The invention discloses an information recommendation method, device, device and storage medium. Among them, the method includes: generating the item set according to the qualitative prediction deep learning model, determining the probability value corresponding to each item in the item set, making the quantitative prediction on the item set according to the quantitative prediction deep learning model, generating the prediction value corresponding to each item in the item set, sorting the items in the item set according to the probability value and the prediction value, and sorting The information of the post item is recommended to the user. In this way, the combination of qualitative prediction and quantitative prediction can not only give full play to the advantages of qualitative prediction and ensure the relevance of recommended content, but also fully consider the user's interest preferences according to quantitative prediction, so as to more accurately recommend the content of interest to users.
【技术实现步骤摘要】
一种信息推荐方法、装置、设备及存储介质
本专利技术实施例涉及计算机处理技术,尤其涉及一种信息推荐方法、装置、设备及存储介质。
技术介绍
在大数据与互联网时代,很多企业为了满足用户的个性化需求,会广泛运用各种推荐算法以主动将产品呈现给用户,因此,各种推荐算法和模型层出不穷。但在现有的算法中,如谷歌开源的深度学习框架TensorFlow中的神经协同过滤(neuralcollaborativefilter,NCF)模型,只是将用户的行为数据统一转化成0和1,定性预测用户的兴趣偏好;交叉最小二乘法(alternativeleastsquares,ALS)矩阵分解模型等协同过滤模型,无论是进行显性评分(1-5分),还是隐形评分(点击次数、收听时长等),这些评分数据都是对于特征的线性拟合,只能定量预测用户的兴趣偏好。而一般情况下,定性预测用户的兴趣偏好没有考虑到用户真实的兴趣偏好程度,不能准确抓住用户的兴趣重点;定量预测用户的兴趣偏好则会出现一些不相关的推荐内容,影响用户体验。
技术实现思路
本专利技术提供一种信息推荐方法、装置、设备及存储介质,能够将定性预测与定量预测相结合,在保障推荐内容具有相关性的同时,充分考虑用户的兴趣偏好,更加准确地向用户推荐其感兴趣的内容。第一方面,本专利技术实施例提供了一种信息推荐方法,该方法包括:根据定性预测深度学习模型生成物品集合;确定与物品集合中各个物品对应的概率值;根据定量预测深度学习模型对物品集合进行定量预测,生成与物品集 ...
【技术保护点】
1.一种信息推荐方法,其特征在于,包括:/n根据定性预测深度学习模型生成物品集合;/n确定与所述物品集合中各个物品对应的概率值;/n根据定量预测深度学习模型对所述物品集合进行定量预测,生成与所述物品集合中各个物品对应的预测值;/n根据所述概率值与所述预测值对所述物品集合中的物品进行排序;/n将排序后物品的信息推荐给用户。/n
【技术特征摘要】
1.一种信息推荐方法,其特征在于,包括:
根据定性预测深度学习模型生成物品集合;
确定与所述物品集合中各个物品对应的概率值;
根据定量预测深度学习模型对所述物品集合进行定量预测,生成与所述物品集合中各个物品对应的预测值;
根据所述概率值与所述预测值对所述物品集合中的物品进行排序;
将排序后物品的信息推荐给用户。
2.根据权利要求1所述的信息推荐方法,其特征在于,在所述根据定性预测深度学习模型生成物品集合之前,所述方法还包括:
根据用户定性行为数据训练定性预测深度学习模型;
以及,根据用户定量行为数据训练定量预测深度学习模型。
3.根据权利要求2所述的信息推荐方法,其特征在于,在所述根据用户定性行为数据训练定性预测深度学习模型之前,所述方法还包括:
根据所述用户定量行为数据生成所述用户定性行为数据;
其中,所述用户定量行为数据包括至少一个用户ID、至少一个物品ID以及至少一个用户定量评分,所述至少一个用户ID、所述至少一个物品ID以及所述至少一个用户定量评分之间呈对应关系。
4.根据权利要求3所述的信息推荐方法,其特征在于,所述根据所述用户定量行为数据生成所述用户定性行为数据,包括:
将所述用户定量行为数据中用户定量评分大于阈值的数据设为第一数据,将所述用户定量行为数据中用户定量评分小于或等于阈值的数据设为第二数据,所述第一数据和所述第二数据为用户定性评分;
根据所述用户定性评分、所述用户ID和所述物品ID生成所述用户定性行为数据。
5.根据权利要求1所述的信息推荐方法,其特征在于,所述根据定性预测深度学习模型生成物品集合,包括:
更新所述定性预测深度学习模型参数,得到正负样本集合,所述正负样本集合包括至少一份正负样本,所述一份正负样本对应一个物品;
根据至少一个所述物品生成所述...
【专利技术属性】
技术研发人员:胡志超,
申请(专利权)人:上海喜马拉雅科技有限公司,
类型:发明
国别省市:上海;31
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。