【技术实现步骤摘要】
内容推荐方法、装置、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、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,在处理完后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等。然而,目前的内容推荐方式主要是依赖于人工筛选的方式来为目标用户选择内容进行推荐,人工筛选则主要依赖于认为的主观判断,不同的人对于不同用户的选择策略有所不同,未能实现用户对多样性需求的个性化。
技术实现思路
基于此,有必要针对目前的内容推荐方式未能实现用户对多样性需求的个性化的技术问题,提供一种内容推荐方法、装置、存储介质和计算机设备。一种内容推荐方法,包括:获取目标用户数据和多个推荐内容;所述多个推荐内容所属类别多于一种;结合所述目标用户数据生成各所述推荐内容相应的联合特征;基于各所述联合特征获得相应推荐内容的预测推荐收益值;根据所述多个推荐内容各自的预测推荐收益值,确定所述多个推荐内容的推荐排序;在所述推荐排序下属于不同类别的推荐内容交叉排列;按照所述推荐排序从所述多个推荐内容中挑选推荐内容进行推荐。一种内容推荐装置,包括:获取模块,用于获取目标用户数据和多个推荐内容;所述多个推荐内容所属类别多于一种;生成模块,用于结合所述目标用户数据生成各所述推荐内容相应的联合特征;处理模块,用于基于各所述联合特征获得相应推荐内容的预测推荐收益值;确定模块,用于根据所述多个推荐内容各自的预测推荐收益值,确定所述多个推荐内容的推荐排序;在所述推荐排序下属于不同类别的推荐内 ...
【技术保护点】
1.一种内容推荐方法,包括:获取目标用户数据和多个推荐内容;所述多个推荐内容所属类别多于一种;结合所述目标用户数据生成各所述推荐内容相应的联合特征;基于各所述联合特征获得相应推荐内容的预测推荐收益值;根据所述多个推荐内容各自的预测推荐收益值,确定所述多个推荐内容的推荐排序;在所述推荐排序下属于不同类别的推荐内容交叉排列;按照所述推荐排序从所述多个推荐内容中挑选推荐内容进行推荐。
【技术特征摘要】
1.一种内容推荐方法,包括:获取目标用户数据和多个推荐内容;所述多个推荐内容所属类别多于一种;结合所述目标用户数据生成各所述推荐内容相应的联合特征;基于各所述联合特征获得相应推荐内容的预测推荐收益值;根据所述多个推荐内容各自的预测推荐收益值,确定所述多个推荐内容的推荐排序;在所述推荐排序下属于不同类别的推荐内容交叉排列;按照所述推荐排序从所述多个推荐内容中挑选推荐内容进行推荐。2.根据权利要求1所述的方法,其特征在于,所述获取目标用户数据和多个推荐内容,包括:当接收到目标终端在开启推荐内容展示页面时发起的推荐请求时,则从与所述目标终端对应的用户数据库中,获取与所述目标终端对应的用户基础数据和历史的推荐内容浏览数据;从推荐内容库中获取多个类别下的多个推荐内容。3.根据权利要求2所述的方法,其特征在于,所述多个推荐内容的推荐排序为第一推荐排序;所述方法还包括:当接收到所述目标终端在产生页面滑动指令时发起的推荐请求时,则获取自上次发起推荐请求的时间节点至当前时间节点新增的推荐内容浏览数据;结合新增的推荐内容浏览数据重新生成剩余的推荐内容相应的联合特征:所述剩余的推荐内容,包括所述多个推荐内容中尚未在所述推荐内容展示页面中展示的推荐内容;基于重新生成的各所述联合特征获得相应推荐内容的预测推荐收益值;根据所述剩余的推荐内容各自的预测推荐收益值,确定所述剩余的推荐内容的第二推荐排序;所述第二推荐排序异于所述第一推荐排序;按照所述第二推荐排序从所述剩余的推荐内容中挑选推荐内容进行推荐。4.根据权利要求1所述的方法,其特征在于,所述按照所述推荐排序从所述多个推荐内容中挑选推荐内容推荐至目标终端,包括:获取所述目标用户数据相应目标终端所对应的推荐数量;从所述推荐排序下的推荐内容中的首个推荐内容起,按照所述推荐排序挑选所述推荐数量的推荐内容推荐至所述目标终端。5.根据权利要求1所述的方法,其特征在于,所述基于各所述联合特征获得相应推荐内容的预测推荐收益值,包括:将各所述联合特征输入预测模型,得到相应推荐内容的预测推荐收益值;所述预测模型的训练样本为连续推荐的历史推荐内容的联合特征;所述训练样本的训练标签与所述连续推荐的历史推荐内容的点击参数及所属的类别相关。6.根据权利要求5所述的方法,其特征在于,所述预测模型的训练步骤包括:获取按照历史推荐顺序排列的历史推荐内容序列;结合各所述历史推荐内容相应用户标识所对应的用户数据,生成各所述历史推荐内容相应的联合特征;按照所述历史推荐顺序依次将所述历史推荐内容序列中的历史推荐内容作为当前历史推荐内容,并将所述当前历史推荐内容和所述当前历史推荐内容后连续多个历史推荐内容的联合特征,共同作为预测模型的训练样本;根据所述当前历史推荐内容和所述当前历史推荐内容后连续多个历史推荐内容各自的点击参数、及各自所属的类别,得到所述训练样本相应的训练标签;根据各所述训练样本和相应的训练标签训练所述预测模型。7.根据权利要求6所述的方法,其特征在于,所述训练样本为初步训练样本;所述根据各所述训练样本和相应的训练标签训练所述预测模型,包括:将所述初步训练样本输入初始的预测模型,得到所述初步训练样本的训练预测推荐收益值;按照所述初步训练样本的训练预测推荐收益值与训练标签的差异,调整所述预测模型的模型参数并继续训练,直至满足初步训练停止条件时结束训练。8.根据权利要求7所述的方法,其特征在于,所述方法还包括:采用初步训练得到的预测模型进行推荐测试,得到测试推荐内容序列,以及对应所述测试推荐内容序列产生的测试推荐内容浏览数...
【专利技术属性】
技术研发人员:何磊,王瑞,夏锋,林乐宇,杜立寰,
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。