内容处理方法、装置、计算机可读存储介质和计算机设备制造方法及图纸

本申请涉及一种内容处理方法、装置、计算机可读存储介质和计算机设备，所述方法包括：获取待推送用户在行为评价维度下的数据，以及待推送用户的用户画像信息和待推送内容；用户画像信息匹配有对应的用户画像编码，待推送内容匹配有对应的待推送内容编码；根据待推送用户在行为评价维度下的数据，确定待推送用户在行为评价维度下的用户行为编码；将待推送内容编码与用户行为编码、用户画像编码进行融合处理，得到目标编码；根据目标编码，确定待推送内容的推荐概率；根据推荐概率，从待推送内容中确定出与待推送用户对应的推送内容。本申请提供的方案可以提高推送内容的确定准确率和内容推荐的准确率。

Content processing methods, devices, computer-readable storage media and computer equipment

【技术实现步骤摘要】
内容处理方法、装置、计算机可读存储介质和计算机设备
本申请涉及数据
，特别是涉及一种内容处理方法、装置、计算机可读存储介质和计算机设备。
技术介绍
随着计算机技术的发展，各种用于浏览内容的应用程序层出不穷，越来越多的用户选择通过应用程序来浏览内容，比如新闻、娱乐资讯等；在这个过程中，一些推送内容会基于用户请求推送至相应的应用程序。然而，目前的推送内容的确定方式，一般是通过计算内容之间的相似度，将与用户阅读过的内容之间的相似度较高的内容确定为推送内容。但是，将每条内容单作一个个独立的数据，且只依赖内容，导致在确定推送内容的过程中会丢失很多信息，造成推送内容的确定准确率较低。
技术实现思路
基于此，有必要针对推送内容的确定准确率较低的技术问题，提供一种内容处理方法、装置、计算机可读存储介质和计算机设备。一种内容处理方法，包括：获取待推送用户在行为评价维度下的数据，以及所述待推送用户的用户画像信息和待推送内容；所述用户画像信息匹配有对应的用户画像编码，所述待推送内容匹配有对应的待推送内容编码；本文档来自技高网...

【技术保护点】
1.一种内容处理方法，包括：/n获取待推送用户在行为评价维度下的数据，以及所述待推送用户的用户画像信息和待推送内容；所述用户画像信息匹配有对应的用户画像编码，所述待推送内容匹配有对应的待推送内容编码；/n根据所述待推送用户在行为评价维度下的数据，确定所述待推送用户在所述行为评价维度下的用户行为编码；/n将所述待推送内容编码与所述用户行为编码、所述用户画像编码进行融合处理，得到目标编码；/n根据所述目标编码，确定所述待推送内容的推荐概率；/n根据所述推荐概率，从所述待推送内容中确定出与所述待推送用户对应的推送内容。/n

【技术特征摘要】
1.一种内容处理方法，包括：
获取待推送用户在行为评价维度下的数据，以及所述待推送用户的用户画像信息和待推送内容；所述用户画像信息匹配有对应的用户画像编码，所述待推送内容匹配有对应的待推送内容编码；
根据所述待推送用户在行为评价维度下的数据，确定所述待推送用户在所述行为评价维度下的用户行为编码；
将所述待推送内容编码与所述用户行为编码、所述用户画像编码进行融合处理，得到目标编码；
根据所述目标编码，确定所述待推送内容的推荐概率；
根据所述推荐概率，从所述待推送内容中确定出与所述待推送用户对应的推送内容。


2.根据权利要求1所述的方法，其特征在于，所述获取待推送用户在行为评价维度下的数据，包括：
采集预设时间段内所述待推送用户对推送内容的操作数据、所述待推送用户与所述推送内容的发布对象的关联数据和所述发布对象对所述推送内容的操作数据；
根据所述预设时间段内所述待推送用户对推送内容的操作数据、所述待推送用户与所述推送内容的发布对象的关联数据和所述发布对象对所述推送内容的操作数据，获取所述预设时间段内所述待推送用户在行为评价维度下的数据。


3.根据权利要求2所述的方法，其特征在于，所述行为评价维度包括第一行为评价维度、第二行为评价维度以及第三行为评价维度；
所述根据所述预设时间段内所述待推送用户对推送内容的操作数据、所述待推送用户与所述推送内容的发布对象的关联数据和所述发布对象对所述推送内容的操作数据，获取所述预设时间段内所述待推送用户在行为评价维度下的数据，包括：
根据所述预设时间段内所述待推送用户对推送内容的操作数据，得到所述待推送用户与所述推送内容之间的关系，作为所述待推送用户在所述第一行为评价维度下的数据；
根据所述预设时间段内所述待推送用户与所述推送内容的发布对象的关联数据，得到所述待推送用户与所述发布对象之间的关系，作为所述待推送用户在所述第二行为评价维度下的数据；
根据所述预设时间段内所述发布对象对所述推送内容的操作数据，得到所述发布对象与所述推送内容之间的关系，作为所述待推送用户在所述第三行为评价维度下的数据。


4.根据权利要求1所述的方法，其特征在于，所述待推送用户在行为评价维度下的数据包括数据对象以及所述数据对象之间的数据关系；
所述根据所述待推送用户在行为评价维度下的数据，确定所述待推送用户在所述行为评价维度下的用户行为编码，包括：
以所述数据对象作为节点，以所述数据关系作为所述节点之间的边，构建所述待推送用户的行为图网络；
根据所述待推送用户的行为图网络，确定所述待推送用户在所述行为评价维度下的用户行为编码。


5.根据权利要求4所述的方法，其特征在于，所述行为图网络中的所述节点匹配有对应的初始信息编码；
所述根据所述待推送用户的行为图网络，确定所述待推送用户在所述行为评价维度下的用户行为编码，包括：
将所述待推送用户的行为图网络中的所述节点的初始信息编码输入预先训练的信息嵌入网络模型，得到所述待推送用户在所述行为评价维度下的用户行为编码；所述预先训练的嵌入网络模型用于对所述待推送用户所在节点的邻居节点的目标信息编码进行聚合处理，并将聚合处理后的目标信息编码与所述待推送用户所在节点的初始信息编码进行拼接处理，得到所述待推送用户在所述行为评价维度下的用户行为编码；
其中，所述待推送用户所在节点的邻居节点的目标信息编码根据对所述邻居节点的邻居节点的目标信息编码进行聚合处理，并将聚合处理后的目标信息编码与所述待推送用户所在节点的邻居节点的初始信息编码进行拼接处理得到。


6.根据权利要求5所述的方法，其特征在于，所述根据所述目标编码，确定所述待推送内容的推荐概率，包括：
将所述目标编码输入预先训练的内容推荐模型中，通过所述预先训练的内容推荐模型对所述目标编码进行卷积池化处理，得到所述待推送内容的推荐概率。


7.根据权利要求6所述的方法，其特征在于，所述预先训练...

【专利技术属性】
技术研发人员：杜立寰，王亚龙，王瑞，夏锋，林乐宇，
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