[發明專利]內容推薦方法、裝置、設備及可讀存儲介質

有效

• 申請號: 202010645853.6
• 申請日: 2020-07-07
• 公開（公告）號: CN111538912B
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 王韻陶;陳炳文
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/02
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 張所明

1.一種內容推薦方法，其特征在于，所述方法包括：

獲取目標帳號的帳號數據，所述帳號數據中包括所述目標帳號的帳號信息數據和所述目標帳號的歷史行為數據，所述歷史行為數據中包括所述目標帳號對歷史內容進行點擊的點擊行為數據，所述點擊行為數據對應有點擊時刻；

以數字化形式表現所述帳號信息數據和所述歷史行為數據；

對以數字化形式表現的所述帳號信息數據和所述歷史行為數據進行歸一化處理及排列組合，得到帳號特征與行為特征，其中，所述行為特征包括點擊序列特征，所述點擊序列特征是對點擊行為序列進行提取得到的，所述點擊行為序列是根據所述點擊時刻對歷史內容標識進行排列得到的，所述歷史內容標識用于唯一指示所述歷史內容；

對目標內容進行特征提取，得到內容特征，所述內容特征包括數值型數據對應的特征和非數值型數據對應的特征，其中，所述數值型數據對應的特征是將所述目標內容中的數值型數據直接提取得到的，所述非數值型數據對應的特征是將所述目標內容中的非數值型數據通過獨熱One-Hot編碼的方式進行特征提取得到的，所述目標內容為待預測點擊率的內容；

對所述帳號特征、所述行為特征和所述內容特征進行融合，得到融合特征；

將所述融合特征分別輸入點擊率預測模型中的m個分類器，得到m個預測子概率，m≥2，m個所述分類器中存在至少兩個不同種類的所述分類器，和/或，m個所述分類器中存在至少兩個相同種類且不同參數的所述分類器，其中，每個所述分類器輸出得到一個預測子概率；

對m個所述預測子概率進行加權求和，得到所述目標帳號對所述目標內容進行點擊的預測概率；

在所述預測概率達到概率閾值的情況下，向所述目標帳號推薦所述目標內容。

2.根據權利要求1所述的方法，其特征在于，所述對所述帳號特征、所述行為特征和所述內容特征進行融合，得到融合特征，包括：

將所述帳號特征、所述行為特征和所述內容特征進行特征拼接，得到所述融合特征；

或，

將所述帳號特征、所述行為特征和所述內容特征輸入第一特征融合分類器進行升維處理，得到所述融合特征；

或，

將所述帳號特征、所述行為特征和所述內容特征輸入第二特征融合分類器進行降維處理，得到所述融合特征。

3.根據權利要求1或2所述的方法，其特征在于，所述歷史內容對應有n個內容類別，所述行為特征中還包括周期類別特征；

所述對以數字化形式表現的所述帳號信息數據和所述歷史行為數據進行歸一化處理及排列組合，得到帳號特征與行為特征，包括：

以目標時刻為基準時刻設置時間周期；

獲取目標時間周期內，所述目標帳號對第i個所述內容類別進行點擊的所述點擊行為數據，i≤n；

確定所述點擊行為數據的點擊次數為所述目標時間周期的類別統計數據；

根據所述時間周期對所述類別統計數據進行排列，得到周期類別序列；

對所述周期類別序列進行特征提取，得到所述周期類別特征。

4.根據權利要求1所述的方法，其特征在于，所述目標內容標注有參考概率，所述參考概率指示所述目標帳號對所述目標內容進行點擊的實際概率；

所述將所述融合特征分別輸入點擊率預測模型中的m個分類器，得到m個預測子概率之后，還包括：

根據所述參考概率與所述預測子概率的第一差異度，對所述分類器的參數進行調整。

5.根據權利要求4所述的方法，其特征在于，所述根據所述參考概率與所述預測子概率的第一差異度，對所述分類器的參數進行調整之后，還包括：

在所述分類器的參數滿足調整要求的情況下，確定所述參考概率與所述預測概率之間的第二差異度；

根據所述第二差異度對m個所述分類器中每個所述分類器對應的權值進行調整。