[發明專利]基于人工智能的信息推薦方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011245105.5
• 申請日: 2020-11-10
• 公開（公告）號: CN112231580A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 趙教生
• 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
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 劉星雨;張穎玲

1.一種基于人工智能的信息推薦方法，其特征在于，包括：

獲取信息展示頁面中顯示的信息的內容標簽；

基于信息樣本與推薦信息樣本集合之間的對應關系、以及所述推薦信息樣本集合的行為數據，確定所述信息樣本的內容標簽與所述推薦信息樣本集合的內容標簽之間的對應關系；

基于所述對應關系以及所述信息的內容標簽，確定用于待推薦的內容標簽；

從信息庫中查詢與所述待推薦的內容標簽匹配的信息，以作為推薦信息；

基于所述推薦信息在所述信息展示頁面中執行推薦操作。

2.根據權利要求1所述的方法，其特征在于，所述確定所述信息樣本的內容標簽與所述推薦信息樣本集合的內容標簽之間的對應關系之前，所述方法還包括：

對至少一個樣本用戶的歷史行為序列進行遍歷處理，得到每個樣本用戶所接收的所述推薦信息樣本集合與所述信息樣本之間的對應關系、以及所述推薦信息樣本集合中的推薦信息樣本的行為數據；

所述確定所述信息樣本的內容標簽與所述推薦信息樣本集合之間的內容標簽的對應關系，包括針對所述推薦信息樣本集合中的任一推薦信息樣本執行以下處理：

基于所述每個樣本用戶的所述推薦信息樣本的行為數據，對所述推薦信息樣本進行基于行為數據的聚合平均處理，將得到的聚合平均結果作為所述推薦信息樣本的行為特征；

基于各所述推薦信息樣本的行為特征，對各所述推薦信息樣本包括的內容標簽進行篩選處理；

構建所述信息樣本的內容標簽與所述篩選處理后剩余的內容標簽之間的對應關系，并作為所述信息樣本的內容標簽與所述推薦信息樣本集合的內容標簽之間的對應關系。

3.根據權利要求2所述的方法，其特征在于，所述基于各所述推薦信息樣本的行為特征，對各所述推薦信息樣本包括的內容標簽進行篩選處理，包括：

對各所述推薦信息樣本分別包括的內容標簽進行去重處理，得到用于進行篩選處理的多個內容標簽；

針對所述用于進行篩選處理的多個內容標簽的任一內容標簽執行以下處理：

當所述推薦信息樣本包括所述內容標簽時，基于所述推薦信息樣本的行為特征，對所述內容標簽進行基于行為特征的聚合平均處理，將得到的所述內容標簽的聚合平均結果作為所述內容標簽的行為特征；

基于各所述內容標簽的行為特征，對各所述內容標簽進行降序排序，將降序排序結果中排序在前的多個內容標簽作為所述篩選處理后剩余的內容標簽。

4.根據權利要求3所述的方法，其特征在于，所述將得到的所述內容標簽的聚合平均結果作為所述內容標簽的行為特征，包括：

對目標用戶的畫像信息進行特征抽取處理，得到各所述內容標簽的權重；

基于各所述內容標簽的權重，對得到的所述內容標簽的聚合平均結果進行加權處理，將加權結果作為所述內容標簽的行為特征。

5.根據權利要求1所述的方法，其特征在于，所述基于所述對應關系以及所述信息的內容標簽，確定用于待推薦的內容標簽，包括：

以所述信息的內容標簽作為索引，查詢包括所述對應關系的數據表；

當查詢到與所述信息的內容標簽匹配的所述信息樣本的內容標簽時，將與所述信息樣本的內容標簽對應的所述推薦信息樣本集合的內容標簽，作為用于待推薦的內容標簽。

6.根據權利要求1所述的方法，其特征在于，所述基于所述對應關系以及所述信息的內容標簽，確定用于待推薦的內容標簽，包括：

基于所述信息樣本的內容標簽與所述推薦信息樣本集合的內容標簽之間的對應關系，對用于信息推薦的神經網絡模型進行訓練，得到訓練后的神經網絡模型；

通過所述訓練后的神經網絡模型，對所述信息的內容標簽進行基于標簽的預測處理，得到用于待推薦的內容標簽。