[發(fā)明專利]內(nèi)容推薦方法、裝置、可讀存儲介質(zhì)及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202210567648.1
• 申請日: 2022-05-23
• 公開（公告）號: CN115062214A
• 公開（公告）日: 2022-09-16
• 發(fā)明（設(shè)計）人: 凌春陽;張泳;王強;陳文石
• 申請（專利權(quán)）人: 北京三快在線科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/958;G06Q30/06
• 代理公司: 北京英創(chuàng)嘉友知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11447
• 代理人: 張桂杰

本公開涉及一種內(nèi)容推薦方法、裝置、可讀存儲介質(zhì)及電子設(shè)備。方法包括：響應(yīng)于接收到目標(biāo)對象的內(nèi)容推薦請求，獲取目標(biāo)對象對已推薦內(nèi)容的多類行為信息、待推薦內(nèi)容的內(nèi)容特征信息以及目標(biāo)對象的屬性信息，其中，多類行為信息包括顯式反饋序列和隱式反饋序列；確定多類行為信息中每類行為信息的反饋等級；根據(jù)反饋等級、多類行為信息、內(nèi)容特征信息和目標(biāo)對象的屬性信息，確定目標(biāo)對象的行為反饋信息；根據(jù)行為反饋信息和所述內(nèi)容特征信息，確定向目標(biāo)對象推薦的目標(biāo)推薦內(nèi)容。提高所確定的目標(biāo)對象的行為反饋信息的準(zhǔn)確度，實現(xiàn)高精度的內(nèi)容推薦，提升用戶使用體驗。

技術(shù)領(lǐng)域

本公開涉及計算機技術(shù)領(lǐng)域，具體地，涉及一種內(nèi)容推薦方法、裝置、可讀存儲介質(zhì)及電子設(shè)備。

背景技術(shù)

個性化推薦系統(tǒng)已被廣泛應(yīng)用于電子商務(wù)、新聞和視頻等諸多領(lǐng)域?，F(xiàn)有推薦系統(tǒng)中的模型通常是基于深度神經(jīng)網(wǎng)絡(luò)的點擊率預(yù)估(Click-Through Rate Prediction，CTR)模型，訓(xùn)練時采用曝光點擊數(shù)據(jù)作為樣本進行學(xué)習(xí)，預(yù)測時為候選集中的所有待推薦內(nèi)容打分，向用戶推薦其中得分最高者。

如何準(zhǔn)確確定待向用戶推薦的待推薦內(nèi)容是推薦系統(tǒng)的核心問題?，F(xiàn)有方法主要依賴用戶的隱式反饋行為(如點擊行為)來預(yù)測將要推薦給用戶的待推薦內(nèi)容。示例地，使用了不同的網(wǎng)絡(luò)結(jié)構(gòu)從歷史點擊序列中提取用戶歷史瀏覽內(nèi)容，然后預(yù)測用戶下一個可能點擊的內(nèi)容。然而，隱式反饋行為往往包含大量噪聲，與用戶的真正觀看內(nèi)容之間存在差距，因此會導(dǎo)致對待推薦內(nèi)容預(yù)估不精準(zhǔn)的問題。例如，在眾多推薦場景下，用戶經(jīng)常由于標(biāo)題或圖片吸引發(fā)生了點擊，但若用戶對其中的內(nèi)容不滿意則會很快地關(guān)閉頁面。

發(fā)明內(nèi)容

本公開的目的是提供一種內(nèi)容推薦方法、裝置、可讀存儲介質(zhì)及電子設(shè)備，以解決相關(guān)技術(shù)中存在的問題。

為了實現(xiàn)上述目的，本公開第一方面提供一種內(nèi)容推薦方法，包括：

響應(yīng)于接收到目標(biāo)對象的內(nèi)容推薦請求，獲取所述目標(biāo)對象對已推薦內(nèi)容的多類行為信息、待推薦內(nèi)容的內(nèi)容特征信息以及所述目標(biāo)對象的屬性信息，其中，所述多類行為信息包括顯式反饋序列和隱式反饋序列；

確定所述多類行為信息中每類行為信息的反饋等級；

根據(jù)所述反饋等級、所述多類行為信息、所述內(nèi)容特征信息和所述目標(biāo)對象的屬性信息，確定所述目標(biāo)對象的行為反饋信息；

根據(jù)所述行為反饋信息和所述內(nèi)容特征信息，確定向所述目標(biāo)對象推薦的目標(biāo)推薦內(nèi)容。

可選地，所述根據(jù)所述反饋等級、所述多類行為信息、所述內(nèi)容特征信息和所述目標(biāo)對象的屬性信息，確定所述目標(biāo)對象的行為反饋信息，包括：

根據(jù)所述反饋等級、所述多類行為信息、所述內(nèi)容特征信息和預(yù)估模型的深度交叉特征提取網(wǎng)絡(luò)，確定所述每類行為信息的交叉特征向量；

根據(jù)所述目標(biāo)對象的屬性信息和所述每類行為信息的交叉特征向量，確定所述目標(biāo)對象的行為反饋信息。

可選地，所述根據(jù)所述反饋等級、所述多類行為信息、所述內(nèi)容特征信息和預(yù)估模型的深度交叉特征提取網(wǎng)絡(luò)，確定所述每類行為信息的交叉特征向量，包括：

分別將每類行為信息輸入所述深度交叉特征提取網(wǎng)絡(luò)中的Transform模塊，得到所述每類行為信息對應(yīng)的高階向量；

按照所述反饋等級的大小，根據(jù)所述每類行為信息對應(yīng)的高階向量、所述內(nèi)容特征信息和所述深度交叉特征提取網(wǎng)絡(luò)中的Attention模塊，依次得到所述每類行為信息對應(yīng)的交叉特征向量。

可選地，所述多類行為信息包括正向行為反饋序列和負向行為反饋序列；所述反饋等級包括根據(jù)所述正向行為反饋序列確定的與所述正向行為反饋序列對應(yīng)的第一反饋等級，以及根據(jù)所述負向行為反饋序列確定的與所述負向行為反饋序列對應(yīng)的第二反饋等級；