[發明專利]內容推薦方法、裝置及系統

在審

• 申請號: 201710896284.0
• 申請日: 2017-09-28
• 公開（公告）號: CN107967616A
• 公開（公告）日: 2018-04-27
• 發明（設計）人: 尹勝鉉;李阿娜
• 申請（專利權）人: 三星SDS株式會社
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F17/30
• 代理公司: 北京德琦知識產權代理有限公司11018
• 代理人: 崔今花,周艷玲

1.一種內容推薦方法，該方法為由內容推薦服務器執行的方法，包括以下步驟：

以在第一時刻獲取的第一用戶的第一類型信息和內容推薦模型為基礎確定第一推薦內容；

將所述第一推薦內容發送給內容推薦終端，并且從所述內容推薦終端接收所述第一用戶對所述第一推薦內容的反饋信息；

通過將所述第一用戶的反饋信息應用到所述內容推薦模型中而更新所述內容推薦模型；

以在第二時刻獲取的第二用戶的第二類型信息及更新后的所述內容推薦模型為基礎確定第二推薦內容，其中，所述第二時刻為第一時刻以后的時刻；以及

將所述第二推薦內容發送給所述內容推薦終端，

所述第一類型信息包括所述第一時刻的狀況信息，所述第二類型信息包括所述第二時刻的狀況信息，

所述第一類型信息和所述第二類型信息表示相同的類型信息，

所述第二推薦內容為與所述第一推薦內容不同的內容。

2.根據權利要求1所述的內容推薦方法，

所述第一類型信息進一步包括所述第一用戶的人口統計學信息，

所述第二類型信息進一步包括所述第二用戶的人口統計學信息，

所述第一類型信息和所述第二類型信息為通過視頻分析導出的信息。

3.根據權利要求2所述的內容推薦方法，

所述第一用戶的人口統計學信息包括所述第一用戶的性別和年齡中的至少一個信息，

所述第一時刻的狀況信息包括時間、星期、天氣和所述第一用戶所屬組類型中的至少一個的信息。

4.根據權利要求1所述的內容推薦方法，

所述確定第一推薦內容的步驟包括：

以所述第一類型信息為基礎提取特征向量，所述特征向量表示所述第一用戶的類型；以及

將所述特征向量輸入到所述內容推薦模型中而確定所述第一推薦內容，

所述內容推薦模型以多臂游戲機MAB算法為基礎進行操作。

5.根據權利要求4所述的內容推薦方法，

所述提取特征向量的步驟包括：

以包括在所述第一類型信息中的人口統計學信息為基礎提取第一特征向量；

以包括在所述第一類型信息中的第一時刻的狀況信息的聚類結果為基礎提取第二特征向量；以及

通過結合所述第一特征向量和所述第二特征向量而提取表示所述第一用戶的類型的所述特征向量。

6.根據權利要求5所述的內容推薦方法，

所述聚類結果以K-均值聚類算法為基礎生成。

7.根據權利要求1所述的內容推薦方法，

所述內容推薦模型為以按用戶類型表示針對各內容的偏好度的累積補償值為基礎學習的模型，

通過將所述反饋信息應用到所述內容推薦模型中而更新所述內容推薦模型的步驟包括：

按預設的基準將所述第一用戶的反饋信息轉換為經數值化的補償值；以及

以所述補償值為基礎更新所述內容推薦模型的關于第一類型信息的累積補償值，其中，根據所述反饋信息的種類，所述補償值的至少一部分具有彼此不同的值。

8.根據權利要求7所述的內容推薦方法，

所述第一推薦內容和所述第二推薦內容為店鋪的品牌內容，

所述第一用戶的反饋信息包括是否選擇所述品牌內容、是否對所述店鋪進行尋路檢索、是否訪問所述店鋪以及是否購買所述店鋪的商品中的至少一個信息。

9.一種內容推薦方法，該方法為由內容推薦服務器執行的方法，包括以下步驟：

獲取用戶類型信息，所述用戶類型信息包括所述用戶的狀況信息；

在包括第一推薦策略和第二推薦策略的多個推薦策略中，以預設的各推薦策略的占有率為基礎確定任一推薦策略；以及

以確定的推薦策略為基礎確定推薦內容，

所述第一推薦策略為以預設的規則為基礎確定所述推薦內容的策略，

所述第二推薦策略為以多臂游戲機MAB模型為基礎確定所述推薦內容的策略。

10.根據權利要求9所述的內容推薦方法，

所述預設的規則為以直至預設的時刻為止通過隨機推薦收集到的反饋信息為基礎生成的規則。