[發明專利]內容推薦方法及裝置

在審

• 申請號: 202010719289.8
• 申請日: 2020-07-23
• 公開（公告）號: CN111881365A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 陳穎祥;王冉;李東軍
• 申請（專利權）人: 蘇州躍盟信息科技有限公司
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06N20/00;G06Q50/00
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 趙囡囡

本發明公開了一種內容推薦方法及裝置。其中，該方法包括：預先確定待推薦內容的加權點擊率和預估推薦權重值，其中，加權點擊率為依據用戶行為衡量待推薦內容質量的指標，預估推薦權重值為依據推薦算法為待推薦內容分配的權重值；基于預估推薦權重值和加權點擊率確定當前推薦權重值；依據當前推薦權重值推薦待推薦內容。本發明解決了現有技術中的內容推薦方案無法根據用戶發布內容的內容質量進行內容推薦的技術問題。

技術領域

本發明涉及計算機技術領域，具體而言，涉及一種內容推薦方法及裝置。

背景技術

隨著互聯網技術的飛速發展，先后出現各大主題的內容社區APP，廣大用戶也基于內容社區的定位進行聚集，因此，針對社區內容的推薦是每一個內容社區會面臨的主要問題，優質的內容推薦可以增加用戶的在內容社區的留存和活躍程度，而低質的推薦則會導致用戶在內容社區的留存和活躍程度降低，甚至導致整個內容社區APP的失敗。

由于現有技術中的推薦算法大多為基于機器學習的推薦算法，在推薦內容時會將內容相關信息、作者相關信息、被推薦用戶的信息等作為特征編碼后給到算法模型進行計算，得到最優topN內容進行推薦，導致對于相似的內容(現在互聯網轉載盛行，因此相似內容非常常見)、同樣的受眾、作者的被關注數越多，該內容的被推薦次數就會越高(一方面是算法中給“大V”的權重較普通人高，另一方面是現在社區APP大多都有關注tab，內容在這也會增加曝光數)，點贊數就會越高。長此以往，大部分用戶由于同樣水平甚至質量更好的內容的曝光、反饋數均不如大V(即擁有較多關注數的極少部分用戶)發的，導致大部分用戶發布內容的積極性會減弱。所以對于大多數社區來說，大V會越來越活躍，而普通用戶更多以其他互動行為(點贊、評論其他人的內容)為主，而發布的內容數量較少。

雖然現有技術中普通推薦邏輯確實有其道理，平臺對于大V發布的內容，受歡迎程度的先驗會比普通用戶高，因此更有可能被廣大用戶所接受。但是，如果不適當加以調整，會導致“富者愈富，窮者愈窮”的局面，使得流量會往大V靠攏而非優質內容靠攏，從長遠上看也不利于內容社區的建設，而有些平臺雖然考慮到了這個問題，但是采用人工的方式進行內容的審核評分，手工將優質內容從內容池中撈出，人工成本很大，當用戶量大時，在短時間內也沒有辦法進行橫向擴張。

針對上述的問題，目前尚未提出有效的解決方案。

發明內容

本發明實施例提供了一種內容推薦方法及裝置，以至少解決現有技術中的內容推薦方案無法根據用戶發布內容的內容質量進行內容推薦的技術問題。

根據本發明實施例的一個方面，提供了一種內容推薦方法，包括：預先確定待推薦內容的加權點擊率和預估推薦權重值，其中，加權點擊率為依據用戶行為衡量待推薦內容質量的指標，預估推薦權重值為依據推薦算法為待推薦內容分配的權重值；基于預估推薦權重值和加權點擊率確定當前推薦權重值；依據當前推薦權重值推薦待推薦內容。

可選的，至少通過如下方式確定加權點擊率：確定與待推薦內容對應的關注用戶和非關注用戶，并將待推薦內容分發至關注用戶和非關注用戶；獲取關注用戶對待推薦內容的第一點擊率，以及非關注用戶對待推薦內容的第二點擊率；依據第一點擊率和第二點擊率確定加權點擊率。

可選的，通過如下計算公式確定加權點擊率Ctr(c)：

其中，第一點擊率為第二點擊率為n_f，i(c)為關注用戶接收到待推薦內容的數量，n_f，c(c)為關注用戶點擊待推薦內容的數量，n_s，c(c)為非關注用戶接收到待推薦內容的數量，n_s，i(c)為非關注用戶點擊待推薦內容的數量，i為每一個待推薦內容的標識，α取預定正數值，用于調整關注用戶與非關注用戶對加權點擊率的貢獻比重值。

可選的，通過如下計算公式確定當前推薦權重值C(c)：C(c)＝βCtr(c)+F(c)；