一种内容推荐方法、系统及存储介质技术方案

本发明专利技术公开了一种内容推荐方法、系统及存储介质，所述方法包括如下步骤：配置召回算法和排序算法，建立意图识别模型，通过召回算法和排序算法从待推荐内容中选择用户感兴趣的内容；获取用户特征和内容特征，所述用户特征包括商品偏好和内容偏好；所述召回算法根据所述商品偏好、所述内容偏好和所述内容特征生成待推荐列表；选取样本，根据所述样本训练所述意图识别模型；训练成功的所述意图识别模型根据所述用户特征得出用户意图的概率；所述排序算法根据所述概率和所述待推荐列表生成推荐列表；通过上述方式，本发明专利技术解决了不能融合商品推荐和内容推荐的功能，让用户兼顾获得自己想要的内容和商品的问题。

【技术实现步骤摘要】
一种内容推荐方法、系统及存储介质
本专利技术涉及人工智能
，特别是涉及一种内容推荐方法、系统及存储介质。
技术介绍
随着互联网技术的快速发展，如何对海量网络信息进行挖掘分析，已成为热点和难点问题；推荐系统能够为用户提供精准、快速的推荐产品（如商品、内容、服务等），成为近年来人工智能领域工业界和学术界共同的兴趣点和研究热点；但是，业内的推荐系统实践主要集中于商品推荐或者内容推荐，例如淘宝的商品推荐系统和头条的内容推荐系统；现有技术的缺陷在于不能融合商品推荐和内容推荐的功能，让用户兼顾获得自己想要的内容和商品。
技术实现思路
本专利技术主要解决的技术问题是不能融合商品推荐和内容推荐的功能，让用户兼顾获得自己想要的内容和商品的问题。为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种内容推荐方法，包括如下步骤：配置召回算法和排序算法，建立意图识别模型；获取用户特征和内容特征，所述用户特征包括商品偏好和内容偏好；所述召回算法根据所述商品偏好、所述内容偏好和所述内容特征生成待推荐列表；选取样本，根据所述样本训练所述意图识别模型；训练成功的所述意图识别模型根据所述用户特征得出用户意图的概率；所述排序算法根据所述概率和所述待推荐列表生成推荐列表。作为一种改进方案，所述召回算法根据所述商品偏好、所述内容偏好和所述内容特征生成待推荐列表步骤，进一步包括：所述召回算法包括实时召回算法和非实时召回算法；所述实时召回算法通过协同过滤类算法计算所述内容特征与所述商品偏好的第一相似度以及所述内容特征与所述内容偏好的第二相似度，根据所述第一相似度和所述第二相似度选取待推荐内容生成第一待推荐列表；所述非实时召回算法根据所述商品偏好、所述内容偏好和所述内容特征生成第二待推荐列表；根据所述第一待推荐列表和所述第二待推荐列表生成所述待推荐列表。作为一种改进方案，所述实时召回算法通过协同过滤类算法计算所述内容特征与所述商品偏好的第一相似度以及所述内容特征与所述内容偏好的第二相似度，根据所述第一相似度和所述第二相似度选取待推荐内容生成第一待推荐列表步骤，进一步包括：所述内容特征包括商品类别和内容类别；计算所述商品类别和所述商品偏好的所述第一相似度，根据所述第一相似度选取待推荐内容生成第三待推荐列表；计算所述内容类别和所述内容偏好的所述第二相似度，根据所述第二相似度选取待推荐内容生成第四待推荐列表；根据所述第三待推荐列表和所述第四待推荐列表生成所述第一待推荐列表。作为一种改进方案，所述非实时召回算法根据所述商品偏好、所述内容偏好和所述内容特征生成第二待推荐列表步骤，进一步包括：所述非实时召回算法包括商品召回算法和内容召回算法；所述内容特征包括内容质量、内容的关键词；所述商品召回算法根据所述商品偏好和所述内容质量加权计算第一召回分数；根据所述第一召回分数选取待推荐内容生成第五待推荐列表；所述内容召回算法根据所述内容偏好和所述内容特征生成第六待推荐列表；根据所述第五待推荐列表和所述第六待推荐列表生成所述第二待推荐列表。作为一种改进方案，所述内容召回算法根据所述内容偏好和所述内容特征生成第六待推荐列表步骤，进一步包括：所述内容偏好包括内容类别偏好和内容关键词偏好；根据所述内容类别偏好和所述内容质量加权计算第三召回分数，根据所述第三召回分数选取待推荐内容生成第七待推荐列表；设置内容关键词的词向量，计算所述内容关键词偏好和所述词向量的语义相似度，根据所述语义相似度选取待推荐内容生成第八待推荐列表；根据所述第七待推荐列表和所述第八待推荐列表生成所述第六待推荐列表。作为一种改进方案，所述选取样本步骤，进一步包括：所述用户特征包括活跃程度和目标行为；设置活跃程度阈值；选取目标用户，所述目标用户的所述活跃程度超过所述活跃程度阈值；所述样本包括正样本和负样本，将存在所述目标行为的所述目标用户作为正样本，将不存在所述目标行为的所述目标用户作为负样本。作为一种改进方案，所述根据所述样本训练所述意图识别模型步骤，进一步包括：设置准确度阈值；将所述正样本和所述负样本的所述用户特征经过所述意图识别模型生成准确度；若所述准确度超过所述准确度阈值，则所述意图识别模型训练成功；若所述准确度低于所述准确度阈值，则修改所述意图识别模型后进入下一次训练。本专利技术还提供一种内容推荐系统，包括：配置单元、获取单元和执行生成单元；所述配置单元用于配置召回算法和排序算法；用于建立意图识别模型；所述获取单元用于获取用户特征和内容特征；所述执行生成单元用于根据所述用户特征和所述内容特征执行所述召回算法，生成待推荐列表；用于根据所述用户特征运行所述意图识别模型，生成用户意图的概率；用于根据所述概率和所述待推荐列表生成推荐列表。作为一种改进方案，所述配置单元用于根据所述用户特征选取目标用户，根据所述目标用户训练所述意图识别模型。本专利技术还提供一种计算机存储介质，用于储存为上述内容推荐方法所用的计算机软件指令，其包含用于执行上述为内容推荐方法所设计的程序。本专利技术的有益效果是：1、本专利技术所述的内容推荐方法，通过所述召回算法融合所述内容偏好和所述商品偏好，生成了用户的多样性偏好；并通过所述意图识别模型对目标用户进行训练，生成不同用户意图的概率，便于根据用户意图推荐内容。2、本专利技术所述的内容推荐系统，通过所述配置单元和所述执行单元并根据所述用户特征和所述内容特征生成所述推荐列表，使得内容推荐更加精准。3、本专利技术所述的计算机存储介质，通过执行内置的实现上述内容推荐方法的程序指令，解决了不能融合商品推荐和内容推荐的功能，让用户兼顾获得自己想要的内容和商品的问题。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将具体实施方式或现有技术描述中所需要使用的附图作简单地介绍；在所有附图中，类似的元件或部分一般由类似的附图标记标识；附图中，各元件或部分并不一定按照实际比例绘制。图1是本专利技术实施例1所述的内容推荐方法架构图；图2是本专利技术实施例1所述的内容推荐方法示意图；图3是本专利技术实施例2所述的内容推荐系统示意图。附图中各部件的标记如下：1-配置单元，2-获取单元，3-执行生成单元，100-内容推荐系统。具体实施方式下面将结合附图对本专利技术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。在本专利技术的描述中，需要说明的是，如LightGBM（LightGradientBoostingMachine）是微软开源的一个实现GBDT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，包括如下步骤：/n配置召回算法和排序算法，建立意图识别模型；/n获取用户特征和内容特征，所述用户特征包括商品偏好和内容偏好；/n所述召回算法根据所述商品偏好、所述内容偏好和所述内容特征生成待推荐列表；/n选取样本，根据所述样本训练所述意图识别模型；训练成功的所述意图识别模型根据所述用户特征得出用户意图的概率；/n所述排序算法根据所述概率和所述待推荐列表生成推荐列表。/n

【技术特征摘要】
1.一种内容推荐方法，其特征在于，包括如下步骤：
配置召回算法和排序算法，建立意图识别模型；
获取用户特征和内容特征，所述用户特征包括商品偏好和内容偏好；
所述召回算法根据所述商品偏好、所述内容偏好和所述内容特征生成待推荐列表；
选取样本，根据所述样本训练所述意图识别模型；训练成功的所述意图识别模型根据所述用户特征得出用户意图的概率；
所述排序算法根据所述概率和所述待推荐列表生成推荐列表。


2.根据权利要求1所述的内容推荐方法，其特征在于，所述召回算法根据所述商品偏好、所述内容偏好和所述内容特征生成待推荐列表步骤，进一步包括：
所述召回算法包括实时召回算法和非实时召回算法；
所述实时召回算法通过协同过滤类算法计算所述内容特征与所述商品偏好的第一相似度以及所述内容特征与所述内容偏好的第二相似度，根据所述第一相似度和所述第二相似度选取待推荐内容生成第一待推荐列表；
所述非实时召回算法根据所述商品偏好、所述内容偏好和所述内容特征生成第二待推荐列表；
根据所述第一待推荐列表和所述第二待推荐列表生成所述待推荐列表。


3.根据权利要求2所述的内容推荐方法，其特征在于，所述实时召回算法通过协同过滤类算法计算所述内容特征与所述商品偏好的第一相似度以及所述内容特征与所述内容偏好的第二相似度，根据所述第一相似度和所述第二相似度选取待推荐内容生成第一待推荐列表步骤，进一步包括：
所述内容特征包括商品类别和内容类别；
计算所述商品类别和所述商品偏好的所述第一相似度，根据所述第一相似度选取待推荐内容生成第三待推荐列表；
计算所述内容类别和所述内容偏好的所述第二相似度，根据所述第二相似度选取待推荐内容生成第四待推荐列表；
根据所述第三待推荐列表和所述第四待推荐列表生成所述第一待推荐列表。


4.根据权利要求2所述的内容推荐方法，其特征在于，所述非实时召回算法根据所述商品偏好、所述内容偏好和所述内容特征生成第二待推荐列表步骤，进一步包括：
所述非实时召回算法包括商品召回算法和内容召回算法；
所述内容特征包括内容质量；
所述商品召回算法根据所述商品偏好和所述内容质量加权计算第一召回分数；根据所述第一召回分数选取待推荐内容生成第五待推荐列表；
所述内容召回算法根据所述内容偏好和所述内容特征生成第六待推荐列表；
根据所述...

【专利技术属性】
技术研发人员：梁少婉，杜克强，
申请(专利权)人：苏州摩多多信息科技有限公司，
类型：发明
国别省市：江苏;32