资源推荐方法、装置、电子设备和存储介质

技术领域

本公开涉及互联网技术领域，尤其涉及资源推荐方法、装置、电子设备和存储介质。

背景技术

在资源推荐系统对多个候选资源的评价阶段，会将资源交互后的反馈指标作为一项评价指标。然而，交互后的反馈指标属于事后指标，无法及时将资源交互过程中出现的情况纳入评价阶段，导致推荐效率较低。

目前，也存在一些事中分析方法，将事中分析结果作为对候选资源的一项评价指标。然而，事中分析方法，如交互变化趋势波动分析等，需要依赖人工进行大量的重复性分析，工作量大且容易出现误判。

发明内容

本公开提供资源推荐方法、装置、电子设备和存储介质，以至少解决消除长尾文件的负面影响的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种资源推荐方法，所述方法包括：

实时获取候选资源的资源属性信息和当前短周期内的所述候选资源的当前交互数据，并根据所述资源属性信息和所述当前交互数据，确定所述候选资源的第一特征信息；

获取上一个长周期内的历史交互数据和历史交互反馈数据，并根据所述历史交互数据和所述历史交互反馈数据确定所述候选资源的第二特征信息；其中，所述长周期的周期时长大于所述短周期的周期时长；

获取与所述候选资源的资源提供方相关的第三特征信息；

基于所述第一特征信息、所述第二特征信息和所述第三特征信息确定所述候选资源的特征指标偏离程度；

基于所述特征指标偏离程度确定所述候选资源的推荐结果。

在一种可能的实施方式中，所述基于所述第一特征信息、所述第二特征信息和所述第三特征信息确定所述候选资源的特征指标偏离程度，包括：

基于预设的第一标准数据和目标历史时间段内的交互特征信息，确定所述第一特征信息和所述第二特征信息对应的基础指标偏离程度；所述基础指标偏离程度表征所述候选资源的基础指标偏离正常值的程度；

若所述基础指标偏离程度大于或等于预设的第一阈值，则根据所述第三特征信息相对于预设第二标准数据的偏离程度，确定所述第三特征信息对应的补充指标偏离程度；所述补充指标偏离程度表征所述资源提供方的指标数据偏离正常值的程度；

基于所述补充指标偏离程度与预设的第二阈值的大小关系，确定所述候选资源的特征指标偏离程度。

在一种可能的实施方式中，所述第一特征信息包括本体特征信息和交互特征信息，所述本体特征信息表征所述候选资源的自身属性信息，所述交互特征信息表征所述候选资源在资源交互过程中产生的信息，所述基于预设的第一标准数据和目标历史时间段内的交互特征信息，确定所述第一特征信息和所述第二特征信息对应的基础指标偏离程度，包括：

确定所述本体特征信息相对于预设的第一标准数据的偏离程度，得到第一差异指标数据；

确定所述交互特征信息相对于目标历史时间段内的交互特征信息的平均值的偏离程度，得到第二差异指标数据；

利用所述第一差异指标数据和所述第二差异指标数据确定所述第一特征信息的第一指标偏离数据；

基于所述第二特征信息相对于所述目标历史时间段内的交互特征信息的平均值的偏离程度，确定所述第二特征信息的第二指标偏离数据；

基于所述第一指标偏离数据对应的第一权重，以及所述第二指标偏离数据对应的第二权重，确定所述第一特征信息和所述第二特征信息的综合偏离程度，得到基础指标偏离程度。

在一种可能的实施方式中，在确定所述第一特征信息和所述第二特征信息对应的基础指标偏离程度之后，还包括：

若所述基础指标偏离程度小于预设的第一阈值，则确定所述候选资源的特征指标偏离程度为无偏离。

在一种可能的实施方式中，所述基于所述补充指标偏离程度与预设的第二阈值的大小关系，确定所述候选资源的特征指标偏离程度，包括：

若所述补充指标偏离程度小于预设的第二阈值，则确定所述候选资源的特征指标偏离程度为低度偏离；

若所述补充指标偏离程度大于或等于所述第二阈值，则确定所述候选资源的特征指标偏离程度为高度偏离。

在一种可能的实施方式中，所述基于所述特征指标偏离程度确定所述候选资源的推荐结果，包括：

若所述特征指标偏离程度为无偏离，则将所述候选资源加入推荐列表中。

根据本公开实施例的第二方面，提供一种资源推荐装置，所述装置包括：

第一特征信息确定模块，被配置为执行实时获取候选资源的资源属性信息和当前短周期内的所述候选资源的当前交互数据，并根据所述资源属性信息和所述当前交互数据，确定所述候选资源的第一特征信息；

第二特征信息确定模块，被配置为执行获取上一个长周期内的历史交互数据和历史交互反馈数据，并根据所述历史交互数据和所述历史交互反馈数据确定所述候选资源的第二特征信息；其中，所述长周期的周期时长大于所述短周期的周期时长；

第三特征信息确定模块，被配置为执行获取与所述候选资源的资源提供方相关的第三特征信息；

特征指标偏离程度确定模块，被配置为执行基于所述第一特征信息、所述第二特征信息和所述第三特征信息确定所述候选资源的特征指标偏离程度；

推荐结果确定模块，被配置为执行基于所述特征指标偏离程度确定所述候选资源的推荐结果。

在一种可能的实施方式中，所述特征指标偏离程度确定模块具体被配置为执行：

基于预设的第一标准数据和目标历史时间段内的交互特征信息，确定所述第一特征信息和所述第二特征信息对应的基础指标偏离程度；所述基础指标偏离程度表征所述候选资源的基础指标偏离正常值的程度；

若所述基础指标偏离程度大于或等于预设的第一阈值，则根据所述第三特征信息相对于预设第二标准数据的偏离程度，确定所述第三特征信息对应的补充指标偏离程度；所述补充指标偏离程度表征所述资源提供方的指标数据偏离正常值的程度；

基于所述补充指标偏离程度与预设的第二阈值的大小关系，确定所述候选资源的特征指标偏离程度。

在一种可能的实施方式中，所述本体特征信息表征所述候选资源的自身属性信息，所述交互特征信息表征所述候选资源在资源交互过程中产生的信息，所述特征指标偏离程度确定模块进一步被配置为执行：

确定所述本体特征信息相对于预设的第一标准数据的偏离程度，得到第一差异指标数据；

确定所述交互特征信息相对于目标历史时间段内的交互特征信息的平均值的偏离程度，得到第二差异指标数据；

利用所述第一差异指标数据和所述第二差异指标数据确定所述第一特征信息的第一指标偏离数据；

基于所述第二特征信息相对于所述目标历史时间段内的交互特征信息的平均值的偏离程度，确定所述第二特征信息的第二指标偏离数据；

基于所述第一指标偏离数据对应的第一权重，以及所述第二指标偏离数据对应的第二权重，确定所述第一特征信息和所述第二特征信息的综合偏离程度，得到基础指标偏离程度。

在一种可能的实施方式中，所述特征指标偏离程度确定模块进一步被配置为执行：

若所述基础指标偏离程度小于预设的第一阈值，则确定所述候选资源的特征指标偏离程度为无偏离。

在一种可能的实施方式中，所述特征指标偏离程度确定模块进一步被配置为执行：

若所述补充指标偏离程度小于预设的第二阈值，则确定所述候选资源的特征指标偏离程度为低度偏离；

若所述补充指标偏离程度大于或等于所述第二阈值，则确定所述候选资源的特征指标偏离程度为高度偏离。

在一种可能的实施方式中，所述推荐结果确定模块具体被配置为执行：

若所述特征指标偏离程度为无偏离，则将所述候选资源加入推荐列表中。

根据本公开实施例的第三方面，提供一种电子设备，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如第一方面所述的资源推荐方法。

根据本公开实施例的第四方面，提供一种计算机可读存储介质，当所述计算机可读存储介质中的指令由服务器的处理器执行时，使得服务器能够执行如第一方面所述的资源推荐方法。

根据本公开实施例的第五方面，提供一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现第一方面所述的资源推荐方法。

本公开的实施例提供的技术方案至少带来以下有益效果：

在本公开的实施例中，实时获取候选资源的资源属性信息和当前短周期内的所述候选资源的当前交互数据，并根据所述资源属性信息和所述当前交互数据，确定所述候选资源的第一特征信息；获取上一个长周期内的历史交互数据和历史交互反馈数据，并根据所述历史交互数据和所述历史交互反馈数据确定所述候选资源的第二特征信息；其中，所述长周期的周期时长大于所述短周期的周期时长；获取与所述候选资源的资源提供方相关的第三特征信息；基于所述第一特征信息、所述第二特征信息和所述第三特征信息确定所述候选资源的特征指标偏离程度；基于所述特征指标偏离程度确定所述候选资源的推荐结果。上述方法通过实时获取短周期内的候选资源的第一特征信息，并获取上一个长周期内的候选资源的第二特征信息和与资源提供方相关的第三特征信息，可以实时将资源交互过程中出现的情况纳入评价阶段，提高了资源推荐效率，且利用计算机综合短周期、长周期和资源提供方的多方面特征信息进行资源评价，提高了资源推荐的准确性。

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，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。

图1是根据一示例性实施例示出的第一种资源推荐方法的步骤流程图；

图2是根据一示例性实施例示出的一种资源评价系统的示意图；

图3是根据一示例性实施例示出的第二种资源推荐方法的步骤流程图；

图4是根据一示例性实施例示出的第二种资源推荐方法的步骤流程图；

图5是根据一示例性实施例示出的一种资源推荐装置的结构框图；

图6是根据一示例性实施例示出的一种用于资源推荐的电子设备的框图。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开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、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的第一种资源推荐方法的步骤流程图。如图1所示，该方法包括以下步骤。

在步骤S11中，实时获取候选资源的资源属性信息和当前短周期内的所述候选资源的当前交互数据，并根据所述资源属性信息和所述当前交互数据，确定所述候选资源的第一特征信息。

在本公开实施例中，候选资源可包括商品资源、音视频资源及新闻资源等。

候选资源的资源属性信息是指资源本质上的、不会随着时间改变的特性。资源属性信息可以包括：资源名称、资源标示价格、资源内容、资源品质、资源的上架时长、资源上架前的状态等。

短周期内的候选资源的当前交互数据，是指在短周期内，候选资源与用户交互过程中产生的数据。交互数据可以包括：候选资源的实时交易价格、实时交易数量、实时浏览量、实时曝光量等。

短周期是相对于长周期来讲的，短周期的周期时长为第一时长，长周期的周期时长为第二时长。其中，第一时长远远小于第二时长。示例性地，第一时长为一分钟，第二时长为24小时。

根据资源属性信息和当前交互信息，确定候选资源的第一特征信息。第一特征信息至少包括：资源的品质特征、资源的上架时长、资源上架前的状态等本体特征信息，以及资源的成交价格、实时交互量、在当前平台实时曝光量、在其他平台实时曝光量、资源的标题等交互特征信息。

此处的实时获取可以理解为，每隔很短的时间获取一次，例如，这个很短的时间可以为1秒或5秒。

示例性地，在直播间场景中，候选资源为直播间上架的商品对象。直播间中的数据和流量为最开始的数据源，收集直播间的商品资源属性信息和交互数据，利用大数据实时计算能力，确定商品资源属性信息和交互数据对应的第一特征信息。

在步骤S12中，获取上一个长周期内的历史交互数据和历史交互反馈数据，并根据所述历史交互数据和所述历史交互反馈数据确定所述候选资源的第二特征信息；其中，所述长周期的周期时长大于所述短周期的周期时长。

历史交互数据是指在上一个长周期内，候选资源与用户交互过程中产生的交互数据。历史交互反馈数据，是指交互完成后用户或第三方对候选资源的反馈和评价数据。

历史交易数据具体可以包括上一个长周期内的资源交易量、退货量等，历史交互反馈数据具体可以包括候选资源在上一个长周期内获得的用户的好评量、差评量、总评价量等。

根据历史交互数据和历史交互反馈数据，可以确定候选资源的第二特征信息。第二特征信息表征长周期内的资源的交互特征信息和反馈特征信息，例如候选资源的好评率、退货率、差评率等。

具体地，第二特征信息至少包括：候选资源在上一个长周期内的修改审核次数、品退率、差评率、纠纷率。

其中，修改审核次数可以直接由目标交互数据得到，资源的品退率可以由退货量与交易量的比值计算得到，差评率可以由差评量与评价量的比值计算得到，品退率可以由退货量与交易量的比值计算得到，纠纷率可以由纠纷量与交易量的比值计算得到。

在步骤S13中，获取与所述候选资源的资源提供方相关的第三特征信息。

第三特征信息为候选资源的资源提供方相关的信息，第三特征信息表征资源提供方的资质、信用、资源品质等信息，一定程度上可以反映候选资源的品质。

第三特征信息至少包括资源提供方的信用信息、经营信息、消费体验信息等。

具体地，第三特征信息中的信用信息至少包括：资源提供方的品退率指标、纠纷率指标，经营信息至少包括：商家主营类目、发货和客服指标、粉丝数量，消费体验信息至少包括：购物体验星级、差评率指标。

其中，品退率指标是指资源提供方在某一历史时间段内的退货量与资源交易量的比值。购物体验星级为根据用户的交互反馈得到的商家的购物体验等级。商家主营类目表示资源提供方的主营资源品类。

在步骤S14中，基于所述第一特征信息、所述第二特征信息和所述第三特征信息确定所述候选资源的特征指标偏离程度。

在本方案中，步骤S11中的第一特征信息是根据实时获取的数据确定的，步骤S12中的第二特征信息是根据长周期内获取的数据确定的，步骤S13中的第三特征信息是与资源提供方相关的特征信息，因此，第一特征信息、第二特征信息和第三特征信息既包括实时数据、离线数据，也包括资源提供方数据，能够较好的覆盖候选资源与资源交互有关的特征信息。

将第一特征信息、第二特征信息、第三特征信息分别和各个标准特征信息进行对比，综合确定候选资源的特征指标偏离程度。其中，离散型特征的标准特征信息为预设的标准值，连续型特征的标准特征信息为历史时间段内该特征的平均值。

特征指标偏离程度表征候选资源的特征指标与标准特征信息之间的差距程度。特征指标偏离程度与差距程度成正比。

图2是根据一示例性实施例示出的一种资源评价系统的示意图。

如图2所示，该资源评价系统用于候选资源的评价，该系统包括数据生产模块、评价中心模块和策略中心模块。

数据生产模块用于获取候选资源的数据信息，根据数据信息进行实时统计计算，得到第一特征信息、第二特征信息，然后形成聚合消息，并将聚合消息发送给评价中心模块。

评价中心模块用于接收消息，利用策略中心模块的特征中心进行特征补齐，得到第三特征信息，然后利用策略中心模块的策略引擎对第一特征信息、第二特征信息和第三特征信息进行计算，确定候选资源的特征指标偏离程度。最终根据特征指标偏离程度得到评价结果。

在步骤S15中，基于所述特征指标偏离程度确定所述候选资源的推荐结果。

由特征指标偏离程度确定对候选资源的评价值。偏离程度越低，评价值越高，偏离程度越高，则评价值越低。若评价值较高，则倾向于向用户推荐该候选资源，若评价值较低，则倾向于不推荐该候选资源。

综上，在本公开实施例中，实时获取候选资源的资源属性信息和当前短周期内的所述候选资源的当前交互数据，并根据所述资源属性信息和所述当前交互数据，确定所述候选资源的第一特征信息；获取上一个长周期内的历史交互数据和历史交互反馈数据，并根据所述历史交互数据和所述历史交互反馈数据确定所述候选资源的第二特征信息；其中，所述长周期的周期时长大于所述短周期的周期时长；获取与所述候选资源的资源提供方相关的第三特征信息；基于所述第一特征信息、所述第二特征信息和所述第三特征信息确定所述候选资源的特征指标偏离程度；基于所述特征指标偏离程度确定所述候选资源的推荐结果。上述方法通过实时获取短周期内的候选资源的第一特征信息，并获取上一个长周期内的候选资源的第二特征信息和与资源提供方相关的第三特征信息，可以实时将资源交互过程中出现的情况纳入评价阶段，提高了资源推荐效率，且利用计算机综合短周期、长周期和资源提供方的多方面特征信息进行资源评价，提高了资源推荐的准确性。

在一种可能的实施方式中，如图3所示，步骤S14包括：

在步骤S141中，基于预设的第一标准数据和目标历史时间段内的交互特征信息，确定所述第一特征信息和所述第二特征信息对应的基础指标偏离程度；所述基础指标偏离程度表征所述候选资源的基础指标偏离正常值的程度。

离散型特征的标准特征信息为预设的标准值，即第一标准数据；连续型特征的标准特征信息为历史时间段内该特征的平均值，即平均值由历史时间段内的交互特征信息确定。

根据第一标准数据和目标历史时间段内的交互特征信息，确定第一特征信息的指标偏离程度和第二特征信息的指标偏离程度，然后通过这两个偏离程度可以确定基础指标偏离程度。

由于第一特征信息和第二特征信息为候选资源的基础指标，因此基础指标偏离程度表征候选资源的基础指标偏离正常值的程度。

第一特征信息和第二特征信息均包括多种特征信息，将每种特征信息分别与其对应的第一标准数据进行比对，计算偏离值，基于偏离值与第一标准数据的比值确定偏离程度。具体地，可以预先设置比值与偏度程度之间的对应关系。示例性地，偏离程度可以用1-10之间的数字来表示，不同的比值对应不同的偏离程度，比值越大，偏离程度越高。

示例性地，第一特征信息包括候选资源的成交价格，则第一标准数据可以为近一个月该候选资源的平均成交价格。将候选资源的成交价格与该平均成交价格进行比对，得到偏离程度。若候选资源的成交价格比平均成交价格贵3倍，则根据比值与偏离程度之间的对应关系，判定成交价格的偏离程度为1-10之间的8。

示例性地，第一特征信息为资源的上架时长，若资源的上架时长为t-t

可以预先设置第一特征信息中各个特征信息对应的权重，将各个特征信息的偏离程度的值与权重进行加权求和，得到第一特征信息的指标偏离程度。利用类似方法求出第二特征信息的指标偏离程度。预设设置第一特征信息和第二特征信息对应的权重，基于加权求和，最终得到基础指标偏离程度。

在步骤S141后，若所述基础指标偏离程度大于或等于预设的第一阈值，执行步骤S142-步骤S143，若所述基础指标偏离程度小于预设的第一阈值，则执行步骤S144。

在步骤S142中，若所述基础指标偏离程度大于或等于预设的第一阈值，则根据所述第三特征信息相对于预设第二标准数据的偏离程度，确定所述第三特征信息对应的补充指标偏离程度；所述补充指标偏离程度表征所述资源提供方的指标数据偏离正常值的程度。

若基础指标偏离程度大于或等于预设的第一阈值，说明候选资源的基础指标偏离正常值的程度较大，为了进一步提高评价结果的准确性，可以综合第三特征信息进一步判断。

补充指标偏离程度基于第三特征信息相对于第二标准数据的偏离程度确定。例如，若第三特征信息为品退率指标，第二标准数据为目标时间段内的平均品退率，确定品退率指标与平均品退率的偏离程度，若品退率比平均品退率高4倍，那么可以判定品退率的偏离程度为1-10之间的9。

在步骤S143中，基于所述补充指标偏离程度与预设的第二阈值的大小关系，确定所述候选资源的特征指标偏离程度。

具体地，根据补充指标偏离程度与预设的第二阈值的大小关系，最终确定候选资源的特征指标偏离程度。

在步骤S144中，若所述基础指标偏离程度小于预设的第一阈值，则确定所述候选资源的特征指标偏离程度为无偏离。

若基础指标偏离程度小于预设的第一阈值，说明候选资源的基础指标偏离正常值的程度较小，可将候选资源的特征指标偏离程度认为是无偏离。

在一种可能的实施方式中，所述第一特征信息包括本体特征信息和交互特征信息，所述本体特征信息表征所述候选资源的自身属性信息，所述交互特征信息表征所述候选资源在资源交互过程中产生的信息，如图4所示，步骤S141包括：

在步骤S1411中，确定所述本体特征信息相对于预设的第一标准数据的偏离程度，得到第一差异指标数据。

本体特征信息是指不会随着时间发生变化的特征信息，交互特征信息是指随着时间可能发生改变的特征信息。具体地，本体特征信息特征信息至少包括：资源的品质特征、资源的上架时长、资源上架前的状态。交互特征信息至少包括：资源的成交价格、实时交互量、在当前平台实时曝光量、在其他平台实时曝光量、资源的标题。

本体特征信息一般具有离散型特征，离散型特征的标准特征信息为预设的标准值，即第一标准数据。第一差异指标数据表征本体特征信息相对于第一标准数据的偏离程度，由本体特征信息和第一标准数据之间的差值来计算。

在步骤S1412中，确定所述交互特征信息相对于目标历史时间段内的交互特征信息的平均值的偏离程度，得到第二差异指标数据。

交互特征信息一般具有连续型特征，连续型特征的标准特征信息为历史时间段内该特征的平均值，即目标历史时间段内的交互特征信息的平均值。第二差异指标数据表征交互特征信息相对于交互特征信息的平均值的偏离程度，由交互特征信息和第二标准数据之间的差值来计算。

在步骤S1413中，利用所述第一差异指标数据和所述第二差异指标数据确定所述第一特征信息的第一指标偏离数据。

可以预先分别设置第一差异指标数据和第二差异指标数据对应的权重，将第一差异指标数据和第二差异指标数据进行加权求和，得到第一特征信息的第一指标偏离数据。

在步骤S1414中，基于所述第二特征信息相对于所述目标历史时间段内的交互特征信息的平均值的偏离程度，确定所述第二特征信息的第二指标偏离数据。

可以预先设置第二特征信息中各个特征信息对应的权重，将各个第二特征信息的偏离程度的值与权重进行加权求和，得到第二特征信息的第二指标偏离数据。

在步骤S1415中，基于所述第一指标偏离数据对应的第一权重，以及所述第二指标偏离数据对应的第二权重，确定所述第一特征信息和所述第二特征信息的综合偏离程度，得到基础指标偏离程度。

基于第一特征信息和第二特征信息对于候选资源的评价结果的影响程度，给第一指标偏离数据和第二指标偏离数据赋予不同的权重。由于第一特征信息为实时获取的，更能代表候选资源当前的真实状态，因此，第一权重可以大于第二权重。

基于权重计算基础指标偏离程度，这样使得基础指标偏离程度的计算更为科学、准确。

在一种可能的实施方式中，步骤S143包括：

在步骤S1431中，若所述补充指标偏离程度小于预设的第二阈值，则确定所述候选资源的特征指标偏离程度为低度偏离；

在步骤S1432中，若所述补充指标偏离程度大于或等于所述第二阈值，则确定所述候选资源的特征指标偏离程度为高度偏离。

在步骤S1431-步骤S1432中，在基础指标偏离程度大于或等于第一阈值的情况下，说明基础指标偏离程度已经偏大，候选资源可能存在质量问题或异常风险。

此时，若补充指标偏离程度大于或等于第二阈值，则说明候选资源提供方的资质、信用较低，既往交易历史中存在较多差评和退货，基于对资源提供方的不信任，判定候选资源为高度偏离。

若补充指标偏离程度小于第二阈值，则说明资源提供方的资质、信用较高，既往交易历史中客户评价较好，基于对资源提供方的信任，判定候选资源为低度偏离。

综上，在本公开实施例中，首先，确定第一特征信息和第二特征信息的综合偏离程度，得到基础指标偏离程度，可以对多个第一特征信息和第二特征信息分别赋予不同的权重，以合理分配不同特征对基础指标偏离程度的影响程度。然后，根据第三特征信息确定资源提供方的补充指标偏离程度。若基础指标偏离程度大于或等于第一阈值，则需要利用补充指标偏离程度进一步判定，以免对资质、信用较高，客户评价较好的商家资源进行误判，提高了资源评价的准确度；若基础指标偏离程度小于第一阈值，则直接判定候选资源为无偏离，无需计算补充指标偏离程度，提高了资源评价的效率。

在一种可能的实施方式中，步骤S15包括：

若所述特征指标偏离程度为无偏离，则将所述候选资源加入推荐列表中。

在本公开实施例中，特征指标偏离程度为无偏离，则说明该候选资源的资源属性优良、实时交互数据和历史交互数据正常、用户的交互反馈较好，该候选资源的评价等级较高，可以将该候选资源加入推荐列表中。

在一种可能的实施方式中，若所述特征指标偏离程度为所述低度偏离或所述高度偏离，则将所述候选资源和所述候选资源的资源提供方加入不推荐列表中。

具体地，若候选资源的特征指标偏离程度为低度偏离，则可以对候选资源和资源提供方进行风险预警，具体可以根据致使候选资源风险提高的特征信息进行预警。例如：在候选资源页面上或资源店铺页面上显示资源品退预警、资源差评预警、商家品退预警、商家差评预警等。

若候选资源的特征指标偏离程度为高度偏离，则可以强制对候选资源进行下架处理，或对资源提供方进行闭店处理。

图5是根据一示例性实施例示出的一种资源推荐装置的结构框图。如图5所示，该资源推荐装置20包括：

第一特征信息确定模块21，被配置为执行实时获取候选资源的资源属性信息和当前短周期内的所述候选资源的当前交互数据，并根据所述资源属性信息和所述当前交互数据，确定所述候选资源的第一特征信息；

第二特征信息确定模块22，被配置为执行获取上一个长周期内的历史交互数据和历史交互反馈数据，并根据所述历史交互数据和所述历史交互反馈数据确定所述候选资源的第二特征信息；其中，所述长周期的周期时长大于所述短周期的周期时长；

第三特征信息确定模块23，被配置为执行获取与所述候选资源的资源提供方相关的第三特征信息；

特征指标偏离程度确定模块24，被配置为执行基于所述第一特征信息、所述第二特征信息和所述第三特征信息确定所述候选资源的特征指标偏离程度；

推荐结果确定模块25，被配置为执行基于所述特征指标偏离程度确定所述候选资源的推荐结果。

在一种可能的实施方式中，所述特征指标偏离程度确定模块24具体被配置为执行：

基于预设的第一标准数据和目标历史时间段内的交互特征信息，确定所述第一特征信息和所述第二特征信息对应的基础指标偏离程度；所述基础指标偏离程度表征所述候选资源的基础指标偏离正常值的程度；

若所述基础指标偏离程度大于或等于预设的第一阈值，则根据所述第三特征信息相对于预设第二标准数据的偏离程度，确定所述第三特征信息对应的补充指标偏离程度；所述补充指标偏离程度表征所述资源提供方的指标数据偏离正常值的程度；

基于所述补充指标偏离程度与预设的第二阈值的大小关系，确定所述候选资源的特征指标偏离程度。

在一种可能的实施方式中，所述本体特征信息表征所述候选资源的自身属性信息，所述交互特征信息表征所述候选资源在资源交互过程中产生的信息，所述特征指标偏离程度确定模块24进一步被配置为执行：

确定所述本体特征信息相对于预设的第一标准数据的偏离程度，得到第一差异指标数据；

确定所述交互特征信息相对于目标历史时间段内的交互特征信息的平均值的偏离程度，得到第二差异指标数据；

利用所述第一差异指标数据和所述第二差异指标数据确定所述第一特征信息的第一指标偏离数据；

基于所述第二特征信息相对于所述目标历史时间段内的交互特征信息的平均值的偏离程度，确定所述第二特征信息的第二指标偏离数据；

基于所述第一指标偏离数据对应的第一权重，以及所述第二指标偏离数据对应的第二权重，确定所述第一特征信息和所述第二特征信息的综合偏离程度，得到基础指标偏离程度。

在一种可能的实施方式中，所述特征指标偏离程度确定模块24进一步被配置为执行：

若所述基础指标偏离程度小于预设的第一阈值，则确定所述候选资源的特征指标偏离程度为无偏离。

在一种可能的实施方式中，所述特征指标偏离程度确定模块24进一步被配置为执行：

若所述补充指标偏离程度小于预设的第二阈值，则确定所述候选资源的特征指标偏离程度为低度偏离；

若所述补充指标偏离程度大于或等于所述第二阈值，则确定所述候选资源的特征指标偏离程度为高度偏离。

在一种可能的实施方式中，所述推荐结果确定模块25具体被配置为执行：

若所述特征指标偏离程度为无偏离，则将所述候选资源加入推荐列表中。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图6是根据一示例性实施例示出的一种用于资源推荐的电子设备的框图。其内部结构图可以如图6所示。该服务器或电子设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该服务器或电子设备的处理器用于提供计算和控制能力。该服务器或电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该服务器或电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种资源推荐方法。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本公开方案相关的部分结构的框图，并不构成对本公开方案所应用于其上的服务器或电子设备的限定，具体的服务器或电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在示例性实施例中，还提供了一种服务器或电子设备，包括：处理器；用于存储该处理器可执行指令的存储器；其中，该处理器被配置为执行该指令，以实现如本公开实施例中的资源推荐方法。

在示例性实施例中，还提供了一种计算机可读存储介质，当该计算机可读存储介质中的指令由服务器或电子设备的处理器执行时，使得服务器或电子设备能够执行本公开实施例中的资源推荐方法。计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

在示例性实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行本公开实施例中的资源推荐方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、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公开的一般性原理并包括本公开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，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开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。本公开的范围仅由所附的权利要求来限制。