【技术实现步骤摘要】
内容推荐方法、装置、计算机可读存储介质和计算机设备
本申请涉及计算机
,特别是涉及一种内容推荐方法、装置、计算机可读存储介质和计算机设备。
技术介绍
随着计算机技术的飞速发展,越来越多的内容需要通过计算机处理来获取,再通过网络进行传输,而且越来越多的场景下需要对用户进行内容推荐。比如新闻、视频或者广告的推荐。然而,目前的内容推荐方式依赖于内容提供方对待推荐内容的描述,来选择目标用户进行推荐,在待推荐内容描述不够详尽的时候往往准确地进行推荐,导致内容推荐的准确率低下。
技术实现思路
基于此,有必要针对目前内容推荐的准确率低下的技术问题,提供一种内容推荐方法、装置、计算机可读存储介质和计算机设备。一种内容推荐方法,包括:获取目标推荐内容的第一特征;所述第一特征根据所述目标推荐内容的种子用户的用户特征数据得到;根据所述第一特征确定所述目标推荐内容在类别集合中所属的目标类别;所述类别集合中的类别,根据历史推荐内容的第二特征对所述历史推荐内容聚类得到;所述第二特征根据所述历史推荐内容的点击用户的用户特征数据得到;确定所述目标类别下的推荐预测模型;所述推荐预测模型根据所述目标类别下的历史推荐内容的第二特征训练得到;根据候选用户集合中各候选用户的用户特征数据,通过所述推荐预测模型从所述候选用户集合中筛选目标用户,推荐所述目标推荐内容。一种内容推荐装置,包括:获取模块,用于获取目标推荐内容的第一特征;所述第一特征根据所述目标推荐内容的种子用户的用户特征数据得到;确定模块,用于根据所述第一特征确定所述目标推荐内容在类别集合中所属的目标类别;所述类别集合中的类别,根据历史推 ...
【技术保护点】
1.一种内容推荐方法,包括:获取目标推荐内容的第一特征;所述第一特征根据所述目标推荐内容的种子用户的用户特征数据得到;根据所述第一特征确定所述目标推荐内容在类别集合中所属的目标类别;所述类别集合中的类别,根据历史推荐内容的第二特征对所述历史推荐内容聚类得到;所述第二特征根据所述历史推荐内容的点击用户的用户特征数据得到;确定所述目标类别下的推荐预测模型;所述推荐预测模型根据所述目标类别下的历史推荐内容的第二特征训练得到;根据候选用户集合中各候选用户的用户特征数据,通过所述推荐预测模型从所述候选用户集合中筛选目标用户,推荐所述目标推荐内容。
【技术特征摘要】
1.一种内容推荐方法,包括:获取目标推荐内容的第一特征;所述第一特征根据所述目标推荐内容的种子用户的用户特征数据得到;根据所述第一特征确定所述目标推荐内容在类别集合中所属的目标类别;所述类别集合中的类别,根据历史推荐内容的第二特征对所述历史推荐内容聚类得到;所述第二特征根据所述历史推荐内容的点击用户的用户特征数据得到;确定所述目标类别下的推荐预测模型;所述推荐预测模型根据所述目标类别下的历史推荐内容的第二特征训练得到;根据候选用户集合中各候选用户的用户特征数据,通过所述推荐预测模型从所述候选用户集合中筛选目标用户,推荐所述目标推荐内容。2.根据权利要求1所述的方法,其特征在于,所述获取目标推荐内容的第一特征,包括:确定目标推荐内容和为所述目标推荐内容挑选的种子用户;将各种子用户的用户特征数据向量化,得到各种子用户的特征向量;根据各所述特征向量计算得到所述目标推荐内容的第一特征。3.根据权利要求1所述的方法,其特征在于,所述根据所述第一特征确定所述目标推荐内容在类别集合中所属的目标类别,包括:将所述第一特征输入类别预测模型;所述类别预测模型以历史推荐内容的第一特征为模型输入、以所述历史推荐内容所属的类别为训练标签训练得到;所述历史推荐内容所属的类别根据所述历史内容的第二特征得到;通过所述类别预测模型对所述第一特征进行处理,得到所述目标推荐内容在类别集合中所属的目标类别。4.根据权利要求3所述的方法,其特征在于,所述类别预测模型的训练步骤包括:获取历史推荐内容集合;根据所述历史推荐内容集合中各历史推荐内容的第二特征,对所述历史推荐内容集合中的历史推荐内容进行聚类,得到多个类别;所述类别集合为所述多个类别的集合;将各所述历史推荐内容的第一特征作为训练样本,并将各所述历史推荐内容在聚类后所属的类别作为相应的训练标签;根据所述训练样本和相应的训练标签,训练得到类别预测模型。5.根据权利要求4所述的方法,其特征在于,所述根据所述历史推荐内容集合中各历史推荐内容的第二特征,对所述历史推荐内容集合中的历史推荐内容进行聚类,得到多个类别,包括:确定所述历史推荐内容集合中各历史推荐内容的点击用户;将各点击用户的用户特征数据向量化,得到各点击用户的特征向量;由各历史推荐内容的点击用户的特征向量得到各历史推荐内容的第二特征;根据各历史推荐内容的第二特征,对所述历史推荐内容集合中的历史推荐内容进行聚类,得到多个类别;每个类别至少包括一个历史推荐内容。6.根据权利要求1所述的方法,其特征在于,所述确定所述目标类别下的推荐预测模型,包括:查询属于所述目标类别的历史推荐内容;确定查询到的所述历史推荐内容所对应的推荐预测模型;其中,所述查询到的所述历史推荐内容所对应的推荐预测模型,根据查询到的所述历史推荐内容的浏览用户和点击用户的用户特征数据训练得到。7.根据权利要求6所述的方法,其特征在于,所述历史推荐内容所对应的推荐预测模型的训练步骤包括:确定所述历史推荐内容的浏览用户和点击用户;将所述浏览用户的用户特征数据作为负训练样本,并将所述点击用户的用户特征数据作为正训练样本;根据所述负训练样本和所...
【专利技术属性】
技术研发人员:宋重钢,廖君,张功源,陈虹钊,凌国惠,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。