即逻辑回归)是一种二分类算法。
46.在一些可以选择的实施方式中，k值的大小，即选取的玩家游戏特征的数量多少可以通过设置m值和k值的比例进行预设，其中，m为玩家游戏特征的数量。例如，可以设置选取的玩家游戏特征的数量占比需要占k值的80％，而m值则只能通过预测得知。例如，预测得到的玩家游戏特征的数量为110个，当占比设置为80％时，则110
×
80％＝88，因此，可以确定要选取前80个玩家游戏特征或者后80个玩家游戏特征作为第一玩家游戏特征。
47.在一些可以选择的实施方式中，也可以是，根据设定选取的玩家游戏特征的数量k占总玩家游戏特征的数量m的比例确定第一玩家游戏特征的数量。例如，玩家游戏特征的个数为100个，其中，玩家游戏特征的个数可以记为m，则可以取前80个或者后80个玩家游戏特征作为第一玩家游戏特征，即，此时k值为80。具体的m和k并不一定是100和80，也可以是100和90，或120和100等任何符合方案实际情况的数值，并不一定是100个和80个，本技术中不做具体限定。
48.在一些可以选择的实施方式中，确定当前时刻第一玩家游戏特征后进一步根据第一历史时间间隔确定第二玩家游戏特征，并将当前时刻第一玩家游戏特征与第二玩家游戏特征进行组合，并将组合结果输入结果预测模型，确定推荐请求对应的推荐结果。
49.在一些可以选择的实施方式中，还可以将当前时刻第一玩家游戏特征输入结果预测模型进行预测，从而确定推荐结果。具体包括：对当前时刻第一玩家游戏特征数量进行检测，并根据玩家游戏特征的数量确定第一玩家游戏特征是否具有参考性，是否可以直接通过当前时刻的第一玩家游戏特征直接确定综合特征集。进一步的，响应于确定当前时刻第一玩家游戏特征的数量与预设阈值存在差值，根据所述差值，获取第一历史时间间隔的第二玩家游戏特征；根据第一历史时间间隔的第二玩家游戏特征，进行预测，确定推荐请求对应的推荐结果。
50.在本步骤中，所述结果预测模型为非线性模型，例如可以是随机森林模型或gbdt模型(gradient boosting decision tree，基于决策树的集成算法)或xgboost(优化的分布式梯度增强库)。当完成预测后，通过所述客户端对推荐内容进行展示。进一步的，其中随机森林模型为利用多棵决策树对样本进行训练并预测的一种分类器；gbdt模型通过梯度下降来对新的学习器进行迭代其中的决策树为cart(classification and regression tree，也称为分类回归算法)决策树。
51.在一些实施方式中，本技术的方法的完整执行步骤可以是：首先，接收到推荐请求或推荐任务，即，可以是在第t日时，当客户端发起一个推荐任务(例如，可以是客户端被用户点开了，客户端接受到用户的物品列表展示指令，则向服务器发出获取“装备评分”的请求，服务器则根据接受到的请求生成推荐内容，并向客户端发送推荐内容由客户端向用户进行推荐内容展示)；其中，t表示是当日的日期，并不是特定的某一天，例如，当前时间为2022年1月1日，则“第t日”是2022年1月1日；当然，“第t日”也可以是2022年3月1日，均取决于当前的日期；进一步的，服务器端在检测到请求的同时获取当前的时间，并根据当前的时间确定时间戳；在一些实施方式中，时间戳是使用数字签名技术产生的数据，其中的时间戳不仅可以包括时间，还可以包括原始文件信息、签名参数、签名时间等信息。
52.然后，确定获取到的推荐请求，同时根据该推荐请求以及时间戳确定第一历史时间间隔和第二历史时间间隔，进一步根据第一历史时间间隔和第二历史时间间隔确定当前时刻的第一玩家游戏特征和第二玩家游戏特征进行预测，确定推荐请求对应的推荐结果。
53.从上面所述可以看出，本技术实施例的一种推荐方法，获取用户通过客户端发起的推荐请求，当确定收到推荐请求后，通过预先训练的特征预测模型根据当前日期，确定当前日期之前若干天中玩家的游戏特征，并根据当前日期之前若干天中玩家的游戏特征进行预测，得到收到推荐请求的时刻的多个预测玩家游戏特征，并对多个预测玩家游戏特征进行选择，即将多个预测玩家游戏特征不小于预设阈值的预测玩家游戏特征作为第一玩家游戏特征，并根据第一玩家游戏特征进行预测确定当前时刻的第一玩家游戏特征；通过确定当前日期，并根据当前日期确定与当前日期最接近的日期中的游戏特征进行当前时刻的特征预测从而保证预测得到的当前时刻的第一玩家游戏特征也具有时效性，进而保证了根据当前时刻的第一玩家游戏特征与第二玩家游戏特征确定的玩家游戏特征的时效性，并且本技术的玩家游戏特征通过当前时刻的第一玩家游戏特征与第二玩家游戏特征确定，并根据玩家游戏特征确定推荐内容，有效保证了推荐内容的准确度。
54.需要说明的是，本技术实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本技术实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本技术实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
55.需要说明的是，上述对本技术特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
56.基于同一构思，与上述任意实施例方法相对应的，本技术还提供了一种推荐装置。
57.参考图3，所述推荐装置包括：
58.特征预测模块302，被配置为响应于推荐请求，通过预先训练的第一玩家游戏特征对应的特征预测模型分别预测得到当前时刻的第一玩家游戏特征；所述特征预测模型为通过第二历史时间间隔内的，特征预测模型对应的第一玩家游戏特征训练得到的第一玩家游戏特征对应的模型；所述第一玩家游戏特征为结果预测模型中权重不小于预设权重阈的玩家游戏特征；所述结果预测模型为通过第一历史时间间隔内的玩家游戏特征训练得到的模
型；所述权重表征玩家游戏特征影响所述结果预测模型的预测结果的重要程度；
59.特征组合模块304，被配置为将所述当前时刻的第一玩家游戏特征与所述第一历史时间间隔内的第二玩家游戏特征组合为玩家游戏特征；所述第二玩家游戏特征为所述结果预测模型中权重小于预设权重阈的玩家游戏特征；
60.结果确定模块306，被配置为将所述玩家游戏特征输入所述结果预测模型，确定所述推荐请求对应的推荐结果。
61.在一些可选的实施方式中，所述特征预测模块302，包括：
62.通过所述第一历史时间间隔内的玩家游戏特征训练所述结果预测模型，得到训练后的结果预测模型；和/或
63.通过第二历史时间间隔内的第一玩家游戏特征分别训练第一玩家游戏特征对应的特征预测模型，得到训练后第一玩家游戏特征对应的特征预测模型。
64.在一些可选的实施方式中，所述特征预测模块302，还包括：
65.通过所述权重计算函数计算所述玩家游戏特征的权重。
66.在一些可选的实施方式中，所述特征预测模块302，还包括：
67.确定所述结果预测模型中权重不小于预设权重阈的所述第一玩家游戏特征，以及权重小于预设权重阈的所述第二玩家游戏特征。
68.在一些可选的实施方式中，所述特征预测模块302，还包括：
69.通过所述第二历史时间间隔内每日的多个时刻的所述第一玩家游戏特征分别训练所述第一玩家游戏特征对应的特征预测模型；
70.所述通过预先训练的第一玩家游戏特征对应的特征预测模型分别预测得到当前时刻的第一玩家游戏特征，包括：
71.根据所述推荐请求的当前时刻，通过预先训练的所述第一玩家游戏特征对应的特征预测模型分别预测得到所述当前时刻的第一玩家游戏特征。
72.在一些可选的实施方式中，所述特征预测模块302，还包括：
73.所述第一历史时间间隔包括接收到所述推荐请求的时刻的前一日的多个时刻，
74.和/或第二历史时间间隔包括接收到所述推荐请求之前的若干日。
75.在一些可选的实施方式中，所述特征预测模块302，还包括：
76.响应于所述推荐请求，获取系统的当前时间戳，并根据所述当前时间戳确定所述第一时间间隔和所述第二时间间隔。
77.在一些可选的实施方式中，所述特征组合模块304，包括：
78.确定所述当前时刻的第一玩家游戏特征数量；
79.响应于确定所述当前时刻的第一玩家游戏特征数量小于预设数量阈值，将所述当前时刻的第一玩家游戏特征与所述第一历史时间间隔内的第二玩家游戏特征组合为玩家游戏特征；
80.响应于确定所述当前时刻的第一玩家游戏特征数量不小于预设数量阈值，将所述当前时刻的第一玩家游戏特征确定为所述玩家游戏特征。
81.在一些可选的实施方式中，所述结果预测模块306，包括：
82.所述结果预测模型为随机森林模型或梯度提升决策树模型。
83.为了描述的方便，描述以上设备时以功能分为各种模块分别描述。当然，在实施本
申请实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
84.上述实施例的设备用于实现前述实施例中相应的推荐方法，具体包括：获取用户通过客户端发起的推荐请求，当确定收到推荐请求后，通过预先训练的特征预测模型根据当前日期，确定当前日期之前若干天中玩家的游戏特征，并根据当前日期之前若干天中玩家的游戏特征进行预测，得到收到推荐请求的时刻的多个预测玩家游戏特征，并对多个预测玩家游戏特征进行选择，即将多个预测玩家游戏特征不小于预设阈值的预测玩家游戏特征作为第一玩家游戏特征，并根据第一玩家游戏特征进行预测确定当前时刻的第一玩家游戏特征；通过确定当前日期，并根据当前日期确定与当前日期最接近的日期中的游戏特征进行当前时刻的特征预测从而保证预测得到的当前时刻的第一玩家游戏特征也具有时效性，进而保证了根据当前时刻的第一玩家游戏特征与第二玩家游戏特征确定的玩家游戏特征的时效性，并且本技术的玩家游戏特征通过当前时刻的第一玩家游戏特征与第二玩家游戏特征确定，并根据玩家游戏特征确定推荐内容，有效保证了推荐内容的准确度。
85.基于同一构思，与上述任意实施例方法相对应的，本技术还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上任意一实施例所述的推荐方法。
86.所述推荐方法具体包括：响应于推荐请求，通过预先训练的第一玩家游戏特征对应的特征预测模型分别预测得到当前时刻的第一玩家游戏特征；所述特征预测模型为通过第二历史时间间隔内的，特征预测模型对应的第一玩家游戏特征训练得到的第一玩家游戏特征对应的模型；所述第一玩家游戏特征为结果预测模型中权重不小于预设权重阈的玩家游戏特征；所述结果预测模型为通过第一历史时间间隔内的玩家游戏特征训练得到的模型；所述权重表征玩家游戏特征影响所述结果预测模型的预测结果的重要程度；
87.将所述当前时刻的第一玩家游戏特征与所述第一历史时间间隔内的第二玩家游戏特征组合为玩家游戏特征；所述第二玩家游戏特征为所述结果预测模型中权重小于预设权重阈的玩家游戏特征；
88.将所述玩家游戏特征输入所述结果预测模型，确定所述推荐请求对应的推荐结果。
89.在一些可选的实施方式中，所述方法，包括：
90.通过所述第一历史时间间隔内的玩家游戏特征训练所述结果预测模型，得到训练后的结果预测模型；和/或
91.通过第二历史时间间隔内的第一玩家游戏特征分别训练第一玩家游戏特征对应的特征预测模型，得到训练后第一玩家游戏特征对应的特征预测模型。
92.在一些可选的实施方式中，所述结果预测模型包括权重计算函数，通过如下方法确定所述玩家游戏特征的权重，包括：
93.通过所述权重计算函数计算所述玩家游戏特征的权重。
94.在一些可选的实施方式中，所述方法还包括：
95.确定所述结果预测模型中权重不小于预设权重阈的所述第一玩家游戏特征，以及权重小于预设权重阈的所述第二玩家游戏特征。
96.在一些可选的实施方式中，所述第二历史时间间隔包括每日的多个时刻，通过第二历史时间间隔内的第一玩家游戏特征分别训练第一玩家游戏特征对应的特征预测模型，
包括：
97.通过所述第二历史时间间隔内每日的多个时刻的所述第一玩家游戏特征分别训练所述第一玩家游戏特征对应的特征预测模型；
98.所述通过预先训练的第一玩家游戏特征对应的特征预测模型分别预测得到当前时刻的第一玩家游戏特征，包括：
99.根据所述推荐请求的当前时刻，通过预先训练的所述第一玩家游戏特征对应的特征预测模型分别预测得到所述当前时刻的第一玩家游戏特征。
100.在一些可选的实施方式中所述第一历史时间间隔包括接收到所述推荐请求的时刻的前一日的多个时刻，
101.和/或第二历史时间间隔包括接收到所述推荐请求之前的若干日。
102.在一些可选的实施方式中，所述方法，还包括：
103.响应于所述推荐请求，获取系统的当前时间戳，并根据所述当前时间戳确定所述第一历史时间间隔和所述第二历史时间间隔。
104.在一些可选的实施方式中，所述方法，还包括：
105.确定所述当前时刻的第一玩家游戏特征数量；
106.响应于确定所述当前时刻的第一玩家游戏特征数量小于预设数量阈值，将所述当前时刻的第一玩家游戏特征与所述第一历史时间间隔内的第二玩家游戏特征组合为玩家游戏特征；
107.响应于确定所述当前时刻的第一玩家游戏特征数量不小于预设数量阈值，将所述当前时刻的第一玩家游戏特征确定为所述玩家游戏特征。
108.在一些可选的实施方式中，所述结果预测模型为随机森林模型或梯度提升决策树模型。
109.图4示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
110.处理器1010可以采用通用的cpu(central processing unit，中央处理器)、微处理器、应用专用集成电路(application specific integrated circuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
111.存储器1020可以采用rom(read only memory，只读存储器)、ram(random access memory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
112.输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
113.通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信
交互。其中通信模块可以通过有线方式(例如usb、网线等)实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信。
114.总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
115.需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
116.上述实施例的电子设备用于实现前述任一实施例中相应的推荐方法，具体包括：获取用户通过客户端发起的推荐请求，当确定收到推荐请求后，通过预先训练的特征预测模型根据当前日期，确定当前日期之前若干天中玩家的游戏特征，并根据当前日期之前若干天中玩家的游戏特征进行预测，得到收到推荐请求的时刻的多个预测玩家游戏特征，并对多个预测玩家游戏特征进行选择，即将多个预测玩家游戏特征不小于预设阈值的预测玩家游戏特征作为第一玩家游戏特征，并根据第一玩家游戏特征进行预测确定当前时刻的第一玩家游戏特征；通过确定当前日期，并根据当前日期确定与当前日期最接近的日期中的游戏特征进行当前时刻的特征预测从而保证预测得到的当前时刻的第一玩家游戏特征也具有时效性，进而保证了根据当前时刻的第一玩家游戏特征与第二玩家游戏特征确定的玩家游戏特征的时效性，并且本技术的玩家游戏特征通过当前时刻的第一玩家游戏特征与第二玩家游戏特征确定，并根据玩家游戏特征确定推荐内容，有效保证了推荐内容的准确度。
117.基于同一构思，与上述任意实施例方法相对应的，本技术还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存储计算机指令，所述计算机指令用于使所述计算机执行如上任一实施例所述的推荐方法。
118.所述推荐方法具体包括：响应于推荐请求，通过预先训练的第一玩家游戏特征对应的特征预测模型分别预测得到当前时刻的第一玩家游戏特征；所述特征预测模型为通过第二历史时间间隔内的，特征预测模型对应的第一玩家游戏特征训练得到的第一玩家游戏特征对应的模型；所述第一玩家游戏特征为结果预测模型中权重不小于预设权重阈的玩家游戏特征；所述结果预测模型为通过第一历史时间间隔内的玩家游戏特征训练得到的模型；所述权重表征玩家游戏特征影响所述结果预测模型的预测结果的重要程度；
119.将所述当前时刻的第一玩家游戏特征与所述第一历史时间间隔内的第二玩家游戏特征组合为玩家游戏特征；所述第二玩家游戏特征为所述结果预测模型中权重小于预设权重阈的玩家游戏特征；
120.将所述玩家游戏特征输入所述结果预测模型，确定所述推荐请求对应的推荐结果。
121.在一些可选的实施方式中，所述方法，包括：
122.通过所述第一历史时间间隔内的玩家游戏特征训练所述结果预测模型，得到训练后的结果预测模型；和/或
123.通过第二历史时间间隔内的第一玩家游戏特征分别训练第一玩家游戏特征对应的特征预测模型，得到训练后第一玩家游戏特征对应的特征预测模型。
124.在一些可选的实施方式中，所述结果预测模型包括权重计算函数，通过如下方法
确定所述玩家游戏特征的权重，包括：
125.通过所述权重计算函数计算所述玩家游戏特征的权重。
126.在一些可选的实施方式中，所述方法还包括：
127.确定所述结果预测模型中权重不小于预设权重阈的所述第一玩家游戏特征，以及权重小于预设权重阈的所述第二玩家游戏特征。
128.在一些可选的实施方式中，所述第二历史时间间隔包括每日的多个时刻，通过第二历史时间间隔内的第一玩家游戏特征分别训练第一玩家游戏特征对应的特征预测模型，包括：
129.通过所述第二历史时间间隔内每日的多个时刻的所述第一玩家游戏特征分别训练所述第一玩家游戏特征对应的特征预测模型；
130.所述通过预先训练的第一玩家游戏特征对应的特征预测模型分别预测得到当前时刻的第一玩家游戏特征，包括：
131.根据所述推荐请求的当前时刻，通过预先训练的所述第一玩家游戏特征对应的特征预测模型分别预测得到所述当前时刻的第一玩家游戏特征。
132.在一些可选的实施方式中所述第一历史时间间隔包括接收到所述推荐请求的时刻的前一日的多个时刻，
133.和/或第二历史时间间隔包括接收到所述推荐请求之前的若干日。
134.在一些可选的实施方式中，所述方法，还包括：
135.响应于所述推荐请求，获取系统的当前时间戳，并根据所述当前时间戳确定所述第一历史时间间隔和所述第二历史时间间隔。
136.在一些可选的实施方式中，所述方法，还包括：
137.确定所述当前时刻的第一玩家游戏特征数量；
138.响应于确定所述当前时刻的第一玩家游戏特征数量小于预设数量阈值，将所述当前时刻的第一玩家游戏特征与所述第一历史时间间隔内的第二玩家游戏特征组合为玩家游戏特征；
139.响应于确定所述当前时刻的第一玩家游戏特征数量不小于预设数量阈值，将所述当前时刻的第一玩家游戏特征确定为所述玩家游戏特征。
140.在一些可选的实施方式中，所述结果预测模型为随机森林模型或梯度提升决策树模型。
141.本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
142.上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的推荐方法，具体包括：获取用户通过客户端发起的推荐请求，当确定收到推荐请求后，通过预先训练的特征预测模型根据当前日期，确定当前日期之前若干天中玩家的游戏
特征，并根据当前日期之前若干天中玩家的游戏特征进行预测，得到收到推荐请求的时刻的多个预测玩家游戏特征，并对多个预测玩家游戏特征进行选择，即将多个预测玩家游戏特征不小于预设阈值的预测玩家游戏特征作为第一玩家游戏特征，并根据第一玩家游戏特征进行预测确定当前时刻的第一玩家游戏特征；通过确定当前日期，并根据当前日期确定与当前日期最接近的日期中的游戏特征进行当前时刻的特征预测从而保证预测得到的当前时刻的第一玩家游戏特征也具有时效性，进而保证了根据当前时刻的第一玩家游戏特征与第二玩家游戏特征确定的玩家游戏特征的时效性，并且本技术的玩家游戏特征通过当前时刻的第一玩家游戏特征与第二玩家游戏特征确定，并根据玩家游戏特征确定推荐内容，有效保证了推荐内容的准确度。
143.所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本技术的范围(包括权利要求)被限于这些例子；在本技术的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本技术实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
144.另外，为简化说明和讨论，并且为了不会使本技术实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(ic)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本技术实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本技术实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本技术的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本技术实施例。因此，这些描述应被认为是说明性的而不是限制性的。
145.尽管已经结合了本技术的具体实施例对本技术进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态ram(dram))可以使用所讨论的实施例。
146.本技术实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本技术实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本技术的保护范围之内。

技术特征：

1.一种推荐方法，其特征在于，包括：响应于推荐请求，通过预先训练的第一玩家游戏特征对应的特征预测模型分别预测得到当前时刻的第一玩家游戏特征；所述特征预测模型为通过第二历史时间间隔内的，特征预测模型对应的第一玩家游戏特征训练得到的第一玩家游戏特征对应的模型；所述第一玩家游戏特征为结果预测模型中权重不小于预设权重阈的玩家游戏特征；所述结果预测模型为通过第一历史时间间隔内的玩家游戏特征训练得到的模型；所述权重表征玩家游戏特征影响所述结果预测模型的预测结果的重要程度；将所述当前时刻的第一玩家游戏特征与所述第一历史时间间隔内的第二玩家游戏特征组合为玩家游戏特征；所述第二玩家游戏特征为所述结果预测模型中权重小于预设权重阈的玩家游戏特征；将所述玩家游戏特征输入所述结果预测模型，确定所述推荐请求对应的推荐结果。2.根据权利要求1所述的方法，其特征在于，所述方法，包括：通过所述第一历史时间间隔内的玩家游戏特征训练所述结果预测模型，得到训练后的结果预测模型；和/或通过第二历史时间间隔内的第一玩家游戏特征分别训练第一玩家游戏特征对应的特征预测模型，得到训练后第一玩家游戏特征对应的特征预测模型。3.根据权利要求1所述的方法，其特征在于，所述结果预测模型包括权重计算函数，通过如下方法确定所述玩家游戏特征的权重，包括：通过所述权重计算函数计算所述玩家游戏特征的权重。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：确定所述结果预测模型中权重不小于预设权重阈的所述第一玩家游戏特征，以及权重小于预设权重阈的所述第二玩家游戏特征。5.根据权利要求1所述的方法，其特征在于，所述第二历史时间间隔包括每日的多个时刻，通过第二历史时间间隔内的第一玩家游戏特征分别训练第一玩家游戏特征对应的特征预测模型，包括：通过所述第二历史时间间隔内每日的多个时刻的所述第一玩家游戏特征分别训练所述第一玩家游戏特征对应的特征预测模型；所述通过预先训练的第一玩家游戏特征对应的特征预测模型分别预测得到当前时刻的第一玩家游戏特征，包括：根据所述推荐请求的当前时刻，通过预先训练的所述第一玩家游戏特征对应的特征预测模型分别预测得到所述当前时刻的第一玩家游戏特征。6.根据权利要求5所述的方法，其特征在于，所述第一历史时间间隔包括接收到所述推荐请求的时刻的前一日的多个时刻，和/或第二历史时间间隔包括接收到所述推荐请求之前的若干日。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：响应于所述推荐请求，获取系统的当前时间戳，并根据所述当前时间戳确定所述第一历史时间间隔和所述第二历史时间间隔。8.根据权利要求1所述的方法，其特征在于，所述方法，还包括：确定所述当前时刻的第一玩家游戏特征数量；
响应于确定所述当前时刻的第一玩家游戏特征数量小于预设数量阈值，将所述当前时刻的第一玩家游戏特征与所述第一历史时间间隔内的第二玩家游戏特征组合为玩家游戏特征；响应于确定所述当前时刻的第一玩家游戏特征数量不小于预设数量阈值，将所述当前时刻的第一玩家游戏特征确定为所述玩家游戏特征。9.根据权利要求1所述的方法，其特征在于，所述结果预测模型为随机森林模型或梯度提升决策树模型。10.一种推荐装置，其特征在于，包括：特征预测模块，被配置为响应于推荐请求，通过预先训练的第一玩家游戏特征对应的特征预测模型分别预测得到当前时刻的第一玩家游戏特征；所述特征预测模型为通过第二历史时间间隔内的，特征预测模型对应的第一玩家游戏特征训练得到的第一玩家游戏特征对应的模型；所述第一玩家游戏特征为结果预测模型中权重不小于预设权重阈的玩家游戏特征；所述结果预测模型为通过第一历史时间间隔内的玩家游戏特征训练得到的模型；所述权重表征玩家游戏特征影响所述结果预测模型的预测结果的重要程度；特征组合模块，被配置为将所述当前时刻的第一玩家游戏特征与所述第一历史时间间隔内的第二玩家游戏特征组合为玩家游戏特征；所述第二玩家游戏特征为所述结果预测模型中权重小于预设权重阈的玩家游戏特征；结果确定模块，被配置为将所述玩家游戏特征输入所述结果预测模型，确定所述推荐请求对应的推荐结果。11.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至9任意一项所述的方法。12.一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存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至9任一所述方法。

技术总结

本申请提供的一种推荐方法、装置、电子设备及存储介质，其中，所述推荐方法包括：通过确定当前日期，并根据当前日期确定与当前日期最接近的日期中的游戏特征进行当前时刻的特征预测从而保证预测得到的当前时刻的第一玩家游戏特征也具有时效性，进而保证了根据当前时刻的第一玩家游戏特征与第二玩家游戏特征确定的玩家游戏特征的时效性，并且本申请的玩家游戏特征通过当前时刻的第一玩家游戏特征与第二玩家游戏特征确定，并根据玩家游戏特征确定推荐内容，有效保证了推荐内容的准确度。有效保证了推荐内容的准确度。有效保证了推荐内容的准确度。