一种推荐方法、训练方法、装置、设备及新闻推荐系统制造方法及图纸

本申请实施例公开了一种推荐方法、训练方法、装置、设备及推荐系统，用于利用新闻界面对用户的影响，来提高用户对新闻的点击率。本申请实施例方法包括：获取多张图像，每张图像包含一个候选界面和通过候选界面呈现的一种候选内容；获取每张图像的图像特征数据；基于目标用户的用户特征数据和图像特征数据确定预测模型的输入，然后通过预测模型预测目标用户对每张图像的偏好程度；最后基于偏好程度从多张图像包含的候选界面和候选内容中，选择候选内容和/或候选界面，然后通过选择出的候选内容或候选界面为用户推荐。容或候选界面为用户推荐。容或候选界面为用户推荐。

【技术实现步骤摘要】
一种推荐方法、训练方法、装置、设备及新闻推荐系统


[0001]本申请实施例涉及推荐
，尤其涉及一种推荐方法、训练方法、装置、设备及推荐系统。

技术介绍

[0002]如今，各种新闻类移动应用已经改变了人们传统的阅读新闻的方式。各大新闻平台无时无刻地产生着海量的新闻。因此，用户在使用这些新闻应用时，就会被推荐各式各样的新闻内容，如果被推荐的新闻内容是用户不感兴趣的，便会导致新闻的点击率降低。为了提高新闻的点击率，个性化的新闻推荐系统应运而生，该系统是通过机器学习的方法挖掘用户的兴趣点，以为用户推荐更加感兴趣的新闻内容，从而提高新闻的点击率。
[0003]然而，目前的新闻推荐系统仅仅是用于挖掘用户感兴趣的新闻内容，忽略了推荐新闻内容所使用的新闻界面对用户的影响，导致无法进一步提高新闻的点击率。

技术实现思路

[0004]本申请实施例提供了一种推荐方法、训练方法、装置、设备及推荐系统，用于利用新闻界面对用户的影响，来提高用户对新闻的点击率。
[0005]第一方面，本申请实施例提供了一种推荐方法，包括：获取多张图像，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种推荐方法，其特征在于，包括：获取多张图像，每张所述图像包含一个候选界面和通过所述候选界面呈现的一种候选内容；获取每张所述图像的图像特征数据；基于目标用户的用户特征数据和所述图像特征数据，并通过预测模型预测所述目标用户对每张所述图像的偏好程度，所述预测模型的输入是基于所述用户特征数据和所述图像特征数据确定的；基于所述偏好程度从所述多张图像包含的所述候选界面和所述候选内容中，选择候选内容和/或候选界面，以进行推荐。2.根据权利要求1所述的方法，其特征在于，每张所述图像包括多个区域；每张所述图像的图像特征数据包括多个局部特征向量，每个所述局部特征向量用于表征一个所述区域。3.根据权利要求2所述的方法，其特征在于，所述基于目标用户的用户特征数据和所述图像特征数据，并通过预测模型预测所述目标用户对每张所述图像的偏好程度包括：对于每张所述图像，基于每张所述图像中的所述候选内容获取N个词向量，每个所述词向量表征所述候选内容中的一个词语，其中，N为正整数；对于每个所述词向量，基于每个所述词向量和所述多个局部特征向量，并通过注意力机制的模型计算所述多个局部特征向量各自的注意力权重，所述注意力权重表示所述目标用户在阅读每个所述词向量表征的词语时，关注所述局部特征向量表征的区域的程度；基于所述多个局部特征向量各自的注意力权重，将每个所述词向量和所述多个局部特征向量融合，以得到第一融合特征向量，每个所述词向量对应得到一个所述第一融合特征向量；基于所述用户特征向量和所述N个词向量对应的N个所述第一融合特征向量，并通过预测模型预测所述目标用户对每张所述图像的偏好程度，所述预测模型的输入是基于所述用户特征向量和N个所述第一融合特征向量确定的，所述用户特征向量用于表征目标用户的用户特征数据。4.根据权利要求3所述的方法，其特征在于，所述基于所述用户特征向量和所述N个词向量对应的N个所述第一融合特征向量，并通过预测模型预测所述目标用户对每张所述图像的偏好程度包括：对于每张所述图像，通过自注意力机制的模型对所述N个词向量对应的N个所述第一融合特征向量进行处理，以得到N个语义增强特征向量，每个所述第一融合特征向量对应一个语义增强特征向量；基于所述用户特征向量和所述N个语义增强特征向量，并通过预测模型预测所述目标用户对每张所述图像的偏好程度，所述预测模型的输入是基于所述用户特征向量和所述N个语义增强特征向量确定的。5.根据权利要求4所述的方法，其特征在于，所述基于所述用户特征向量和所述N个语义增强特征向量，并通过预测模型预测所述目标用户对每张所述图像的偏好程度包括：对于每张所述图像，通过加法注意力机制的模型将所述N个语义增强特征向量融合，以得到第二融合特征向量；
基于所述用户特征向量和所述第二融合特征向量，并通过预测模型预测所述目标用户对每张所述图像的偏好程度，所述预测模型的输入是基于所述用户特征向量和所述第二融合特征向量确定的。6.根据权利要求1所述的方法，其特征在于，每张所述图像的图像特征数据包括全局特征向量，所述全局特征向量用于表征所述图像。7.根据权利要求6所述的方法，其特征在于，所述基于目标用户的用户特征数据和所述图像特征数据，并通过预测模型预测所述目标用户对每张所述图像的偏好程度包括：对于每张所述图像，基于每张所述图像中的所述候选内容获取内容特征向量，所述内容特征向量用于表征所述候选内容；基于所述内容特征向量和所述全局特征向量，确定所述内容特征向量的权重和所述全局特征向量的权重；基于所述内容特征向量的权重和所述全局特征向量的权重，将所述内容特征向量和所述全局特征向量融合，以得到第三融合特征向量；基于所述用户特征向量和所述第三融合特征向量，并通过预测模型预测所述目标用户对每张所述图像的偏好程度，所述预测模型的输入是基于所述用户特征向量和所述第三融合向量确定的，所述用户特征向量用于表征目标用户的用户特征数据。8.根据权利要求1至7中任意一项所述的方法，其特征在于，所述基于所述偏好程度从所述多张图像包含的所述候选界面和所述候选内容中，选择候选内容和/或候选界面，以进行推荐包括：基于所述偏好程度从所述多张图像包含的所述候选内容中选择一种候选内容作为目标候选内容；基于所述偏好程度从包含所述目标候选内容的所述图像的所述候选界面中，选择一种候选界面作为目标候选界面，以通过所述目标候选界面推荐所述目标候选内容。9.根据权利要求8所述的方法，其特征在于，在所述基于所述偏好程度从包含所述目标候选内容的所述图像的所述候选界面中，选择一种候选界面作为目标候选界面之后，所述方法还包括：向终端设备发送所述目标候选界面的元数据和所述目标候选内容，以使得所述终端设备基于所述元数据显示所述目标候选界面，并通过所述目标候选界面向所述目标用户推荐所述目标候选内容。10.一种训练方法，其特征在于，包括：获取多个样本图像，每个所述样本图像包含一个样本候选界面和通过所述样本候选界面呈现的一种样本候选内容；获取每个所述样本图像的图像特征数据；基于样本用户的用户特征数据和所述图像特征数据，并通过预测模型预测所述样本用户对每个所述样本图像的偏好程度，所述预测模型的输入是基于所述用户特征数据和所述图像特征数据确定的；基于所述偏好程度和所述样本用户对所述样本候选内容的历史点击数据，对所述预测模型进行调整。11.根据权利要求10所述的方法，其特征在于，每个所述样本图像包括多个区域；
每个所述样本图像的图像特征数据包括多个局部特征向量，每个所述局部特征向量用于表征一个所述区域。12.根据权利要求11所述的方法，其特征在于，所述基于样本用户的用户特征数据和所述图像特征数据，并通过预测模型...

【专利技术属性】
技术研发人员：朱杰明，赵洲，张圣宇，何秀强，钱莉，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：