[發(fā)明專利]一種推薦個(gè)數(shù)模型的訓(xùn)練方法、混合內(nèi)容推薦方法及裝置

在審

• 申請?zhí)枺?/td>: 202110337819.7
• 申請日: 2021-03-30
• 公開（公告）號: CN112905896A
• 公開（公告）日: 2021-06-04
• 發(fā)明（設(shè)計(jì)）人: 張娟;許盛輝;潘照明
• 申請（專利權(quán)）人: 網(wǎng)易傳媒科技（北京）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06K9/62;G06N20/00
• 代理公司: 北京同達(dá)信恒知識產(chǎn)權(quán)代理有限公司 11291
• 代理人: 李靜文

1.一種推薦個(gè)數(shù)模型的訓(xùn)練方法，用于確定混合推薦列表中指定類型內(nèi)容的推薦個(gè)數(shù)，其特征在于，包括：

獲取基于混合推薦列表進(jìn)行內(nèi)容推薦時(shí)，用戶對指定類型內(nèi)容的行為反饋；

根據(jù)所述行為反饋及所述混合列表中指定類型內(nèi)容的實(shí)際推薦個(gè)數(shù)，確定指定類型內(nèi)容的期望推薦個(gè)數(shù)；

對所述用戶的屬性信息、內(nèi)容推薦時(shí)用戶所處的上下文信息和所述用戶對指定類型內(nèi)容的歷史操作信息中至少一種進(jìn)行特征提取；

將提取的特征作為推薦個(gè)數(shù)模型的輸入，以輸出所述期望推薦個(gè)數(shù)為目標(biāo)，調(diào)整所述推薦個(gè)數(shù)模型的參數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述行為反饋及所述混合列表中指定類型內(nèi)容的實(shí)際推薦個(gè)數(shù)，確定指定類型內(nèi)容的期望推薦個(gè)數(shù)，包括：

確定用戶點(diǎn)擊所述指定類型內(nèi)容的次數(shù)等于第一閾值時(shí)，將所述實(shí)際推薦個(gè)數(shù)作為期望推薦個(gè)數(shù)；

確定用戶點(diǎn)擊所述指定類型內(nèi)容的次數(shù)大于第一閾值時(shí)，將所述實(shí)際推薦個(gè)數(shù)遞增得到期望推薦個(gè)數(shù)；

確定用戶點(diǎn)擊所述指定類型內(nèi)容的次數(shù)小于第一閾值時(shí)，將所述實(shí)際推薦個(gè)數(shù)遞減得到期望推薦個(gè)數(shù)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述提取的特征和對應(yīng)的期望推薦個(gè)數(shù)為一個(gè)樣本，調(diào)整所述推薦個(gè)數(shù)模型的參數(shù)之前，還包括：

獲取包括多個(gè)樣本的樣本集；

確定樣本集中用戶點(diǎn)擊所述指定類型內(nèi)容的次數(shù)小于第一閾值，且所述實(shí)際推薦個(gè)數(shù)小于第二閾值的待篩選樣本；

按設(shè)定比例篩選掉待篩選樣本中的部分樣本，得到更新的樣本集。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，對所述用戶的屬性信息進(jìn)行特征提取，包括：

對所述用戶的性別、年齡、地理位置中至少一種進(jìn)行特征提取。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，對所述內(nèi)容推薦時(shí)用戶所處的上下文信息進(jìn)行特征提取，包括：

對所述內(nèi)容推薦的時(shí)間、內(nèi)容推薦時(shí)用戶登錄的客戶端類型、內(nèi)容推薦時(shí)客戶端連接的網(wǎng)絡(luò)類型中至少一種進(jìn)行特征提取。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，對所述用戶對指定類型內(nèi)容的歷史操作信息中至少一種進(jìn)行特征提取，包括：

對不同歷史時(shí)間窗口內(nèi)，所述用戶對指定類型內(nèi)容的正向操作次數(shù)和/或負(fù)向操作次數(shù)進(jìn)行特征提取。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：

在推薦個(gè)數(shù)模型的建模階段，根據(jù)排序模型對不同類型內(nèi)容的推薦程度評分，確定所述混合推薦列表中指定類型內(nèi)容的實(shí)際推薦個(gè)數(shù)；

在推薦個(gè)數(shù)模型的更新階段，利用所述推薦個(gè)數(shù)模型，確定所述混合推薦列表中指定類型內(nèi)容的實(shí)際推薦個(gè)數(shù)。

8.一種混合排序推薦的方法，應(yīng)用于推薦服務(wù)器，其特征在于，包括：

接收用戶的推薦請求，獲取所述用戶的屬性信息、內(nèi)容推薦時(shí)用戶所處的上下文信息和所述用戶對指定類型內(nèi)容的歷史操作信息中至少一種；

對所述用戶的屬性信息、內(nèi)容推薦時(shí)用戶所處的上下文信息和所述用戶對指定類型內(nèi)容的歷史操作信息中至少一種進(jìn)行特征提取；

將提取的特征輸入到推薦個(gè)數(shù)模型，其中，所述推薦個(gè)數(shù)模型是基于權(quán)利要求1至7中任一項(xiàng)所述方法訓(xùn)練得到的；

根據(jù)所述推薦個(gè)數(shù)模型預(yù)測的推薦個(gè)數(shù)，及不同類型內(nèi)容的推薦程度評分，得到不同類型內(nèi)容混合排序的混合推薦列表并發(fā)送給所述用戶。

9.一種推薦個(gè)數(shù)模型的訓(xùn)練設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至7任一項(xiàng)所述推薦個(gè)數(shù)模型的訓(xùn)練方法的步驟。

10.一種混合排序推薦的設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求8所述混合排序推薦的方法的步驟。