[發明專利]一種確定內容相似度方法和基于相似度的內容推薦方法

在審

• 申請號: 202110779922.7
• 申請日: 2021-07-09
• 公開（公告）號: CN113378064A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 黃彥華;王維堃;張雷;徐瑞文
• 申請（專利權）人: 小紅書科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536;G06F40/194
• 代理公司: 上海華誠知識產權代理有限公司 31300
• 代理人: 徐穎聰

本申請涉及計算機技術領域，公開了一種確定內容相似度方法和基于內容相似度的推薦方法，其中，該確定內容相似度的方法包括：確定第一內容和第二內容；從所述第一內容中提取第一標準特征組，以及從所述第二內容中提取第二標準特征組；確定與所述第一內容和所述第二內容關聯的標簽；對于所述第一標準特征組、所述第二標準特征組，進行MLP處理，得到第一向量、第二向量；以及根據所述第一向量、所述第二向量，以及所述標簽，計算所述第一內容和所述第二內容的相似度。本申請解決了長尾問題，達到了在長尾的筆記和熱門筆記之間建立相似關系，幫助嵌入模型從即便處于長尾的筆記中進行泛化以推斷相似性的技術效果。

技術領域

本申請涉及計算機技術領域，特別涉及一種確定內容相似度方法、裝置、設備及介質，以及一種基于相似度的內容推薦方法、裝置、設備以及介質。

背景技術

隨著大數據時代的到來，內容推薦已經成為面對海量互聯網信息篩選問題時的最佳解決方案。

傳統技術中的內容推薦通常依賴于用戶的交互，或內容的曝光量進行分析處理。無論是在召回時還是排序處理時，傳統的推薦算法通常會推薦熱門的內容項或者符合用戶喜好的內容項，這種推薦方式對用戶的需求考慮較少，使得對于處在長尾的內容項有需求的用戶很難找到自己感興趣的內容，推薦效果差。

發明內容

本申請實施例提供了一種確定內容相似度方法、裝置、設備及介質。

第一方面，本申請實施例提供了一種確定內容相似度的方法，用于電子設備，所述方法包括：

確定第一內容和第二內容；

從所述第一內容中提取第一標準特征組，以及從所述第二內容中提取第二標準特征組，其中，所述第一/第二標準特征組是用于描述所述第一/第二內容中包括的至少部分圖像信息和/或文本信息的向量組；

確定與所述第一內容和所述第二內容關聯的標簽，其中，所述標簽是基于所述第一內容和所述第二內容的用戶的交互確定的所述第一內容和所述第二內容的交互關聯度；

對于所述第一標準特征組、所述第二標準特征組，進行MLP處理，得到第一向量、第二向量；以及

根據所述第一向量、所述第二向量，以及所述標簽，計算所述第一內容和所述第二內容的相似度。

在上述第一方面的一種可能的實現中，當大于等于預設個所述用戶與所述第一內容交互并且與所述第二內容交互時，所述標簽數值為1，否則所述標簽數值為0。

在上述第一方面的一種可能的實現中，所述MLP處理，包括：所述第一標準特征組和所述第二標準特征組分別通過MLP做非線性變換和壓縮處理得到所述第一向量、所述第二向量。

在上述第一方面的一種可能的實現中，計算所述第一內容和所述第二內容的相似度，包括：將所述標簽的數值應用到計算所述第一向量和所述第二向量之間的相似概率的計算公式，得到所述第一內容和第二內容的相似度。

在上述第一方面的一種可能的實現中，所述第一向量和所述第二向量之間的相似概率，如下式所示：p(label|v_A,v_B)＝[\sigma(8*function(v_A,v_B)]^label*[1-\sigma(8 *function(v_A,v_B)]^[1-label]；其中，p表示所述第一向量和所述第二向量之間的相似概率；label表示所述標簽；v_A表示所述第一向量；v_B表示所述第二向量；\sigma表示 sigmoid函數；function(v_A,v_B)表示所述第一向量和所述第二向量之間的相似度的函數。

在上述第一方面的一種可能的實現中，所述function函數可以是所述第一向量和所述第二向量之間的余弦值、所述第一向量和所述第二向量之間的內積、所述第一向量和所述第二向量的差值的范數中的一種。