[發明專利]問題推薦方法、裝置及系統

有效

• 申請號: 201310503499.3
• 申請日: 2013-10-23
• 公開（公告）號: CN104572734B
• 公開（公告）日: 2019-04-30
• 發明（設計）人: 馮揚;李京生;孫拔群
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/2457;G06N5/02;G06N20/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 賈允;肖丁

1.一種問題推薦方法，其特征在于，包括：

根據用戶在距離當前時間預定時長內的實時回答記錄，計算所述用戶的短期興趣；

根據歷史回答記錄，獲取所述用戶的長期興趣；

根據歷史回答記錄、用戶的屬性以及與每種用戶屬性對應的興趣項出現的概率，計算所述用戶的人群興趣，以及

根據歷史回答記錄、歷史曝光記錄建立點擊率模型，其中，所述點擊率模型用于預估問題被展示后被用戶回答的概率；

根據用戶的短期興趣、長期興趣以及人群興趣構建所述用戶的興趣向量，所述用戶的興趣向量中包括多個興趣項；

根據所述多個興趣項由待解決問題集合中獲取候選推薦問題；

根據點擊率模型預估所述用戶回答所述候選推薦問題的概率，并根據預估的概率選取待推薦問題；以及

向客戶端推薦所述待推薦問題。

2.如權利要求1所述的方法，其特征在于，所述根據所述用戶在距離當前時間預定時長內的實時回答記錄，計算所述用戶的短期興趣的步驟，包括：

獲取用戶在距離當前時間預定時長內的實時回答記錄；

根據所述實時回答記錄，提取每個問題對應的興趣項以及回答每個問題的時間，以回答每個問題的時間為所述問題對應的興趣項的時間戳，以所述興趣項為元素并根據其對應的時間戳構建循環隊列；

根據所述循環隊列計算每個興趣項對應的權重；以及

根據每個興趣項對應的權重計算所述用戶的短期興趣。

3.如權利要求2所述的方法，其特征在于，所述根據所述循環隊列計算每個興趣項對應的權重的步驟，包括：

根據每個興趣項在所述循環隊列中的位置，計算每個興趣項出現在該位置上時的時間衰減函數以及每個興趣項出現在該位置上時的時間戳與當前時間的時長；以及

根據每個興趣項出現在該位置上時的時間衰減函數以及每個興趣項出現在該位置上時的時間戳與當前時間的時長，計算每個興趣項對應的權重。

4.如權利要求1所述的方法，其特征在于，所述根據歷史回答記錄、用戶的屬性以及與每種用戶屬性對應的興趣項出現的概率，計算所述用戶的人群興趣的步驟，包括：

根據用戶的屬性組合，將所有用戶分為多個不同類型的人群；

計算與用戶的屬性組合所對應的每個興趣項出現的概率；根據所述概率，計算與每種類型的人群對應的興趣項的權重；根據所述用戶的屬性，查找與所述用戶對應的人群；以及

根據該人群對應的興趣項的權重，計算所述用戶的人群興趣。

5.如權利要求1所述的方法，其特征在于，所述根據用戶的短期興趣、長期興趣以及人群興趣構建用戶的興趣向量的步驟，包括：

通過向量的線性加權，將所述用戶的短期興趣、長期興趣以及人群興趣進行合并，得到用戶的興趣向量。

6.如權利要求5所述的方法，其特征在于，用戶短期興趣的向量加權系數大于用戶長期興趣的向量加權系數，用戶長期興趣的向量加權系數大于用戶人群興趣的向量加權系數，其中，用戶短期興趣的向量加權系數大于等于0.5且小于等于0.8，用戶長期興趣的向量加權系數大于等于0.1且小于等于0.5，用戶人群興趣的向量加權系數大于等于0.1且小于等于0.5。

7.如權利要求1所述的方法，其特征在于，所述根據歷史回答記錄、歷史曝光記錄建立點擊率模型的步驟，包括：

將所述歷史曝光記錄中已被用戶回答過的問題標記為正樣本，將所述歷史曝光記錄中未被用戶回答過的問題標記為負樣本；

提取所有正樣本和負樣本的特征向量；以及

利用所述正樣本和負樣本的特征向量進行點擊率模型訓練，建立點擊率模型。

8.如權利要求7所述的方法，其特征在于，所述特征向量包括：用戶特征向量、問題特征向量以及場景特征向量。