[發(fā)明專利]場景化內(nèi)容推薦方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請?zhí)枺?/td>: 201911121900.0
• 申請日: 2019-11-15
• 公開（公告）號: CN111061946B
• 公開（公告）日: 2023-06-30
• 發(fā)明（設(shè)計(jì)）人: 程曉娜;范將科;程兵
• 申請（專利權(quán)）人: 漢海信息技術(shù)(上海)有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F18/22;G06F18/2113
• 代理公司: 北京潤澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 任亞娟

本申請公開了一種場景化內(nèi)容推薦方法，屬于計(jì)算機(jī)技術(shù)領(lǐng)域，有助于提升推薦結(jié)果與用戶需求的匹配度。所述方法包括：響應(yīng)于獲取的推薦請求,根據(jù)預(yù)設(shè)內(nèi)容池中各內(nèi)容的預(yù)設(shè)POI特征和與所述推薦請求匹配的目標(biāo)用戶的預(yù)設(shè)用戶場景特征，通過預(yù)設(shè)的場景和POI匹配模型，預(yù)估各所述內(nèi)容的預(yù)設(shè)POI特征和預(yù)設(shè)用戶場景特征的相似度；場景和POI匹配模型是基于用戶主動(dòng)行為產(chǎn)生的歷史數(shù)據(jù)訓(xùn)練的；根據(jù)所述相似度，從預(yù)設(shè)內(nèi)容池中確定召回內(nèi)容；通過預(yù)設(shè)排序模型，根據(jù)目標(biāo)用戶的用戶畫像特征、各召回內(nèi)容的內(nèi)容畫像特征、所述用戶場景特征和各召回內(nèi)容的預(yù)設(shè)POI特征，預(yù)估各召回內(nèi)容的推薦得分；根據(jù)推薦得分，對各召回內(nèi)容進(jìn)行排序推薦。

技術(shù)領(lǐng)域

本申請實(shí)施例涉及信息推薦技術(shù)領(lǐng)域，特別是涉及一種場景化內(nèi)容推薦方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

在電商推薦、咨詢推薦等推薦場景中，基于用戶的興趣和場景信息進(jìn)行對象推薦，是常用的推薦手段。通常，需要基于已有的用戶歷史行為數(shù)據(jù)，提取其中的用戶特征和場景特征作為推薦排序模型的輸入，訓(xùn)練推薦排序模型。之后，在具體推薦應(yīng)用中，首先按照預(yù)設(shè)規(guī)則定義由不同時(shí)間、國家、城市等組成的“場景”，根據(jù)各種不同場景下用戶消費(fèi)內(nèi)容的歷史數(shù)據(jù)統(tǒng)計(jì)，篩選出用戶在相應(yīng)場景下點(diǎn)擊率靠前的類型和相關(guān)內(nèi)容，得到初步篩選的候選集；接下來，基于訓(xùn)練得到的推薦排序模型對候選集中的對象進(jìn)行推薦排序。現(xiàn)有技術(shù)中的上述推薦排序方法至少存在冷啟動(dòng)問題。例如在新的場景下，用戶若缺乏行為數(shù)據(jù)，則無法進(jìn)行個(gè)性化的推薦；而對于新對象，由于其在相應(yīng)場景下沒有曝光過，缺乏點(diǎn)擊數(shù)據(jù)，導(dǎo)致即便是很好的新對象也很難被推薦出來。

發(fā)明內(nèi)容

本申請實(shí)施例提供一種場景化內(nèi)容推薦方法，有助于提升場景化內(nèi)容推薦的精確度。

為了解決上述問題，第一方面，本申請實(shí)施例提供了一種場景化內(nèi)容推薦方法，包括：

響應(yīng)于獲取的推薦請求,根據(jù)預(yù)設(shè)內(nèi)容池中各內(nèi)容的預(yù)設(shè)POI特征和與所述推薦請求匹配的目標(biāo)用戶的預(yù)設(shè)用戶場景特征，通過預(yù)設(shè)的場景和POI匹配模型，預(yù)估各所述內(nèi)容的所述預(yù)設(shè)POI特征和所述預(yù)設(shè)用戶場景特征的相似度；其中，所述場景和POI匹配模型是基于用戶主動(dòng)行為產(chǎn)生的歷史數(shù)據(jù)訓(xùn)練的；

根據(jù)所述相似度，從所述預(yù)設(shè)內(nèi)容池中確定召回內(nèi)容；

通過預(yù)設(shè)排序模型，根據(jù)所述目標(biāo)用戶的用戶畫像特征、各所述召回內(nèi)容的內(nèi)容畫像特征、所述預(yù)設(shè)用戶場景特征和各所述召回內(nèi)容的所述預(yù)設(shè)POI特征，預(yù)估各所述召回內(nèi)容的推薦得分；

根據(jù)所述推薦得分，對各所述召回內(nèi)容進(jìn)行排序推薦。

第二方面，本申請實(shí)施例提供了一種場景化內(nèi)容推薦裝置，包括：

相似度預(yù)估模塊，用于響應(yīng)于獲取的推薦請求,根據(jù)預(yù)設(shè)內(nèi)容池中各內(nèi)容的預(yù)設(shè)POI特征和與所述推薦請求匹配的目標(biāo)用戶的預(yù)設(shè)用戶場景特征，通過預(yù)設(shè)的場景和POI匹配模型，預(yù)估各所述內(nèi)容的所述預(yù)設(shè)POI特征和所述預(yù)設(shè)用戶場景特征的相似度；其中，所述場景和POI匹配模型是基于用戶主動(dòng)行為產(chǎn)生的歷史數(shù)據(jù)訓(xùn)練的；

召回內(nèi)容初篩模塊，用于根據(jù)所述相似度，從所述預(yù)設(shè)內(nèi)容池中確定召回內(nèi)容；

篩選結(jié)果排序得分預(yù)估模塊，用于通過預(yù)設(shè)排序模型，根據(jù)所述目標(biāo)用戶的用戶畫像特征、各所述召回內(nèi)容的內(nèi)容畫像特征、所述預(yù)設(shè)用戶場景特征和各所述召回內(nèi)容的所述預(yù)設(shè)POI特征，預(yù)估各所述召回內(nèi)容的推薦得分；

排序推薦模塊，用于根據(jù)所述推薦得分，對各所述召回內(nèi)容進(jìn)行排序推薦。

第三方面，本申請實(shí)施例還公開了一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)本申請實(shí)施例所述的場景化內(nèi)容推薦方法。