(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211024553.1 (22)申请日 2022.08.25 (71)申请人 浪潮软件股份有限公司 地址 271000 山东省泰安市东 岳大街527号 浪潮科技园 (72)发明人 段雅鑫　王柏华　赵绍祥　 (74)专利代理 机构 济南信达专利事务所有限公 司 37100 专利代理师 潘悦梅 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/9536(2019.01) G06F 16/36(2019.01) (54)发明名称 应用于信息资源平台的推荐系统及方法 (57)摘要 本发明公开了应用于信息资源平台的推荐 系统及方法， 属于数据处理技术领域， 要解决的 技术问题 为如何引入数据推荐， 通过数据推荐为 用户提供更多其感兴趣的数据。 数据层， 用于采 集并存储原始数据； 策略层， 用于分析原始数据 并构建用户画 像和知识图谱； 用于基于用户画像 和知识图谱、 通过召回策略分析用户感兴趣的数 据资源原始数据， 得到候选数据集； 并用于通过 排序模型对 所述候选数据集进行排序， 从排序后 的候选数据集中选取N个候选数据作为推荐数 据， N为大于1的自然数； 应用层， 用于将推荐数据 转化为推荐内容， 并将推荐内容展示给用户。 权利要求书2页 说明书5页 附图1页 CN 115422447 A 2022.12.02 CN 115422447 A 1.一种应用于信息资源平台的推荐系统， 其特 征在于， 包括： 数据层， 所述数据层用于采集并存储原始数据， 所述原始数据包括业务数据和日志数 据， 所述业务数据包括用户数据和数据资源原 始数据， 所述日志数据包括用户行为数据； 策略层， 所述策略层与所述数据层交互， 用于分析原始数据并构建用户画像和知识图 谱， 所述用户画像用于表述用户喜好， 所述知识图谱用于表述业务数据与用户行为之间的 关联关系； 用于基于用户画像和知识图谱、 通过召回策略分析用户感兴趣的数据资源原始 数据， 得到候选数据集； 用于通过排序模型对所述候选数据集进 行排序， 从生成的排序列 表 中选取N个候选数据作为推荐数据， N 为大于1的自然数； 应用层， 所述应用层与所述策略层交互， 用于将推荐数据转化为推荐内容， 并将推荐内 容展示给用户。 2.根据权利要求1所述的应用于信 息资源平台的推荐系统， 其特征在于， 所述策略层用 于排序列表进行 预处理， 去除位于黑名单的候选数据， 并去除重复的候选数据； 所述策略层用于从预处 理后的排序列表中选取N个候选数据作为推荐数据。 3.根据权利要求1或2所述的应用于信息资源平台的推荐系统， 其特征在于， 所述召回 策略用于通过协同过滤、 矩阵分析或DNN算法对 数据资源原始数据进 行过滤召回， 选取用户 感兴趣的数据资源原 始数据。 4.根据权利要求1或2所述的应用于信息资源平台的推荐系统， 其特征在于， 所述策略 层调用MapReduce、 Spark或Tensorfl ow工具、 通过排序模型对候选数据集进行排序； 所述排序模型用于基于点击率、 转化率、 LR和/或GBDT算法对所述候选数据集进行排 序。 5.根据权利要1或2所述的应用于信息资源平台的推荐系统， 其特征在于， 所述应用 层 用于通过HT TP或RPC的方式将推荐内容推荐给相关用户。 6.一种应用于信 息资源平台的推荐方法， 其特征在于， 基于如权利要求1 ‑5任一项所述 的应用于信息资源平台的推荐系统实现， 包括如下步骤： 采集并存储原始数据， 所述原始数据包括业务数据和日志数据， 所述业务数据包括用 户数据和数据资源原 始数据， 所述日志数据包括用户行为数据； 分析原始数据并构建用户画像和知识图谱， 所述用户画像用于表述用户喜好， 所述知 识图谱用于表述 业务数据与用户行为之间的关联关系； 基于用户画像和知识图谱、 通过召回策略分析用户感兴趣的数据资源原始数据， 得到 候选数据集； 通过排序模型对所述候选数据集进行排序， 从生成的排序列表中选取N个候选数据作 为推荐数据， N 为大于1的自然数； 将推荐数据转 化为推荐内容， 并将推荐内容展示给用户。 7.根据权利要求6所述的应用于信 息资源平台的推荐方法， 其特征在于， 还包括如下步 骤： 对排序列表进行预处理， 去除位于黑名单的候选数据， 并去除重复的候选数据， 从预处 理后的排序列表中选取N个候选数据作为推荐数据。 8.根据权利要求6或7所述的应用于信息资源平台的推荐方法， 其特征在于， 通过协同 过滤、 矩阵分析或DNN算法对数据资源原始数据进 行过滤召回， 选取用户感兴趣的数据资源权　利　要　求　书 1/2 页 2 CN 115422447 A 2原始数据。 9.根据权利要求6或7所述的应用于信息资源平台的推荐方法， 其特征在于， 调用 MapReduce、 Spark或Tensorfl ow工具、 通过排序模型对候选数据集进行排序； 所述排序模型基于点击率、 转 化率、 LR和/或GBDT算法对所述 候选数据集进行排序。 10.根据权利要求6或7所述的应用于信息资源平台的推荐方法， 其特征在于， 通过HTTP 或RPC的方式将推荐内容推荐给相关用户。权　利　要　求　书 2/2 页 3 CN 115422447 A 3