一种内容推荐方法、装置和计算机可读存储介质制造方法及图纸

本发明专利技术实施例公开了一种内容推荐方法、装置和计算机可读存储介质；本发明专利技术实施例在获取待推荐用户数据集合和待推荐内容集合后对历史浏览记录和待推荐内容集合中的待推荐内容进行多维度特征提取，得到待推荐用户的浏览行为特征和待推荐内容的内容特征，根据浏览行为特征和历史浏览记录，对待推荐用户进行聚类，以得到多个待推荐用户群、以及待推荐用户群的群浏览行为特征和群历史浏览记录，根据群浏览行为特征与内容特征的相似度，在待推荐内容集合中筛选出待推荐用户群对应的初始待推荐内容，基于群历史浏览记录和初始待推荐内容，确定待推荐用户的目标待推荐内容，并将目标待推荐内容推荐至待推荐用户；该方案可以大大提升内容推荐的准确率。

【技术实现步骤摘要】
一种内容推荐方法、装置和计算机可读存储介质
本专利技术涉及通信
，具体涉及一种内容推荐方法、装置和计算机可读存储介质。
技术介绍
近年来，随着互联网技术的飞速发展，互联网上的内容爆炸式的进行了增加，从海量的内容中筛选出用户感兴趣的内容并推荐给用户也变得越来越重要。现有的内容推荐方法主要通过计算用户感兴趣内容的词向量特征和海量内容的词向量特征，对二者进行匹配，将匹配成功的内容推荐至用户。在对现有技术的研究和实践过程中，本专利技术的专利技术人发现对于现有的内容推荐中计算的词向量特征存在语义漂移的缺陷，影响了词向量特征计算的准确率，导致内容推荐的准确率也大大降低。
技术实现思路
本专利技术实施例提供一种内容推荐生成方法、装置和计算机可读存储介质，可以提高内容推荐的准确率。一种内容推荐方法，包括：获取待推荐用户数据集合和待推荐内容集合，所述待推荐用户数据集合包括多个待推荐用户的历史浏览记录；对所述历史浏览记录和所述待推荐内容集合中的待推荐内容进行多维度特征提取，得到所述待推荐用户的浏览行为特征和本文档来自技高网...

【技术保护点】
1.一种内容推荐方法，其特征在于，包括：/n获取待推荐用户数据集合和待推荐内容集合，所述待推荐用户数据集合包括多个待推荐用户的历史浏览记录；/n对所述历史浏览记录和所述待推荐内容集合中的待推荐内容进行多维度特征提取，得到所述待推荐用户的浏览行为特征和所述待推荐内容的内容特征；/n根据所述浏览行为特征和历史浏览记录，对所述待推荐用户进行聚类，以得到多个待推荐用户群、以及所述待推荐用户群的群浏览行为特征和群历史浏览记录；/n根据所述群浏览行为特征与所述内容特征的相似度，在所述待推荐内容集合中筛选出所述待推荐用户群对应的初始待推荐内容；/n基于所述群历史浏览记录和初始待推荐内容，确定所述待推荐用户的...

【技术特征摘要】
1.一种内容推荐方法，其特征在于，包括：
获取待推荐用户数据集合和待推荐内容集合，所述待推荐用户数据集合包括多个待推荐用户的历史浏览记录；
对所述历史浏览记录和所述待推荐内容集合中的待推荐内容进行多维度特征提取，得到所述待推荐用户的浏览行为特征和所述待推荐内容的内容特征；
根据所述浏览行为特征和历史浏览记录，对所述待推荐用户进行聚类，以得到多个待推荐用户群、以及所述待推荐用户群的群浏览行为特征和群历史浏览记录；
根据所述群浏览行为特征与所述内容特征的相似度，在所述待推荐内容集合中筛选出所述待推荐用户群对应的初始待推荐内容；
基于所述群历史浏览记录和初始待推荐内容，确定所述待推荐用户的目标待推荐内容，并将所述目标待推荐内容推荐至所述待推荐用户。


2.根据权利要求1所述的内容推荐方法，其特征在于，所述对所述历史浏览记录和所述待推荐内容集合中的待推荐内容进行多维度特征提取，得到所述待推荐用户的浏览行为特征和所述待推荐内容的内容特征，包括：
根据所述历史浏览记录，确定所述待推荐用户的历史浏览内容；
对所述历史浏览内容进行统计，得到所述待推荐用户的浏览行为信息；
对所述浏览行为信息和待推荐内容集合中的待推荐内容进行多维度特征提取，得到所述待推荐用户的浏览行为特征和待推荐内容的内容特征。


3.根据权利要求2所述的内容推荐方法，其特征在于，所述对所述浏览行为信息和待推荐内容集合中的待推荐内容进行多维度特征提取，得到所述待推荐用户的浏览行为特征和待推荐内容的内容特征，包括：
采用训练后提取模型对所述浏览行为信息进行特征提取，并将提取到的初始浏览行为特征进行融合，得到所述待推荐用户的浏览行为特征；
采用所述训练后提取模型对所述待推荐内容集合中的待推荐内容进行特征提取，并将提取到的初始内容特征进行融合，得到所述待推荐内容的内容特征。


4.根据权利要求3所述的内容推荐方法，其特征在于，所述训练后提取模型包括交互提取子模型和深度提取子模型，所述采用训练后提取模型对所述浏览行为信息进行特征提取，并将提取到的初始浏览行为特征进行融合，得到所述待推荐用户的浏览行为特征，包括：
采用所述交互提取子模型对所述浏览行为信息进行特征提取，并将提取到的原始状态特征进行特征交互，得到第一初始浏览行为特征；
采用所述深度提取子模型对所述浏览行为信息进行局部特征提取，并将提取到的局部浏览行为特征进行融合，以得到第二初始浏览行为特征；
将所述第一初始浏览行为特征和第二初始浏览行为特征进行融合，得到所述待推荐用户的浏览行为特征。


5.根据权利要求4所述的内容推荐方法，其特征在于，所述交互提取子模型包括多个网络层，所述采用所述交互提取子模型对所述浏览行为信息进行特征提取，并将提取到的原始状态特征进行特征交互，得到第一初始浏览行为特征，包括：
采用第一层网络层对所述浏览行为信息进行特征提取，得到所述第一网络层的第一原始状态特征；
根据所述第一原始状态特征和浏览行为信息，计算所述网络层之间的中间数据；
基于所述中间数据，计算其他网络层对所述浏览行为信息进行特征提取后的第二原始状态特征；
将所述第一原始状态特征和第二原始状态特征进行融合，得到所述第一初始浏览行为特征。


6.根据权利要求4所述的内容推荐方法，其特征在于，所述采用所述深度提取子模型对所述浏览行为信息进行局部特征提取，并将提取到的局部浏览行为特征进行融合，以得到第二初始浏览行为特征，包括：
采用所述深度提取子模型对所述浏览行为信息进行局部特征提取，得到多个局部浏览行为特征；
将所述局部浏览行为特征进行融合，得到全局浏览行为特征；
采用所述深度提取子模型对所述全局浏览行为特征进行特征提取，得到所述第二初始浏览行为特征。


7.根据权利要求4所述的内容推荐方法，其特征在于，所述采用所述训练后提取模型对所述待推荐内容集合中的待推荐内容进行特征提取，并将提取到的初始内容特征进行融合，得到所述待推荐内容的内容特征，包括：
采用所述交叉提取子模型对所述待推荐内容进行特征提取，并将提取到的初始状态特征进行特征交互，得到第一初始内容特征；
采用所述深度提取子模型...

【专利技术属性】
技术研发人员：王敏，刘畅，
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