本申請公開了一種信息推薦方法及裝置，涉及智能搜索技術領域。具體實現方案為：服務器預先向特征提供方提供接口，供特征提供方快速向服務器提供特征服務，使得服務器利用特征服務預先計算出海量信息中各信息的特征，同時，服務器預先向特征使用方提供接口，供特征使用方配置各排序算法對應的目標服務，使得排序算法在對信息進行排序時，結合目標服務對應的目標特征，使得云服務器向普通用戶推薦信息時，可以考慮多種特征，進而實現精準推薦。

技術領域

本申請實施例涉及智能搜索技術領域，尤其涉及一種信息推薦方法及裝置。

背景技術

在當今互聯網信息檢索和推薦中，圖片、視頻等多媒體內容的占比越來越大，為了讓這些多媒體內容能夠被更好地被檢索和利用，需要對圖片和視頻等提取出包括質量、語義等多種特征。

常見的特征計算方式包括批量計算和特征服務。其中，批量特征計算是指通過Hadoop等工具，對給定的圖片和視頻計算給定的特征。特征服務是指將特征算法封裝成服務，提前部署在后臺，在計算時從后臺直接請求服務以計算出特征。由于檢索和推薦等的時效性，上述的批量計算無法滿足時效性，因此，通常采用特征服務的方式。特征服務的方式中，特征算法被提前封裝成特征服務并部署在云服務器上，每個特征服務用于計算一種特征，云服務器通過API?gateway為特征使用方提供統一服務入口，特征使用方通過APIgateway調用特征服務，特征使用方例如為云服務器上的排序算法等。當普通用戶，即廣大網民訪問云服務器請求圖片或視頻時，云服務器對召回隊列中的各個圖片或視頻進行排序，排序過程中考慮特征服務計算出的特征。最終，云服務器將排序后top?N的圖片或視頻推薦給普通用戶。

然而，隨著業務的發展，需要計算的特征逐漸增多。上述特征服務的方式中，預先將特征算法封裝成特征服務部署在服務器上，導致服務器上的特征服務具有局限性，進而導致服務器無法精準的向普通用戶推薦信息。

發明內容

本申請實施例提供一種信息推薦方法及裝置，云服務器通過向特征提供方提供接口，供特征提供方快速向云服務器提供特征服務，使得云服務器向普通用戶推薦信息時，可以考慮多種特征，進而實現精準推薦。

第一方面，本申請實施例提供一種信息推薦方法，包括：

服務器接收第一終端設備發送的推薦請求；

所述服務器響應所述推薦請求，從信息集合中召回符合查詢條件的信息，以得到信息子集；其中，所述信息集合中各信息的目標特征對應的目標服務由第二終端設備預先部署在所述服務器上，所述目標特征由所述服務器預先調用所述目標服務計算出，所述第二終端設備是向所述服務器提供所述目標服務的用戶的終端設備，所述目標服務為所述服務器提供的多個服務中被所述服務器調用的服務；

所述服務器利用所述信息子集中各信息的目標特征，確定待推薦給用戶的目標信息；

所述服務器向所述第一終端設備發送所述目標信息。

一種可行的設計中，所述服務器響應所述推薦請求，從信息集合中召回符合查詢條件的信息，以得到信息子集之前，還包括：

所述服務器接收第二終端設備發送的注冊請求，所述注冊請求用于請求向所述服務器提供所述目標服務，所述注冊請求攜帶所述目標服務的屬性；

所述服務器根據所述目標服務的屬性進行配置，使得所述服務器具備提供所述目標服務的能力。

一種可行的設計中，所述目標服務的屬性包括下述信息中的至少一個：部署包、啟動和停止命令、算子功能描述、算子接口描述；

所述配置包括下述處理中的至少一個：校驗所述部署包、性能測試、分配身份標識。

一種可行的設計中，所述服務器響應所述推薦請求，從信息集合中召回符合查詢條件的信息，以得到信息子集之前，還包括：