【技术实现步骤摘要】
基于深度网络的信息流推荐方法、装置、设备及存储介质
本申请涉及数据处理领域，特别涉及一种基于深度网络的信息流推荐方法、装置、设备及存储介质。
技术介绍
信息流是多个信息顺序排列所构成的流式数据。信息流推荐系统包括服务器和终端，服务器向终端推送一个或多个信息流。相关技术中，信息流推荐系统中设置有深度网络模型。当服务器需要向终端推荐信息流时，服务器使用该深度网络模型预测用户对候选文档集合中的各个文档的点击率，按照点击率由高到低的顺序选择出n篇文档，将该n篇文档形成的信息流推送给终端，终端显示该信息流。上述推荐系统以优化单一评价指标(点击率)为主，虽然能够提高用户对信息流的点击数量，但也容易推荐出标题吸引人但内容质量低的文章，造成如分享、赞赏和留言互动等评价指标下降的情况。
技术实现思路
本申请实施例提供了一种基于深度网络的信息流推荐方法、装置、设备及存储介质，可以用于解决以优化单一评价指标为主的推荐系统，很容易造成其他评价指标下降的情况。所述技术方案如下：根据本公开的一个方面，提供了一种基于深度网络的信息流推荐方法，所述方法包括：接收目标帐号的信息推荐请求；生成所述目标帐...
【技术保护点】
1.一种基于深度网络的信息流推荐方法，其特征在于，所述方法包括：接收目标帐号的信息推荐请求；生成所述目标帐号的候选文档集合，所述候选文档集合包括至少两个文档；调用目标深度网络模型计算所述至少两个文档中的每个文档在n个评价指标上的子质量分数，n为大于1的整数；根据所述n个评价指标上的子质量分数和所述n个评价指标对应的权重，计算得到所述文档的加权质量分数；根据所述加权质量分数从所述候选文档集合中选择出目标文档，根据所述目标文档生成所述信息流；向所述目标帐号对应的终端推荐所述信息流。
【技术特征摘要】
1.一种基于深度网络的信息流推荐方法，其特征在于，所述方法包括：接收目标帐号的信息推荐请求；生成所述目标帐号的候选文档集合，所述候选文档集合包括至少两个文档；调用目标深度网络模型计算所述至少两个文档中的每个文档在n个评价指标上的子质量分数，n为大于1的整数；根据所述n个评价指标上的子质量分数和所述n个评价指标对应的权重，计算得到所述文档的加权质量分数；根据所述加权质量分数从所述候选文档集合中选择出目标文档，根据所述目标文档生成所述信息流；向所述目标帐号对应的终端推荐所述信息流。2.根据权利要求1所述的方法，其特征在于，所述目标深度网络模型包括：共享网络部分和n个独立网络部分，所述n个独立网络部分互相并列；所述共享网络部分，用于提取输入数据的共性特征向量，所述输入数据包括所述文档的文档特征；所述n个独立网络部分中的第i个独立网络部分，用于根据所述共性特征向量计算所述文档在第i个评价指标上的子质量分数，i为不大于n的整数。3.根据权利要求2所述的方法，其特征在于，所述共享网络部分包括依次相连的共享特征层、共享映射层和共享全连接层；所述共享特征层，用于提取所述输入数据对应的至少两个维度的子特征向量；所述共享映射层，用于将所述至少两个维度的子特征向量进行降维映射，得到降维映射后的子特征向量；所述共享全连接层，用于将所述降维映射后的子特征向量进行全连接操作后输出为所述共性特征向量。4.根据权利要求2所述的方法，其特征在于，存在至少两个独立网络部分的网络结构是不同的，所述网络结构包括：神经网络层的层数、神经网络层的类型、神经网络层的权重系数、神经网络层的排列顺序中的至少一项。5.根据权利要求2所述的方法，其特征在于，所述n个独立网络部分的第一层神经网络层的节点数是相同的。6.根据权利要求2所述的方法，其特征在于，对于所述n个独立网络部分中存在依赖关系的第一独立网络部分和第二独立网络部分，所述第二独立网络部分的输出还连接有乘积节点；所述乘积节点用于将所述第一独立网络部分输出的第一子质量分数与所述第二独立网络部分输出的子质量分数相乘后，确定为所述第二独立网络部分的最终子质量分数。7.根据权利要求1至5任一所述的方法，其特征在于，所述调用目标深度网络模型计算所述文档在n个评价指标上的子质量分数之前，还包括：根据所述目标帐号获取用户特征，以及根据所述文档获取文档特征；所述调用目标深度网络模型计算所述文档在n个评价指标上的子质量分数，包括：将所述用户特征和所述文档特征作为所述输入数据，输入至所述目标深度网络模型；通过所述目标深度网络模型计算得到所述文档在n个评价指标上的子质量分数。8.根据权利要求1至5任一所述的方法，其特征在于，所述调用目标深度网络模型计算所述文档在n个评价指标上的子质量分数之前，还包...
【专利技术属性】
技术研发人员：徐远东，戴蔚群，陈凯，夏锋，明子鉴，
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。