本公开涉及计算机技术领域，具体涉及一种内容推荐方法、装置、存储介质及电子设备。该内容推荐方法包括响应于目标用户的访问请求，获取所述目标用户的用户特征向量；基于所述目标用户的用户特征向量和候选内容的内容特征向量进行偏好评价，得到所述目标用户对所述候选内容的偏好结果；根据所述偏好结果从所述候选内容中选取偏好内容，以用于将所述偏好内容推荐至所述目标用户。本公开提供的内容推荐方法能够解决现有的活动圈人推荐方案中效率低、准确度不高、覆盖不全面的问题。覆盖不全面的问题。覆盖不全面的问题。
【技术实现步骤摘要】
内容推荐方法、装置、存储介质及电子设备
[0001]本公开涉及计算机
，具体涉及一种内容推荐方法、内容推荐装置、计算机可读存储介质及电子设备。
技术介绍
[0002]在电商场景中，为了吸引用户流量和注意力，运营人员往往会针对部分商品制定营销活动，并圈选可能对其感兴趣的人群进行投放。
[0003]目前主要的活动推荐圈人方案主要还是依赖运营提前一天基于以往经验，手工选择标签圈选可能对活动感兴趣的人进行投放。因此，目前的推荐圈人策略对人工依赖强，效率较低，并且对运营人员业务经验依赖性强，准确度不高，同时当前的圈人推荐算法都是提前一天基于标签离线圈选部分可能感兴趣用户，限制了活动的投放人群范围。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0005]本公开的目的在于提供一种内容推荐方法、内容推荐装置、计算机可读存储介质及电子设备，旨在解决现有的活动圈人推荐方案中效率低、准确度不高、覆盖不全面的问题。
[0006]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
[0007]根据本公开实施例的一个方面，提供了一种内容推荐方法，包括：响应于目标用户的访问请求，获取所述目标用户的用户特征向量；基于所述目标用户的用户特征向量和候选内容的内容特征向量进行偏好评价，得到所述目标用户对所述候选内容的偏好结果；根据所述偏好结果从所述候选内容中选取偏好内容，以用于将所述偏好内容推荐至所述目标用户。
[0008]根据本公开的一些实施例，基于前述方案，所述获取所述目标用户的用户特征向量，包括：获取所述目标用户的基础信息；基于所述基础信息从预设的用户特征数据库中提取所述目标用户的用户特征向量。
[0009]根据本公开的一些实施例，基于前述方案，所述方法还包括预先构建所述用户特征数据库，所述预先构建所述用户特征数据库包括：周期性获取历史用户的用户属性信息和用户行为信息；基于所述用户属性信息和所述用户行为信息，利用双塔模型的用户侧子模型对所述历史用户进行特征提取，以得到所述历史用户的用户特征向量；存储所述历史用户和所述历史用户的用户特征向量，以构建所述用户特征数据库。
[0010]根据本公开的一些实施例，基于前述方案，所述基于所述用户属性信息和所述用户行为信息，利用双塔模型的用户侧子模型对所述历史用户进行特征提取，以得到所述历史用户的用户特征向量，包括：对所述用户属性信息进行特征处理得到用户属性特征；以及
对所述用户行为信息进行特征转换得到用户内容特征；将所述用户属性特征和所述用户内容特征进行特征拼接，以得到所述历史用户的用户特征向量。
[0011]根据本公开的一些实施例，基于前述方案，所述对所述用户行为信息进行特征转换得到用户内容特征，包括：基于所述用户行为信息对应的内容品类信息，将所述用户行为信息进行特征映射得到内容品类向量；对所述内容品类向量进行均值处理得到所述用户内容特征。
[0012]根据本公开的一些实施例，基于前述方案，所述方法还包括：从预设的内容特征数据库中提取所述候选内容的内容特征向量。
[0013]根据本公开的一些实施例，基于前述方案，所述方法还包括预先构建所述内容特征数据库，包括：获取所述候选内容的内容信息；基于所述内容信息利用双塔模型的内容侧子模型对所述候选内容进行特征提取，以得到所述候选内容的内容特征向量；存储所述候选内容和所述候选内容的内容特征向量，以构建所述内容特征数据库。
[0014]根据本公开的一些实施例，基于前述方案，所述内容信息包括内容品类信息、内容品牌信息和内容属性信息；所述基于所述内容信息利用双塔模型的内容侧子模型对所述候选内容进行特征提取，以得到所述候选内容的内容特征向量，包括：对所述内容品类信息进行特征映射得到内容品类向量，并对所述内容品类向量进行加权处理得到内容品类特征；对所述内容品牌信息进行特征映射得到内容品牌向量，并对所述内容品牌向量进行加权处理得到内容品牌特征；以及对所述内容属性信息进行特征处理得到内容属性特征；将所述内容品类特征、所述内容品牌特征和所述内容属性特征进行特征拼接，以得到所述候选内容的内容特征向量。
[0015]根据本公开的一些实施例，基于前述方案，所述基于所述目标用户的用户特征向量和候选内容的内容特征向量进行偏好评价，得到所述目标用户对所述候选内容的偏好结果，包括：从所述候选内容中确定一目标内容；基于所述目标用户的用户特征向量和所述目标内容的内容特征向量，利用双塔模型的偏好评价子模型进行偏好评价以得到所述偏好结果。
[0016]根据本公开的一些实施例，基于前述方案，所述基于所述目标用户的用户特征向量和所述目标内容的内容特征向量，利用双塔模型的偏好评价子模型进行偏好评价以得到所述偏好结果，包括：利用多层感知器计算所述内容特征向量和所述用户特征向量的交叉特征；基于所述交叉特征确定所述目标内容的偏好值作为所述偏好结果。
[0017]根据本公开的一些实施例，基于前述方案，所述根据所述偏好结果从所述候选内容中选取偏好内容，以用于将所述偏好内容推荐至所述目标用户，包括：根据所述偏好结果中各候选内容的偏好值对所述候选内容进行排序得到排序结果；基于所述排序结果选取偏好内容，并将所述偏好内容推荐至所述目标用户。
[0018]根据本公开的一些实施例，基于前述方案，所述方法还包括构建所述双塔模型，所述构建所述双塔模型包括：根据历史推荐数据生成训练集；通过所述训练集进行模型训练得到输入层、表示层和匹配层的参数，以得到所述双塔模型。
[0019]根据本公开的一些实施例，基于前述方案，所述方法还包括：将所述双塔模型中用户塔对应的输入层和表示层存储为用户侧子模型；将所述双塔模型中内容塔对应的输入层和表示层存储为内容侧子模型；以及
[0020]将所述双塔模型中的匹配层存储为偏好评价子模型。
[0021]根据本公开实施例的第二个方面，提供了一种内容推荐装置，包括：响应模块，用于响应于目标用户的访问请求，获取所述目标用户的用户特征向量；评价模块，用于基于所述目标用户的用户特征向量和候选内容的内容特征向量进行偏好评价，得到所述目标用户对所述候选内容的偏好结果；推荐模块，用于根据所述偏好结果从所述候选内容中选取偏好内容，以用于将所述偏好内容推荐至所述目标用户。
[0022]根据本公开实施例的第三个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例中的内容推荐方法。
[0023]根据本公开实施例的第四个方面，提供了一种电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中的内容推荐方法。
[0024]本公开示例性实施例可以具有以下部分或全部有益效果：本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种内容推荐方法，其特征在于，包括：响应于目标用户的访问请求，获取所述目标用户的用户特征向量；基于所述目标用户的用户特征向量和候选内容的内容特征向量进行偏好评价，得到所述目标用户对所述候选内容的偏好结果；根据所述偏好结果从所述候选内容中选取偏好内容，以用于将所述偏好内容推荐至所述目标用户。2.根据权利要求1所述的内容推荐方法，其特征在于，所述获取所述目标用户的用户特征向量，包括：获取所述目标用户的基础信息；基于所述基础信息从预设的用户特征数据库中提取所述目标用户的用户特征向量。3.根据权利要求2所述的内容推荐方法，其特征在于，所述方法还包括预先构建所述用户特征数据库，所述预先构建所述用户特征数据库包括：周期性获取历史用户的用户属性信息和用户行为信息；基于所述用户属性信息和所述用户行为信息，利用双塔模型的用户侧子模型对所述历史用户进行特征提取，以得到所述历史用户的用户特征向量；存储所述历史用户和所述历史用户的用户特征向量，以构建所述用户特征数据库。4.根据权利要求3所述的内容推荐方法，其特征在于，所述基于所述用户属性信息和所述用户行为信息，利用双塔模型的用户侧子模型对所述历史用户进行特征提取，以得到所述历史用户的用户特征向量，包括：对所述用户属性信息进行特征处理得到用户属性特征；以及对所述用户行为信息进行特征转换得到用户内容特征；将所述用户属性特征和所述用户内容特征进行特征拼接，以得到所述历史用户的用户特征向量。5.根据权利要求4所述的内容推荐方法，其特征在于，所述对所述用户行为信息进行特征转换得到用户内容特征，包括：基于所述用户行为信息对应的内容品类信息，将所述用户行为信息进行特征映射得到内容品类向量；对所述内容品类向量进行均值处理得到所述用户内容特征。6.根据权利要求1所述的内容推荐方法，其特征在于，所述方法还包括：从预设的内容特征数据库中提取所述候选内容的内容特征向量。7.根据权利要求6所述的内容推荐方法，其特征在于，所述方法还包括预先构建所述内容特征数据库，包括：获取所述候选内容的内容信息；基于所述内容信息利用双塔模型的内容侧子模型对所述候选内容进行特征提取，以得到所述候选内容的内容特征向量；存储所述候选内容和所述候选内容的内容特征向量，以构建所述内容特征数据库。8.根据权利要求7所述的内容推荐方法，其特征在于，所述内容信息包括内容品类信息、内容品牌信息和内容属性信息；所述基于所述内容信息利用双塔模型的内容侧子模型对所述候选内容进行特征提取，
以得到所述候选内容的内容特征向量，包括：对所述内容品类信息进行特征映射得到内容品类向量，并对所述内容品类向量进行加权处理得到内容品类特征；对所述内容品牌信息进行特征映射得到内容品牌向量，并对...
【专利技术属性】
技术研发人员：王莹，肖军波，安伟亭，葛覃，翟仕召，宋烈金，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：
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。