【技术实现步骤摘要】
信息推荐方法、装置、设备及计算机可读存储介质
本申请涉及数据挖掘推荐
，尤其涉及一种信息推荐方法、装置、设备及计算机可读存储介质。
技术介绍
随着网络的快速发展，如何在庞大的信息库中准确找到自己需要的信息是本领域技术人员的研究热点。现有技术中，传统的推荐技术主要包括以下两大类推荐方法：第一类为基于内容的推荐方法；第二类为基于协同过滤的推荐方法。具体来说，基于内容的推荐方法是指，根据用户过去的浏览记录来向用户推荐用户没有接触过的推荐物品；基于协同过滤的推荐方法是指，基于"跟你喜好相似的人喜欢的物品你也很有可能喜欢"这一假设，找出用户的最近邻居，从而根据最近邻居的喜好做出未知项的评分预测。以最近邻的方式为例，该方式通过寻找其他与自己行为最相近的用户，通过这些用户曾经消费过或看过的物品来给自己推荐。总的来说，从推荐方法的实质来看，现有的这两大类推荐方法更多关注的是物品间相互独立的关系，例如，在向用户推荐物品时，只单一考虑了待推荐物品与最后一次用户喜欢或关注过的物品的相似性，容易导致推荐结果的准确率不高。
技术实现思路
本申请实施例提供一种信息推荐方法、相关装置、设备及...
【技术保护点】
1.一种信息推荐方法，其特征在于，包括：获取用户的N个历史行为信息；其中，所述历史行为信息为用户浏览过的信息，所述N个历史行为信息在时间上呈连续分布；将所述N个历史行为信息按照会话机制进行聚合，得到多个会话；所述多个会话在时间上连续分布；对所述多个会话分别进行特征提取，所述提取的特征为时序序列特征集合；将提取到的特征输入训练好的预设机器学习模型，得到推荐结果。
【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：获取用户的N个历史行为信息；其中，所述历史行为信息为用户浏览过的信息，所述N个历史行为信息在时间上呈连续分布；将所述N个历史行为信息按照会话机制进行聚合，得到多个会话；所述多个会话在时间上连续分布；对所述多个会话分别进行特征提取，所述提取的特征为时序序列特征集合；将提取到的特征输入训练好的预设机器学习模型，得到推荐结果。2.根据权利要求1所述的方法，其特征在于，在训练所述预设机器学习模型时，包括：获取第一会话内第一信息的人均浏览量；其中，所述第一会话为所述多个会话中在时间维度上最近的一个会话；将所述第一会话内第一信息的人均浏览量设置为所述预设机器学习模型的输入特征的数量；根据所述多个会话内的历史行为信息对所述预设机器学习模型进行训练，得到所述训练好的预设机器学习模型。3.根据权利要求1所述的方法，其特征在于，所述将提取到的特征输入训练好的预设机器学习模型，得到推荐结果，包括：根据所述预设机器学习模型确定用户浏览信息库中每个信息的第一评分，并将符合预设规则的第一评分对应的信息推荐给用户。4.根据权利要求3所述的方法，其特征在于，所述根据所述预设机器学习模型确定用户浏览信息库中每个信息的第一评分之后，所述并将符合预设规则的第一评分对应的信息推荐给用户之前，还包括：根据所述每个信息的内容属性与所述用户的画像信息确定第二评分；根据所述第一评分以及所述第二评分得到每个信息的总评分；所述将符合预设规则的第一评分对应的信息推荐给用户，包括：将符合预设规则的总评分对应的信息推荐给用户。5.根据权利要求4所述的方法，其特征在于，所述根据所述每个信息的内容属性与所述用户的画像信息确定第二评分，包括：在所述信息库中根据所述每个信息的内容属性与所述用户的画像信...
【专利技术属性】
技术研发人员：李天浩，崔瑞，
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。