内容处理方法、装置、存储介质及电子设备制造方法及图纸

本公开实施例提供内容处理方法、装置、存储介质及电子设备，通过在推荐系统的推荐计算流程中的过滤环节，过滤与用户的显式负反馈行为相关的内容；在细排环节，抑制至少与所述用户的隐式负反馈行为相关内容的排序权重。从而，实现在推荐系统的计算过程中，针对性地对用户的显式及隐式类型负反馈行为相关的内容进行过滤和抑制，有效减少推荐内容中用户不喜、不感兴趣的部分，有效保障推荐系统的精准性，也有效提升用户体验。也有效提升用户体验。也有效提升用户体验。

【技术实现步骤摘要】
内容处理方法、装置、存储介质及电子设备


[0001]本公开的实施方式涉及数据处理
，更具体地，本公开的实施方式涉及内容处理方法、装置、存储介质及电子设备。

技术介绍

[0002]本部分旨在为权利要求中陈述的本公开的实施方式提供背景或上下文，此处的描述不因为包括在本部分中就承认是现有技术。
[0003]推荐算法已普遍应用于互联网的各种用户服务中。然而，目前的一些推荐算法在过滤用户可能不喜欢的内容的方式上存在不准确的问题，导致推荐给用户的内容中仍然包含大量用户不感兴趣的内容。

技术实现思路

[0004]在推荐算法中，目前一般采用以下几种方式来消除推荐内容中用户可能不喜欢的内容。一种方式，是根据用户明显表示不喜欢的行为，比如根据用户点击的屏蔽内容的标签，屏蔽所有与上述标签相关的内容而不推荐给用户，但由于这些内容标签可能并不全面，而无法限制同类型内容继续被推荐给用户；另一种是通过打分来表示用户对内容的偏好可能，但是打分可能受到可能与用户偏好相关的其它因素影响，在其它因素与用户偏好不一致时，就容易造成用户不喜欢内容但得分不低而被推荐，亦不准确。可见，以上方式皆可能造成最终的推荐内容中仍然包含用户不喜欢的内容，导致用户体验差。
[0005]为此，非常需要一种改进的方案，以在推荐算法中对用户不喜欢内容准确过滤，以提升用户体验。
[0006]在本上下文中，本公开的实施方式提供内容处理方法、装置、存储介质及电子设备。
[0007]根据本公开的第一个方面，提供一种内容处理方法，应用于推荐系统，所述推荐系统的推荐计算流程包括：内容的粗排环节、过滤环节及细排环节；所述方法包括：
[0008]在所述过滤环节，过滤与用户的显式负反馈行为相关的内容；
[0009]在所述细排环节，抑制至少与所述用户的隐式负反馈行为相关内容的排序权重。
[0010]根据本公开的第二方面，提供一种内容处理装置，应用于推荐系统，所述推荐系统的计算流程包括：内容的粗排环节、过滤环节及细排环节；所述装置包括：
[0011]显式负反馈处理模块，用于在所述过滤环节，过滤与用户的显式负反馈行为相关的内容；
[0012]隐式负反馈处理模块，用于在所述细排环节，抑制至少与所述用户的隐式负反馈行为相关内容的排序权重。
[0013]根据本公开的第三个方面，提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现：如第一方面任一实施例所述的内容处理方法。
[0014]根据本公开的第四个方面，提供一种电子设备，包括：
[0015]处理器；以及
[0016]存储器，用于存储所述处理器的可执行指令；
[0017]其中，所述处理器配置为经由执行所述可执行指令来执行：
[0018]如第一方面任一实施例所述的内容处理方法。
[0019]根据本公开实施方式，通过在推荐系统的推荐计算流程中的过滤环节，过滤与用户的显式负反馈行为相关的内容；在所述细排环节，抑制至少与所述用户的隐式负反馈行为相关内容的排序权重。从而，实现在推荐系统的计算过程中，针对性地对用户的显式及隐式类型负反馈行为相关的内容进行过滤和抑制，有效减少推荐内容中用户不喜、不感兴趣的部分，有效保障推荐系统的精准性，也有效提升用户体验。
附图说明
[0020]通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，其中：
[0021]图1示出了本公开一示例中推荐系统的推荐计算流程的示意图。
[0022]图2示出了本公开一实施例中内容处理方法的流程示意图。
[0023]图3示出了本公开一实施例中内容处理方法的步骤S201执行的流程示意图。
[0024]图4示出了本公开一实施例中用户负反馈模型的原理示意图。
[0025]图5示出了本公开一实施例中内容处理方法的步骤S202执行的流程示意图。
[0026]图6示出了本公开一实施例中机器学习模型的训练方法的流程示意图。
[0027]图7示出了本公开一实施例中内容处理装置的方框图。
[0028]图8示出了本公开一实施例中的存储介质的示意图；以及
[0029]图9示出了本公开一实施例中的电子设备的方框图。
[0030]在附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
[0031]下面将参考若干示例性实施方式来描述本公开的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本公开，而并非以任何方式限制本公开的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
[0032]本领域技术人员知道，本公开的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
[0033]根据本公开的实施方式，提供内容处理方法、装置、存储介质及电子设备。
[0034]在本文中，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。
[0035]下面参考本公开的若干代表性实施方式，详细阐述本公开的原理和精神。
[0036]专利技术概述
[0037]随着互联网、移动互联网的广泛应用，用户可以通过互联网获取到各种内容。所述
内容，指所有在互联网上分发可以被阅读的信息的总称，它有各种类型的展现形式，如文章、视频、音乐等。
[0038]由于用户对内容的兴趣偏好不同，需要通过计算机算法将不同的内容分发给不同的用户，以满足各个用户不同的个性化需求，此称为个性化推荐。所述个性化推荐通常通过推荐系统执行。
[0039]如图1所展示的，推荐系统进行个性化推荐的推荐计算流程包括：对内容的召回环节101、粗排环节102、过滤环节103、及细排环节。示例性地，所述细排环节展示为包括精排环节104和重排环节105。在其它实施例中，也可能没有重排环节105，并非以此示例为限。
[0040]其中，内容召回通常也可以被称为标签召回，例如根据用户的兴趣标签与内容标签的匹配程度，来确定用户可能感兴趣的内容。进一步的，召回的内容的数据量是巨大而庞杂的，根据用户兴趣、内容质量等对召回的内容进行排序打分及过滤，去除排序靠后的内容，以最终获得推荐内容并推荐给用户。
[0041]所述粗排环节102可以对召回内容进行粗排打分，并根据得分进行排序，取出粗排得分较高的部分以进行后续环节。其中，粗排打分所依据的内容的特征可以是统计得到的，也可以是抽象出来的。以图文文章为例，其打分参考的特征维度包括文本相关性、被浏览量等等，被浏览量可以是统计得到的，文本相关性则是通过文本匹配计算得到的。粗排打分的特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种内容处理方法，应用于推荐系统，所述推荐系统的推荐计算流程包括：内容的粗排环节、过滤环节及细排环节；所述方法包括：在所述过滤环节，过滤与用户的显式负反馈行为相关的内容；在所述细排环节，抑制至少与所述用户的隐式负反馈行为相关内容的排序权重。2.根据权利要求1所述的内容处理方法，其特征在于，所述过滤与用户的显式负反馈行为相关的内容，包括：在所述显式负反馈行为所针对的各内容属性中确定负向内容属性并存储；匹配所述负向内容属性与被匹配内容的内容属性以得到匹配结果；对所述匹配结果满足预设匹配条件的内容属性所属的被匹配内容进行过滤。3.根据权利要求2所述的内容处理方法，其特征在于，所述在所述显式负反馈行为所针对的各内容属性中确定负向内容属性，包括：基于在回溯时段中所受到显式负反馈行为的频度达到预设阈值为条件，筛选所述负向内容属性。4.根据权利要求2所述的内容处理方法，其特征在于，还包括：响应于属性占用容量和/或属性存活时间达到预设阈值，触发执行对所存储的负向内容属性的淘汰流程，包括：根据负向内容属性的存活时间及匹配得分计算重要度；其中，所述重要度与所述存活时间负相关且与所述匹配得分正相关；所述匹配得分与负向内容属性被匹配命中的次数正相关；根据所述重要度淘汰负向内容属性。5.根据权利要求2所述的内容处理方法，其特征在于，还包括：从所述存储的空间中去除受到正反馈行为的负向内容属性。6.根据权利要求2所述的内容处...

【专利技术属性】
技术研发人员：戴朝约，黄华，
申请(专利权)人：网易传媒科技北京有限公司，
类型：发明
国别省市：