[發明專利]一種內容推薦方法、裝置和計算設備

在審

• 申請號: 202010022607.5
• 申請日: 2020-01-09
• 公開（公告）號: CN111241397A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 王捷;張志博;竇孝晨
• 申請（專利權）人: 南京貝灣信息科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/35;G06F40/216;G06F40/211;G06F40/253;G06F40/295;G06K9/62;G06Q50/20;G09B7/02
• 代理公司: 北京思睿峰知識產權代理有限公司 11396
• 代理人: 謝建云;趙愛軍

1.一種內容推薦方法，適于在計算設備中執行，包括步驟：

響應于用戶的生詞本學習操作，提取用戶在該生詞本學習和歷史詞匯量測試過程中對所出現的各單詞的答題特征，構成答題特征序列；

將所述答題特征序列輸入到預先訓練好的詞匯量預測模型中，得到用戶對詞表中每個單詞的正確答題概率；

基于所得到的每個單詞的正確答題概率計算用戶的當前詞匯量水平；

獲取多篇待推薦的候選內容，并計算各候選內容的難度等級；以及

選取難度等級與用戶的當前詞匯量水平相匹配的候選內容來進行推薦。

2.如權利要求1所述的方法，其中，

所述所出現的各單詞為生詞本和歷史詞匯量測試中所有單詞的并集；

所述答題特征包括單詞是否回答正確、單詞的首次回答用時、單詞的答題次數、答題操作是直接回答還是求助提示信息、以及先驗單詞等級中的至少一種。

3.如權利要求1或2所述的方法，還包括所述詞匯量預測模型的訓練步驟：

采集多個用戶對詞表中各單詞的答題特征，并將該答題特征輸入到待訓練的詞匯量預測模型中，得到預測答題概率；

基于該預測答題概率和用戶的實際答題結果，對該詞匯量預測模型進行訓練，得到訓練好的模型。

4.如權利要求1-3中任一項所述的方法，其中，所述計算各候選內容的難度等級的步驟包括：

對各候選內容進行分段和分句處理后，提取每句話的語法結構；

基于所提取的語法結構計算各候選內容的內容特征，并將該內容特征輸入到預先訓練好的難度預測模型中，得到各候選內容的難度等級。

5.如權利要求4所述的方法，還包括所述難度預測模型的訓練步驟：

獲取多篇標注有難度等級的內容，并對各內容進行分段和分句處理后，提取每句話的語法結構；

基于所提取的語法結構計算各內容的內容特征，并基于該內容特征及其對應的難度等級，對構建好的難度預測模型進行訓練，得到訓練好的模型。

6.如權利要求4或5所述的方法，其中，所述內容特征包括基礎統計特征、詞匯語義特征、句子語法樹特征和命名實體識別特征中的至少一種。

7.如權利要求6所述的方法，其中，

所述基礎統計特征包括平均每段句子數、平均每句單詞數、平均每個單詞音節數、可讀性指標中的至少一種；

所述詞匯語義特征包括類符與形符比、單詞難度分布比例和詞性變化度中的至少一種；

所述句子語法樹特征包括平均語法樹深度和/或平均每句從句個數；

所述命名實體識別特征包括命名實體個數和/或命名實體占比。

8.一種內容推薦裝置，適于駐留在計算設備，包括：

特征提取模塊，適于響應于用戶的生詞本學習操作，提取用戶在該生詞本學習和歷史詞匯量測試過程中對所出現的各單詞的答題特征，構成答題特征序列；

概率預測模塊，適于將所述答題特征序列輸入到預先訓練好的詞匯量預測模型中，得到用戶對詞表中每個單詞的正確答題概率；

詞匯量計算模塊，適于基于所得到的每個單詞的正確答題概率計算用戶的當前詞匯量水平；

難度計算模塊，適于獲取多篇待推薦的候選內容，并計算各候選內容的難度等級；以及

內容推薦模塊，適于選取難度等級與用戶的當前詞匯量水平相匹配的候選內容來進行推薦。

9.一種計算設備，包括：

至少一個處理器；以及

包括計算機程序指令的至少一個存儲器；

所述至少一個存儲器和所述計算機程序指令被配置為與所述至少一個處理器一起使得所述計算設備執行如權利要求1-7中任一項所述的方法。

10.一種存儲一個或多個程序的計算機可讀存儲介質，所述一個或多個程序包括指令，所述指令當由服務器執行時，使得所述服務器執行根據權利要求1-7中所述的方法中的任一方法。