[發明專利]內容推薦方法及裝置

有效

• 申請號: 201911157198.3
• 申請日: 2019-11-22
• 公開（公告）號: CN111008278B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 陳方毅;黃益聰
• 申請（專利權）人: 廈門美柚股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/9535;G06F40/284
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 景鵬

1.一種內容推薦方法，其特征在于，包括：

獲取內容池中多項待分類內容并進行內容識別，得到為文本內容或視頻圖像內容的內容識別結果；

根據所述內容識別結果選擇對應的內容分類模型對所述待分類內容進行內容分類得到待召回內容，所述內容分類模型包括：文本分類模型和視頻圖像分類模型；

根據召回策略對所述待召回內容進行初步召回得到召回內容，所述召回策略包括以下至少一種：內容關注召回策略、熱門內容召回策略、人群屬性召回策略、用戶興趣召回策略、語義標簽召回策略，其中，所述人群屬性召回策略為根據用戶特征細分得到用戶群的召回策略，所述語義標簽召回策略包括獲取內容池中新增內容的類別標簽，將所述類別標簽與用戶畫像中的內容興趣標簽進行匹配召回；

根據推薦模型對所述召回內容進行排序得到初步排序列表，將所述初步排序列表使用排序算法模型進行二次排序，整合得到推薦內容列表；

其中，所述推薦模型包括DIN模型，所述排序算法模型為：根據推薦模型分數、閱讀完成率和內容閱讀時長進行排序；

所述排序算法模型表示為：

Score＝a*f₁+b*f₂+c*f₃

其中，Score表示所述召回內容的得分，f₁是所述推薦模型返回的分數，f₂表示所述召回內容的平均閱讀完成率，f₃表示所述召回內容的平均閱讀時長，a、b、c分別表示f₁、f₂、f₃對應的權重值；

所述閱讀完成率指：根據用戶在內容上停留時長判斷是否為有效閱讀，若為有效閱讀，根據內容總字數和當前已曝光字數計算得到閱讀完成率。

2.根據權利要求1所述的一種內容推薦方法，其特征在于，所述文本分類模型為長短期記憶神經網絡分類器或BERT模型；

構建所述文本分類模型的過程具體為：

獲取所述文本分類模型的文本訓練樣本集及對應的分類標簽；

對所述文本訓練樣本集進行文本分詞得到多個特征詞進行文本預處理，并計算所述特征詞的詞向量；

根據所述詞向量生成文檔模型；

將所述文檔模型和所述分類標簽輸入到所述文本分類模型中進行模型參數訓練。

3.根據權利要求2所述的一種內容推薦方法，其特征在于，所述視頻圖像分類模型為殘差神經網絡；

構建所述視頻圖像分類模型的過程具體為：

收集圖像樣本并進行圖像分類標注；

對所述圖像樣本進行樣本擴展得到圖像樣本，所述樣本擴展包括：平移、翻轉、剪切、縮放；

根據所述圖像樣本生成圖像訓練樣本集；

將所述圖像訓練樣本集和所述圖像分類標注輸入到所述視頻圖像分類模型中進行模型參數訓練；

當所述視頻圖像內容的內容為視頻時，通過截取所述視頻的預設幀圖像作為圖像樣本。

4.根據權利要求1所述的一種內容推薦方法，其特征在于，還包括：獲取當前用戶對所述召回內容的反饋結果，根據所述反饋結果進行召回審核，召回審核策略包括：根據用戶負面評論召回審核和/或根據用戶負反饋召回審核和/或指標異常召回審核。

5.根據權利要求1至4任一項所述的一種內容推薦方法，其特征在于，所述根據召回策略對所述待召回內容進行初步召回得到召回內容之后還包括初篩，所述初篩包括：曝光初篩和負評價初篩；

所述曝光初篩指：過濾已經給用戶曝光過的內容；

所述負評價初篩指：獲取用戶歷史負反饋信息，將與所述負反饋信息同類型的內容進行過濾。