推荐内容确定方法、装置及存储介质制造方法及图纸

技术编号:28374210 阅读:21 留言:0更新日期:2021-05-08 00:01
本发明专利技术实施例涉及一种推荐内容确定方法、装置及存储介质。其中,该方法包括:根据预测神经网络模型确定用户对应的多个待推荐内容分别对应的预测点击概率,根据预测点击概率对多个待推荐内容进行排序,以确定目标推荐内容。本发明专利技术解决了由于相关技术中的推荐系统无法对新内容和新用户进行建模,而导致无法针对新内容和新用户进行精准的个性化推荐的技术问题。

【技术实现步骤摘要】
推荐内容确定方法、装置及存储介质
本专利技术涉及广告投放领域,具体涉及一种推荐内容确定方法、装置及存储介质。
技术介绍
随着深度学习技术的研究与发展,将深度学习应用到推荐系统中也称为了一个研究热点。越来越多的推荐系统开始采用深度学习技术,并取得了显著的效果提升。以(DeepNeuralNetworksforYouTubeRecommendations)和(DSSM)为代表的方案使用用户的行为数据,将深度学习应用到推荐系统中,取得了显著的效果提升。在这类基于用户行为的算法中,存在新内容和新用户的冷启动问题。该问题是由于新内容和新用户缺乏用户行为,深度学习算法难以对其建模,因而无法进行精准的个性化推荐。针对上述的问题,目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种推荐内容确定方法、装置及存储介质,以至少解决由于相关技术中的推荐系统无法对新内容和新用户进行建模,而导致无法针对新内容和新用户进行精准的个性化推荐的技术问题。根据本专利技术实施例的一个方面,提供了一种推荐内容确定方法,包括:根据预测神经网络模型确定用户对应的多个待推荐内容分别对应的预测点击概率,其中,所述预测神经网络模型是根据所述用户的用户特征、所述用户的历史浏览内容以及待推荐内容训练得到的;根据所述预测点击概率对所述多个待推荐内容进行排序,以确定目标推荐内容。进一步地,在根据预测神经网络模型确定用户对应的多个待推荐内容分别对应的预测概率之前,还包括:获取所述用户的用户特征以及所述用户的历史浏览内容;根据所述用户的历史浏览内容获取第一关键词特征;根据所述待推荐内容获取第二关键词特征;根据所述用户的用户特征、所述第一关键词特征以及所述第二关键词特征对所述预测神经网络模型进行训练。进一步地,所述用户特征包括以下至少之一:性别、年龄、地域、兴趣。进一步地,所述历史浏览内容包括多条浏览内容;所述根据所述用户的历史浏览内容获取第一关键词特征包括:根据预设选取策略对所述多条浏览内容进行排序,得到内容序列;从所述内容序列中选取预设数量的浏览内容,作为目标浏览内容;对所述目标浏览内容的标题和正文进行分词,得到所述第一关键词特征。进一步地,所述选取策略包括以下至少之一:根据所述多条浏览内容分别对应的浏览时间对所述多条浏览内容进行排序;根据所述多条浏览内容分别对应的浏览时长对所述多条浏览内容进行排序。进一步地,所述预测神经网络模型包括第一模块、第二模块以及拼接模块,其中:所述第一模块,用于对所述用户特征以及所述第一关键词特征进行处理;所述第二模块,用于对所述第二关键词特征进行处理;所述拼接模块,分别与所述第一模块以及所述第二模块连接,用于根据所述第一模块对应的输出结果以及所述第二模块对应的输出结果确定所述预测点击概率。进一步地,所述第一模块与所述第二模块,分别包括特征映射层、第一全连接层、第二全连接层、第三全连接层,其中:所述特征映射层,用于将输入特征映射为嵌入向量,并对所述嵌入向量进行平均处理,其中,所述第一模块的输入特征为所述用户特征以及所述第一关键词特征,所述第二模块的输入特征为所述第二关键词特征;所述第一全连接层、所述第二全连接层以及所述第三全连接层,依次串联,用于对经过平均处理的所述嵌入向量进行步进式降维,以获取输出结果;所述拼接模块,用于确定所述第一模块对应的输出结果以及所述第二模块对应的输出结果之间的余弦距离,作为所述预测点击概率。根据本专利技术实施例的另一方面,还提供了一种推荐内容确定装置,包括:确定单元,用于根据预测神经网络模型确定用户对应的多个待推荐内容分别对应的预测点击概率,其中,所述预测神经网络模型是根据所述用户的用户特征、所述用户的历史浏览内容以及待推荐内容训练得到的;处理单元,用于根据所述预测点击概率对所述多个待推荐内容进行排序,以确定目标推荐内容。进一步地,还包括:第一获取单元,用于在根据预测神经网络模型确定用户对应的多个待推荐内容分别对应的预测概率之前,获取所述用户的用户特征以及所述用户的历史浏览内容;第二获取单元,用于根据所述用户的历史浏览内容获取第一关键词特征;第三获取单元,用于根据所述待推荐内容获取第二关键词特征;训练单元,用于根据所述用户的用户特征、所述第一关键词特征以及所述第二关键词特征对所述预测神经网络模型进行训练。根据本专利技术实施例的另一方面,还提供了一种存储介质,所述存储介质包括存储的程序,其中,所述程序运行时执行如上所述的推荐内容确定方法。在本专利技术实施例中,根据预测神经网络模型确定用户对应的多个待推荐内容分别对应的预测点击概率,根据预测点击概率对多个待推荐内容进行排序,以确定目标推荐内容。达到了针对新用户和新内容建模的目的,从而实现了对用户实现精准个性化推荐的技术效果,进而解决了由于相关技术中的推荐系统无法对新内容和新用户进行建模,而导致无法针对新内容和新用户进行精准的个性化推荐的技术问题。附图说明为了更清楚地说明本专利技术实施例的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。图1是根据本专利技术实施例的一种可选的推荐内容确定方法的示意图;图2是根据本专利技术实施例的一种可选的预设神经网络模型的示意图;图3是根据本专利技术实施例的又一种可选的预设神经网络模型的示意图;图4是根据本专利技术实施例的一种可选的推荐内容确定装置的示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚,下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本专利技术的一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本专利技术保护的范围。需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。实施例1根据本专利技术实施例,提供了一种推荐内容确定方法,如图1所示,该方法包括:S102,根据预测神经网络模型确定用户对应的多个待推荐内容分别对应的预测点击概率,其中,预测神经网络模型是根据用户的用户特征、用户的历史浏览内容以及待推荐内容训练得到的;S104,根据预测点击概率对多个待推荐内容进行排序,以确定目标推荐内容。在相关技术中,一般针对用户都存在多个待推荐内容,位于待推荐内容库中,预备为用户进行推荐。例如,在用户登陆时即为用户进行展示的内容。而针对新用户或新内容,待推荐内容都是固定的,无法在待推荐内容筛选出更符合用户个性化的内容。在本实施例中,通过获取预先录入的用户特征、用户的历史浏览内容以及待推荐内容库中的多个待推荐内容训练得到预测神经本文档来自技高网...

【技术保护点】
1.一种推荐内容确定方法,其特征在于,包括:/n根据预测神经网络模型确定用户对应的多个待推荐内容分别对应的预测点击概率,其中,所述预测神经网络模型是根据所述用户的用户特征、所述用户的历史浏览内容以及待推荐内容训练得到的;/n根据所述预测点击概率对所述多个待推荐内容进行排序,以确定目标推荐内容。/n

【技术特征摘要】
1.一种推荐内容确定方法,其特征在于,包括:
根据预测神经网络模型确定用户对应的多个待推荐内容分别对应的预测点击概率,其中,所述预测神经网络模型是根据所述用户的用户特征、所述用户的历史浏览内容以及待推荐内容训练得到的;
根据所述预测点击概率对所述多个待推荐内容进行排序,以确定目标推荐内容。


2.根据权利要求1所述的方法,其特征在于,在根据预测神经网络模型确定用户对应的多个待推荐内容分别对应的预测概率之前,还包括:
获取所述用户的用户特征以及所述用户的历史浏览内容;
根据所述用户的历史浏览内容获取第一关键词特征;
根据所述待推荐内容获取第二关键词特征;
根据所述用户的用户特征、所述第一关键词特征以及所述第二关键词特征对所述预测神经网络模型进行训练。


3.根据权利要求2所述的方法,其特征在于,所述用户特征包括以下至少之一:
性别、年龄、地域、兴趣。


4.根据权利要求2所述的方法,其特征在于,所述历史浏览内容包括多条浏览内容;所述根据所述用户的历史浏览内容获取第一关键词特征包括:
根据预设选取策略对所述多条浏览内容进行排序,得到内容序列;
从所述内容序列中选取预设数量的浏览内容,作为目标浏览内容;
对所述目标浏览内容的标题和正文进行分词,得到所述第一关键词特征。


5.根据权利要求4所述的方法,其特征在于,所述选取策略包括以下至少之一:
根据所述多条浏览内容分别对应的浏览时间对所述多条浏览内容进行排序;
根据所述多条浏览内容分别对应的浏览时长对所述多条浏览内容进行排序。


6.根据权利要求1所述的方法,其特征在于,所述预测神经网络模型包括第一模块、第二模块以及拼接模块,其中:
所述第一模块,用于对所述用户特征以及所述第一关键词特征进行处理;
所述第二模块,用于对所述第二关键词特征进行处理;
所述拼接模块,分别与...

【专利技术属性】
技术研发人员:桑文锋曹犟刘耀洲付力力胡士文
申请(专利权)人:神策网络科技北京有限公司
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 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。

1