[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

本發明公開了一種內容推薦方法，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。本發明公開了對應的內容推薦裝置和計算設備。

技術領域

本發明涉及計算機和科學技術領域，尤其涉及一種內容推薦方法、裝置和計算設備。

背景技術

隨著在線教育的發展，使用互聯網學習英語閱讀的人急速增多，為用戶提供英文內容的閱讀產品和服務也逐漸變多。傳統的內容推薦包括基于內容的推薦和基于協同過濾的推薦技術，主要根據用戶的標簽或關注過的文章進行個性化推薦，這類推薦方法在興趣維度的推薦效果較好。

而對于英文閱讀的細分場景，僅僅基于興趣的推薦，無法滿足用戶的學習需求。經常出現用戶對文章內容感興趣，但文章難度過大，導致用戶體驗過差、無法使用和學習。現有部分方案中，是根據用戶的單詞量測試結果推薦英文文章，但測試之后默認用戶的英文水平不變，而并未考慮到用戶的英文閱讀水平是動態提升的過程，所以現有方案只能滿足初步的基于難度的文章推薦。

發明內容

鑒于上述問題，本發明提出了一種內容推薦方法、裝置和計算設備，以力圖解決或者至少解決上面存在的問題。

根據本發明的一個方面，提供了一種內容推薦方法，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。

可選地，在根據本發明的內容推薦方法中，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；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。

可選地，在根據本發明的內容推薦方法中，還包括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。

可選地，在根據本發明的內容推薦方法中，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。

可選地，在根據本發明的內容推薦方法中，還包括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。

可選地，在根據本發明的內容推薦方法中，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。

可選地，在根據本發明的內容推薦方法中，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；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；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；命名實體識別特征包括命名實體個數和/或命名實體占比。