[發明專利]推薦方法、模型生成方法、裝置、介質及設備

有效

• 申請號: 201911418934.6
• 申請日: 2019-12-31
• 公開（公告）號: CN111209476B
• 公開（公告）日: 2023-09-01
• 發明（設計）人: 楊晚鵬;譚怒濤
• 申請（專利權）人: 廣州市百果園信息技術有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F18/25
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

1.一種內容的推薦方法，其特征在于，所述方法包括：

獲取與原始推薦內容對應的內容特征信息，以及，用戶行為信息，所述用戶行為信息包括用戶針對不同內容的反饋行為；

根據所述用戶行為信息，生成用戶行為預估值，每個反饋行為均對應一個用戶行為預估值，所述用戶行為預估值包括針對不同內容的點擊率預估值、點贊率預估值、播完率預估值、關注率預估值、分享率預估值、評論率預估值；

根據所述用戶行為預估值、所述用戶行為信息以及所述內容特征信息，得到各個所述原始推薦內容的內容推薦值；

根據所述內容推薦值，確定至少兩個目標推薦內容；

其中，所述根據所述用戶行為預估值、所述用戶行為信息以及所述內容特征信息，得到各個所述原始推薦內容的內容推薦值，包括：

對所述用戶行為預估值、所述用戶行為信息以及所述內容特征信息進行向量化處理，生成內容推薦特征向量；

將所述內容推薦特征向量輸入預設的目標內容推薦模型，生成各個所述原始推薦內容的內容推薦值，所述目標內容推薦模型為根據用戶針對不同內容的反饋行為進行訓練的模型。

2.根據權利要求1所述的方法，其特征在于，所述根據所述用戶行為信息，生成用戶行為預估值，包括：

對所述用戶行為信息進行向量化處理，生成行為特征向量；

將所述行為特征向量輸入預設的目標行為預估模型，生成所述用戶行為預估值。

3.根據權利要求1所述的方法，其特征在于，所述根據所述內容推薦值，確定至少兩個目標推薦內容，包括：

按照內容推薦值從高到低的順序，對各個所述原始推薦內容進行排序；

采用排序后的原始推薦內容，生成內容推薦列表；

從所述內容推薦列表中，提取排序在前的至少兩個原始推薦內容，作為目標推薦內容。

4.根據權利要求2所述的方法，其特征在于，所述目標行為預估模型通過如下方式生成：

獲取歷史用戶行為信息以及初始行為預估模型；

對所述歷史用戶行為信息進行向量化，生成第一訓練向量信息；

在所述初始行為預估模型中，輸入所述第一訓練向量信息進行迭代，并計算每次迭代后的初始行為預估模型的多個損失函數；所述多個損失函數包括基于不同歷史用戶行為信息的損失函數；

當迭代之后的初始行為預估模型的多個損失函數均最小化時，停止迭代，生成目標行為預估模型。

5.根據權利要求1所述的方法，其特征在于，所述目標內容推薦模型通過如下方式生成：

獲取樣本數據以及初始內容推薦模型，所述樣本數據包括歷史用戶行為信息，與所述歷史用戶行為信息對應的歷史用戶行為預估值，推薦內容的內容特征信息；

對所述歷史用戶行為信息、所述歷史用戶行為預估值以及所述內容特征信息進行向量化，生成第二訓練向量信息；

在所述初始內容推薦模型中，輸入所述第二訓練向量信息進行迭代，并計算每次迭代后的初始內容推薦模型的多個損失函數；

當迭代之后的初始內容推薦模型的多個損失函數均最小化時，停止迭代，生成目標內容推薦模型。

6.根據權利要求4或5所述的方法，其特征在于，所述用戶行為信息包括點擊率、點贊率、播完率、關注率、分享率、評論率、收藏率、瀏覽時長中至少兩種。