兴趣预测模型的训练方法、内容推荐方法及装置制造方法及图纸

本发明专利技术涉及一种兴趣预测模型的训练方法、内容推荐方法及装置，兴趣预测模型的训练方法包括：获取样本用户针对样本内容合集的历史交互记录；基于历史交互记录，获取样本用户对样本内容合集的交互特征；基于对交互特征的运算处理，输出样本用户针对样本内容合集的兴趣度；利用与样本内容合集对应的训练标签对兴趣度进行验证，若验证通过，确定兴趣预测模型收敛，得到训练完成的兴趣预测模型。本发明专利技术实施例利用样本用户的历史交互记录中的交互特征对兴趣预测模型进行训练，进而便于对用户进行内容推荐时，根据用户针对不同内容合集的兴趣度分别推送不同推荐内容，实现有针对性的精准推荐内容，便于用户使用。便于用户使用。便于用户使用。

【技术实现步骤摘要】
兴趣预测模型的训练方法、内容推荐方法及装置


[0001]本申请涉及计算机
，尤其涉及一种兴趣预测模型的训练方法、内容推荐方法及装置。

技术介绍

[0002]在实际应用中，用户会根据个人喜好选择感兴趣的剧集进行追剧，但是，不同用户娱乐可支配时间不同，或者，由于不同剧集因题材、制作、卡司等因素影响存在差异，导致不同用户对同一个剧集满意程度不同等，进而可能会导致用户弃剧的情况。
[0003]然而，不同用户的弃剧原因不同，平台如果采用相同的处理方式可能会给用户带来不便，如：若用户对剧集不感兴趣，此时如果平台继续提醒用户观看剧集，或者仍然将该剧集展示在比较显眼的位置，可能会对用户造成打扰，并且不利于用户发现其它剧集，给用户带来不便。

技术实现思路

[0004]为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种兴趣预测模型的训练方法、内容推荐方法及装置。
[0005]第一方面，本申请提供了一种兴趣预测模型的训练方法，包括：
[0006]获取样本用户针对样本内容合集的历史交互记录；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种兴趣预测模型的训练方法，其特征在于，包括：获取样本用户针对样本内容合集的历史交互记录；基于所述历史交互记录，获取所述样本用户对所述样本内容合集的交互特征；基于对所述交互特征的运算处理，输出所述样本用户针对所述样本内容合集的兴趣度；利用与所述样本内容合集对应的训练标签对所述兴趣度进行验证，若验证通过，确定所述兴趣预测模型收敛，得到训练完成的兴趣预测模型。2.根据权利要求1所述的兴趣预测模型的训练方法，其特征在于，所述样本用户对所述样本内容合集的交互特征包括：所述样本用户针对所述样本内容合集的浏览时长、浏览进度、以及所述样本用户对非样本内容合集的浏览时长、浏览进度和所述样本用户的用户画像。3.根据权利要求1所述的兴趣预测模型的训练方法，其特征在于，所述方法还包括：基于所述交互特征，利用分类器获取所述样本用户对所述样本内容合集的交互程度参数；若所述交互程度参数满足预设条件，执行基于对所述交互特征的运算处理，输出所述样本用户针对所述样本内容合集的兴趣度的步骤。4.根据权利要求3所述的兴趣预测模型的训练方法，其特征在于，所述若所述交互程度参数满足预设条件，执行基于对所述交互特征的运算处理，输出所述样本用户针对所述样本内容合集的兴趣度的步骤，包括：从所述交互程度参数中提取软件的使用时长和/或使用频率；确定所述软件的使用时长是否超过预设第一阈值和/或使用频率是否超过预设第二阈值；若所述软件的使用时长超过预设第一阈值和/或使用频率超过预设第二阈值，确定所述交互程度参数满足预设条件。5.根据权利要求1所述的兴趣预测模型的训练方法，其特征在于，所述历史交互记录的采集周期为距离当前时刻最近的预设时间周期内。6.根据权利要求1所述的兴趣预测模型的训练方法，其特征在于，基于对所述交互特征的运算处理，输出所述样本用户针对所述样本内容合集的兴趣度，包括：若预设时间周期内，所述样本用户对目标内容合集的浏览时长小于第一预设值，且对非目标内容合集的浏览时长大于第二预设值，确定所述样本用户针对所述样本内容合集的兴趣度为第一兴趣类型；或者，若预设时间周期内，所述样本用户对所述目标内容合集的浏览时长小于第三预设值，且上次对所述目标内容合集的浏览时长大于第四预设值，确定所述样本用户针对所述样本内容合集的兴趣度为第二兴趣类型；或者，若预设时间周期内，所述样本用户对所述目标内容合集的浏览时长大于第五预设值，确定所述样本用户针对所述样本内容合集的兴趣度第三兴趣类型；或者，预设时间周期内，所述样本用户对所述样本内容合集的浏览时长小于第六预设值且上次对所述样本内容合集的浏览时长小于第七预设值，确定所述样本用户针对...

【专利技术属性】
技术研发人员：张贝磊，陈树娜，叶田田，周莹，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：