[發明專利]內容推薦方法和裝置、訓練方法、計算設備和存儲介質

在審

• 申請號: 202011455524.1
• 申請日: 2020-12-10
• 公開（公告）號: CN112528147A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 萬凡;駱金昌;何伯磊;陳坤斌;劉準;和為
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/08
• 代理公司: 北京市漢坤律師事務所 11602
• 代理人: 姜浩然;吳麗麗

本公開提供了一種內容推薦方法和裝置、訓練方法、計算設備和存儲介質，涉及人工智能技術領域，具體涉及深度學習、神經網絡與大數據。內容推薦方法包括：基于用戶信息和候選內容項的內容信息，通過神經網絡，生成用戶對候選內容項的感興趣數值；并且響應于候選內容項的感興趣數值滿足預定條件，控制終端輸出候選內容項，其中，用戶信息包括用戶的歷史興趣信息，歷史興趣信息包括用戶的歷史感興趣內容項中的每個內容項的第一興趣特征的值，并且候選內容項的內容信息包括候選內容項的第一興趣特征的值。

技術領域

本公開涉及人工智能技術領域，具體涉及深度學習、神經網絡與大數據，尤其涉及一種內容推薦方法和裝置、訓練方法、計算設備和存儲介質。

背景技術

人工智能是研究使計算機來模擬人的某些思維過程和智能行為(如學習、推理、思考、規劃等)的學科，既有硬件層面的技術也有軟件層面的技術。人工智能硬件技術一般包括如傳感器、專用人工智能芯片、云計算、分布式存儲、大數據處理等技術:人工智能軟件技術主要包括計算機視覺技術、語音識別技術、自然語言處理技術以及機器學習/深度學習、大數據處理技術、知識圖譜技術等幾大方向。

在各個領域都存在向用戶推薦內容、尤其是基于用戶的細化的個性化推薦的問題。期望通過合適的算法向用戶推送用戶感興趣的內容項，從而提高用戶與內容的交互并且提高點擊通過率等。

在此部分中描述的方法不一定是之前已經設想到或采用的方法。除非另有指明，否則不應假定此部分中描述的任何方法僅因其包括在此部分中就被認為是現有技術。類似地，除非另有指明，否則此部分中提及的問題不應認為在任何現有技術中已被公認。

發明內容

根據本公開的方面，提供了一種內容推薦方法，包括：基于用戶信息和候選內容項的內容信息，通過神經網絡，生成用戶對所述候選內容項的感興趣數值；并且響應于所述候選內容項的所述感興趣數值滿足預定條件，控制終端輸出所述候選內容，其中，所述用戶信息包括所述用戶的歷史興趣信息，所述歷史興趣信息包括所述用戶的歷史感興趣內容項中的每個內容項的第一興趣特征的值，并且所述候選內容項的所述內容信息包括所述候選內容項的所述第一興趣特征的值。

根據本公開的又一方面，提供了一種內容推薦裝置，包括興趣計算單元，所述興趣計算單元被配置成推薦基于用戶信息和候選內容項的內容信息，通過神經網絡，生成用戶對所述候選內容項的感興趣數值；以及內容輸出單元，所述內容輸出單元被配置成響應于所述候選內容項的所述感興趣數值滿足預定條件，控制終端輸出所述候選內容項，其中，所述用戶信息包括所述用戶的歷史興趣信息，所述歷史興趣信息包括所述用戶的歷史感興趣內容項中的每個內容項的第一興趣特征的值，并且所述候選內容項的所述內容信息包括所述候選內容項的所述第一興趣特征的值。

根據本公開的又一方面，提供了一種計算設備，包括處理器；以及存儲程序的存儲器，所述程序包括指令，所述指令在由所述處理器執行時使所述處理器執行根據本公開的實施例的內容推薦方法或根據本公開的實施例的訓練方法。

根據本公開的又一方面，提供了一種存儲程序的計算機可讀存儲介質，所述程序包括指令，所述指令在由電子設備的處理器執行時，指示所述電子設備執行根據本公開的實施例的內容推薦方法或根據本公開的實施例的訓練方法。

根據本公開的再一方面，提供了一種計算機程序產品，包括計算機指令，所述計算機指令在被處理器執行時實現根據本公開的實施例的內容推薦方法或根據本公開的實施例的訓練方法。

通過上述方案，通過使用用戶感興趣特征的歷史序列，能夠更準確地向用戶推薦內容。

附圖說明

附圖示例性地示出了實施例并且構成說明書的一部分，與說明書的文字描述一起用于講解實施例的示例性實施方式。所示出的實施例僅出于例示的目的，并不限制權利要求的范圍。在所有附圖中，相同的附圖標記指代類似但不一定相同的要素。