一种用户兴趣表征及内容推荐方法、装置和设备制造方法及图纸

本发明专利技术实施例提供了一种用户兴趣表征及内容推荐方法、装置和设备，可以应用于计算机应用技术领域，可以包括：获取不同用户感兴趣标签对应的标签向量；针对一用户感兴趣标签，标签向量为表征用户感兴趣标签的向量；确定用户对不同用户感兴趣标签的偏好程度；针对每一用户感兴趣标签，将用户对用户感兴趣标签的偏好程度作为权重，将权重与用户感兴趣标签对应的标签向量相乘，得到用户感兴趣标签对应的加权向量；将各个用户感兴趣标签对应的加权向量进行向量池化，得到用户兴趣表征向量，用户兴趣表征向量用于表征用户的用户兴趣。能够实现对用户兴趣进行表征，提高用户兴趣表征的精准度。

【技术实现步骤摘要】
一种用户兴趣表征及内容推荐方法、装置和设备
本专利技术涉及计算机应用
，特别是涉及一种用户兴趣表征及内容推荐方法、装置和设备。
技术介绍
在推荐领域，一般基于用户兴趣为用户推荐其感兴趣的内容。用户兴趣的表征直接影响推荐效果，如何对用户兴趣进行表征是推荐过程中需要考虑的重要内容。
技术实现思路
本专利技术实施例的目的在于提供一种用户兴趣表征及内容推荐方法、装置和设备，以实现对用户兴趣进行表征，提高用户兴趣表征的精准度。具体技术方案如下：在本专利技术实施的第一方面，首先提供了一种用户兴趣表征方法，包括：获取不同用户感兴趣标签对应的标签向量，其中，所述用户感兴趣标签是用户对语料库中内容有操作行为的所述内容对应的标签；针对一用户感兴趣标签，所述标签向量为表征所述用户感兴趣标签的向量；确定所述用户对不同用户感兴趣标签的偏好程度；针对每一用户感兴趣标签，将所述用户对所述用户感兴趣标签的所述偏好程度作为权重，将所述权重与所述用户感兴趣标签对应的标签向量相乘，得到所述用户感兴趣标签对应的加权向量；将各个所述用户感兴趣标签对应的所述加权向量进行向量池化，得到用户兴趣表征向量，所述用户兴趣表征向量用于表征所述用户的用户兴趣。可选的，所述确定所述用户对不同用户感兴趣标签的偏好程度，包括：获取预设时间范围内所述用户针对不同用户感兴趣标签的行为信息；针对一用户感兴趣标签，所述行为信息表征所述用户对所述用户感兴趣标签对应的内容的行为；基于所述行为信息，确定所述用户对不同用户感兴趣标签的偏好分数，并将所述偏好分数作为所述偏好程度。可选的，所述行为信息包括所述用户对所述用户感兴趣标签对应的内容的行为次数和行为时间；所述基于所述行为信息，确定所述用户对不同用户感兴趣标签的偏好分数，包括：针对每一用户感兴趣标签，通过如下公式：score＝historyScore×decayRatio，确定所述用户对所述用户感兴趣标签的偏好分数；其中，score为所述偏好分数，historyScore＝k×S，k为所述用户在所述用户感兴趣标签上的行为次数，S为每次行为获得的分数；lambda为负数超参，circle为行为周期，windowN为经历的周期次数，delta为两次行为的时间差。可选的，在所述将各个所述用户感兴趣标签对应的所述加权向量进行向量池化，得到用户兴趣表征向量之后，所述方法还包括：基于所述用户兴趣表征向量进行内容推荐。在本专利技术实施的第二方面，还提供了一种内容推荐方法，包括：获取不同用户感兴趣标签对应的标签向量，其中，所述用户感兴趣标签是用户对语料库中内容有操作行为的所述内容对应的标签；针对一用户感兴趣标签，所述标签向量为表征所述用户感兴趣标签的向量；确定所述用户对不同用户感兴趣标签的偏好程度；针对每一用户感兴趣标签，将所述用户对所述用户感兴趣标签的所述偏好程度作为权重，将所述权重与所述用户感兴趣标签对应的标签向量相乘，得到所述用户感兴趣标签对应的加权向量；将各个所述用户感兴趣标签对应的所述加权向量进行向量池化，得到用户兴趣表征向量，所述用户兴趣表征向量用于表征所述用户的用户兴趣；获取排序特征；将所述用户兴趣表征向量与所述排序特征输入排序模型，基于所述排序模型的输出为所述用户推荐内容。在本专利技术实施的第三方面，还提供了一种用户兴趣表征装置，包括：获取模块，用于获取不同用户感兴趣标签对应的标签向量，其中，所述用户感兴趣标签是用户对语料库中内容有操作行为的所述内容对应的标签；针对一用户感兴趣标签，所述标签向量为表征所述用户感兴趣标签的向量；确定模块，用于确定所述用户对不同用户感兴趣标签的偏好程度；加权模块，用于针对每一用户感兴趣标签，将所述用户对所述用户感兴趣标签的所述偏好程度作为权重，将所述权重与所述用户感兴趣标签对应的标签向量相乘，得到所述用户感兴趣标签对应的加权向量；池化模块，用于将各个所述用户感兴趣标签对应的所述加权向量进行向量池化，得到用户兴趣表征向量，所述用户兴趣表征向量用于表征所述用户的用户兴趣。可选的，所述确定模块，具体用于获取预设时间范围内所述用户针对不同用户感兴趣标签的行为信息；针对一用户感兴趣标签，所述行为信息表征所述用户对所述用户感兴趣标签对应的内容的行为；基于所述行为信息，确定所述用户对不同用户感兴趣标签的偏好分数，并将所述偏好分数作为所述偏好程度。可选的，所述行为信息包括所述用户对所述用户感兴趣标签对应的内容的行为次数和行为时间；所述确定模块，具体用于针对每一用户感兴趣标签，通过如下公式：score＝historyScore×decayRatio，确定所述用户对所述用户感兴趣标签的偏好分数；其中，score为所述偏好分数，historyScore＝k×S，k为所述用户在所述用户感兴趣标签上的行为次数，S为每次行为获得的分数；lambda为负数超参，circle为行为周期，windowN为经历的周期次数，delta为两次行为的时间差。所述装置还包括：可选的，所述装置还包括推荐模块，用于在所述将各个所述用户感兴趣标签对应的所述加权向量进行向量池化，得到用户兴趣表征向量之后，基于所述用户兴趣表征向量进行内容推荐。在本专利技术实施的第四方面，还提供了一种内容推荐装置，包括：用户兴趣表征装置、获得模块和排序推荐模块；所述用户兴趣表征装置，包括：获取模块，用于获取不同用户感兴趣标签对应的标签向量，其中，所述用户感兴趣标签是用户对语料库中内容有操作行为的所述内容对应的标签；针对一用户感兴趣标签，所述标签向量为表征所述用户感兴趣标签的向量；确定模块，用于确定所述用户对不同用户感兴趣标签的偏好程度；加权模块，用于针对每一用户感兴趣标签，将所述用户对所述用户感兴趣标签的所述偏好程度作为权重，将所述权重与所述用户感兴趣标签对应的标签向量相乘，得到所述用户感兴趣标签对应的加权向量；池化模块，用于将各个所述用户感兴趣标签对应的所述加权向量进行向量池化，得到用户兴趣表征向量，所述用户兴趣表征向量用于表征所述用户的用户兴趣；所述获得模块，用于获得排序特征；所述排序推荐模块，用于将所述用户兴趣表征向量与所述排序特征输入排序模型，基于所述排序模型的输出为所述用户推荐内容。在本专利技术实施的又一方面，还提供了一种用户兴趣表征设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现第一方面所述的方法步骤。在本专利技术实施的又一方面，还提供了一种内容推荐设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时本文档来自技高网...

【技术保护点】
1.一种用户兴趣表征方法，其特征在于，包括：/n获取不同用户感兴趣标签对应的标签向量，其中，所述用户感兴趣标签是用户对语料库中内容有操作行为的所述内容对应的标签；针对一用户感兴趣标签，所述标签向量为表征所述用户感兴趣标签的向量；/n确定所述用户对不同用户感兴趣标签的偏好程度；/n针对每一用户感兴趣标签，将所述用户对所述用户感兴趣标签的所述偏好程度作为权重，将所述权重与所述用户感兴趣标签对应的标签向量相乘，得到所述用户感兴趣标签对应的加权向量；/n将各个所述用户感兴趣标签对应的所述加权向量进行向量池化，得到用户兴趣表征向量，所述用户兴趣表征向量用于表征所述用户的用户兴趣。/n

【技术特征摘要】
1.一种用户兴趣表征方法，其特征在于，包括：
获取不同用户感兴趣标签对应的标签向量，其中，所述用户感兴趣标签是用户对语料库中内容有操作行为的所述内容对应的标签；针对一用户感兴趣标签，所述标签向量为表征所述用户感兴趣标签的向量；
确定所述用户对不同用户感兴趣标签的偏好程度；
针对每一用户感兴趣标签，将所述用户对所述用户感兴趣标签的所述偏好程度作为权重，将所述权重与所述用户感兴趣标签对应的标签向量相乘，得到所述用户感兴趣标签对应的加权向量；
将各个所述用户感兴趣标签对应的所述加权向量进行向量池化，得到用户兴趣表征向量，所述用户兴趣表征向量用于表征所述用户的用户兴趣。


2.根据权利要求1所述的方法，其特征在于，所述确定所述用户对不同用户感兴趣标签的偏好程度，包括：
获取预设时间范围内所述用户针对不同用户感兴趣标签的行为信息；针对一用户感兴趣标签，所述行为信息表征所述用户对所述用户感兴趣标签对应的内容的行为；
基于所述行为信息，确定所述用户对不同用户感兴趣标签的偏好分数，并将所述偏好分数作为所述偏好程度。


3.根据权利要求2所述的方法，其特征在于，所述行为信息包括所述用户对所述用户感兴趣标签对应的内容的行为次数和行为时间；
所述基于所述行为信息，确定所述用户对不同用户感兴趣标签的偏好分数，包括：
针对每一用户感兴趣标签，通过如下公式：score＝historyScore×decayRatio，确定所述用户对所述用户感兴趣标签的偏好分数；
其中，score为所述偏好分数，historyScore＝k×S，k为所述用户在所述用户感兴趣标签上的行为次数，S为每次行为获得的分数；lambda为负数超参，circle为行为周期，windowN为经历的周期次数，delta为两次行为的时间差。


4.根据权利要求1至3任一项所述的方法，其特征在于，在所述将各个所述用户感兴趣标签对应的所述加权向量进行向量池化，得到用户兴趣表征向量之后，所述方法还包括：
基于所述用户兴趣表征向量进行内容推荐。


5.一种内容推荐方法，其特征在于，包括：
获取不同用户感兴趣标签对应的标签向量，其中，所述用户感兴趣标签是用户对语料库中内容有操作行为的所述内容对应的标签；针对一用户感兴趣标签，所述标签向量为表征所述用户感兴趣标签的向量；
确定所述用户对不同用户感兴趣标签的偏好程度；
针对每一用户感兴趣标签，将所述用户对所述用户感兴趣标签的所述偏好程度作为权重，将所述权重与所述用户感兴趣标签对应的标签向量相乘，得到所述用户感兴趣标签对应的加权向量；
将各个所述用户感兴趣标签对应的所述加权向量进行向量池化，得到用户兴趣表征向量，所述用户兴趣表征向量用于表征所述用户的用户兴趣；
获取排序特征；
将所述用户兴趣表征向量与所述排序特征输入排序模型，基于所述排序模型的输出为所述用户推荐内容。


6.一种用户兴趣表征装置，其特征在于，包括：
获取模块，用于获取不同用户感兴趣标签对应的标签向量，其中，所述用户感兴趣标签是用户对语料库中内容有操作行为的所述内容对应的标签；针对一用户感兴趣标签，所述标签向量为表征所述用户感兴趣标签的向量；
确定模块，用于确定所述用户对不同用户感兴趣标签的偏好程度；
加权模块，用于针对...

【专利技术属性】
技术研发人员：何咏倩，梁召，
申请(专利权)人：北京爱奇艺科技有限公司，
类型：发明
国别省市：北京;11