内容推荐方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本申请实施例提供了一种内容推荐方法、装置、电子设备及计算机可读存储介质，涉及数据推荐领域。该方法包括：获取目标用户的用户数据和初始推荐内容；将用户数据和初始推荐内容输入至预设处理器，得到目标用户的推荐结果；其中，预设处理器包括第一处理器和第二处理器；第一处理器基于用户数据从预设关联图中获取目标用户的关联数据；第二处理器基于用户数据和关联数据生成初始推荐内容对应的推荐分数；推荐结果为基于推荐分数对初始推荐内容进行排序得到的。本申请实施例通过将预设关联图引入预设处理器对其进行优化，采用优化后的预设处理器对推荐内容进行打分和排序，向用户推荐更感兴趣的推荐内容。荐更感兴趣的推荐内容。荐更感兴趣的推荐内容。

【技术实现步骤摘要】
内容推荐方法、装置、电子设备及计算机可读存储介质


[0001]本申请涉及数据推荐
，具体而言，本申请涉及一种内容推荐方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]信息流推荐排序是对用户和内容间的点击率或浏览时长等指标进行建模，并选用特定的模型进行优化的技术。在现有的推荐场景中，为兼顾精度和性能，主流的推荐系统的实现通常是两层的技术结构，即召回层和排序层。其中，召回层的目的在于缩小用户可能感兴趣的内容的范围，排序层的目的在于对召回层的输出候选集集合进行排序，继而选出用户最感兴趣的部分内容进行推荐。
[0003]排序模型是排序层的核心技术，深度排序模型是目前主流的技术方案。现有的深度排序模型通过人工的特征工程，将数据之间的关系定义为模型中的特征，但这种定义依赖额外的人工特征工程工作，降低了模型优化的效率，并且难以挖掘相对复杂的模式，在数据缺失的情况下无法保证排序结果的准确性，从而影响最终的推荐结果。

技术实现思路

[0004]本申请实施例提供了一种内容推荐方法、装置、电子设备及计算机可读存储介质，用本文档来自技高网...

【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：获取目标用户的用户数据和初始推荐内容；将所述用户数据和所述初始推荐内容输入至预设处理器，得到所述目标用户的推荐结果；其中，所述预设处理器包括第一处理器和第二处理器；所述第一处理器基于所述用户数据从预设关联图中获取所述目标用户的关联数据，所述预设关联图为以不同用户的用户数据为顶点，所述不同用户的用户数据之间的关联关系为边构建生成的；所述第二处理器基于所述用户数据和所述关联数据生成所述初始推荐内容对应的推荐分数；所述推荐结果为基于所述推荐分数对所述初始推荐内容进行排序得到的。2.根据权利要求1所述的内容推荐方法，其特征在于，所述用户数据包括实体数据；所述实体数据包括用户身份标识号ID、公司信息、职位信息、职业技能信息、行业信息以及行业方向信息中的至少一项。3.根据权利要求2所述的内容推荐方法，其特征在于，所述基于所述用户数据从预设关联图中获取所述目标用户的关联数据，包括：基于所述用户数据中的实体数据，从所述预设关联图中获取与所述目标用户的实体数据存在关联关系的其他用户的实体数据，作为所述目标用户的关联数据。4.根据权利要求3所述的内容推荐方法，其特征在于，所述预设关联图的构建生成步骤，包括：获取不同用户的用户数据中的实体数据，筛选满足第一预设条件的所述实体数据；获取所述实体数据之间的关联关系信息，筛选满足第二预设条件的目标关联关系信息；以所述实体数据为顶点，所述目标关联关系信息指示的关联关系为边构建生成所述预设关联图。5.根据权利要求1所述的内容推荐方法，其特征在于，所述用户数据还包括行为数据；所述行为数据包括点击数据、点赞数据和评论数据中的至少一项。6.根据权利要求5所述的内容推荐方法，其特征在于，所述基于所述用户数据和所述关联数据生成所述初始推荐内容对应的推荐分数，包括：基于所述用户数据中的行为数据和所述关联数据，生成所述初始推荐内容对应的点击率分数、点赞率分数和评论率分数；对所述点击率分数、所述点赞率分数和所述评论率分数进行加权计算，得到所述初始推荐内容对应的推荐分数。7.根据权利要求1所述的内容推荐方法，其特征在于，所述预设处理器的训练步骤包括：获...

【专利技术属性】
技术研发人员：王越，王珍珠，
申请(专利权)人：北京淘友天下科技发展有限公司，
类型：发明
国别省市：