信息推荐的模型训练方法及装置制造方法及图纸

本公开提供了一种信息推荐的模型训练方法及装置，涉及数据处理领域，尤其涉及信息流领域。具体实现方案为：获取用户浏览过的至少一个推荐内容。根据用户对各推荐内容的浏览信息，确定各推荐内容各自对应的真实兴趣度，浏览信息包括如下中的至少一种：用户对推荐内容的交互行为、用户对第一类型的内容的平均浏览时长、用户对第一类型的内容的点击通过率，第一类型为推荐内容的类型。根据预设模型对用户的用户特征以及各推荐内容的内容特征进行处理，得到各推荐内容各自对应的预测兴趣度。根据真实兴趣度和预测兴趣度，对预设模型的模型参数进行更新。本公开提供的技术方案可以有效的提升向用户推荐内容的准确性。的提升向用户推荐内容的准确性。的提升向用户推荐内容的准确性。

【技术实现步骤摘要】
信息推荐的模型训练方法及装置


[0001]本公开涉及数据处理领域中的信息流领域，尤其涉及一种信息推荐的模型训练方法及装置。

技术介绍

[0002]随着智能手机的普及以及移动互联网的快速发展，目前智能手机中的信息流已经成为广大网民获取信息的一个重要途径了。
[0003]目前，现有技术中的信息流推荐系统，通常是预测用户在推荐内容的落地页中的停留时长，并将预测的停留时长进行排序，之后将排序靠前的多个推荐内容提供给用户。然而，用户在推荐内容的落地页中的停留时长长，并不代表用户真正的喜欢该推荐内容。
[0004]因此，现有技术中以对推荐内容的预测停留时长，作为内容推荐的依据，会导致向用户推荐的内容缺乏准确性。

技术实现思路

[0005]本公开提供了一种信息推荐的模型训练方法及装置。
[0006]根据本公开的第一方面，提供了一种信息推荐的模型训练方法，包括：
[0007]获取所述用户浏览过的至少一个推荐内容；
[0008]根据所述用户对各所述推荐内容的浏览信息，确定各所述推荐内容各自对应的真实兴趣度，所述浏览信息包括如下中的至少一种：所述用户对所述推荐内容的交互行为、所述用户对第一类型的内容的平均浏览时长、所述用户对所述第一类型的内容的点击通过率，所述第一类型为所述推荐内容的类型；
[0009]根据预设模型对所述用户的用户特征以及各所述推荐内容的内容特征进行处理，得到各所述推荐内容各自对应的预测兴趣度；
[0010]根据所述真实兴趣度和所述预测兴趣度，对所述预设模型的模型参数进行更新。
[0011]根据本公开的第二方面，提供了一种信息推荐方法，包括：
[0012]获取目标用户的用户特征，以及获取多个待推荐内容各自的内容特征；
[0013]根据预设模型对所述用户特征和所述内容特征进行处理，得到各所述待推荐内容各自的预测兴趣度；
[0014]根据所述预测兴趣度，确定向用户推荐的目标推荐内容；
[0015]向所述目标用户对应的目标设备发送所述目标推荐内容。
[0016]根据本公开的第三方面，提供了一种信息推荐的模型训练装置，包括：
[0017]获取模块，用于获取所述用户浏览过的至少一个推荐内容；
[0018]确定模块，用于根据所述用户对各所述推荐内容的浏览信息，确定各所述推荐内容各自对应的真实兴趣度，所述浏览信息包括如下中的至少一种：所述用户对所述推荐内容的交互行为、所述用户对第一类型的内容的平均浏览时长、所述用户对所述第一类型的内容的点击通过率，所述第一类型为所述推荐内容的类型；
[0019]处理模块，用于根据预设模型对所述用户的用户特征以及各所述推荐内容的内容特征进行处理，得到各所述推荐内容各自对应的预测兴趣度；
[0020]更新模块，用于根据所述真实兴趣度和所述预测兴趣度，对所述预设模型的模型参数进行更新。
[0021]根据本公开的第四方面，提供了一种信息推荐装置，包括：
[0022]获取模块，用于获取目标用户的用户特征，以及获取多个待推荐内容各自的内容特征；
[0023]处理模块，用于根据预设模型对所述用户特征和所述内容特征进行处理，得到各所述待推荐内容各自的预测兴趣度；
[0024]确定模块，用于根据所述预测兴趣度，确定向用户推荐的目标推荐内容；
[0025]发送模块，用于向所述目标用户对应的目标设备发送所述目标推荐内容。
[0026]根据本公开的第五方面，提供了一种电子设备，包括：
[0027]至少一个处理器；以及
[0028]与所述至少一个处理器通信连接的存储器；其中，
[0029]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。
[0030]根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面所述的方法。
[0031]根据本公开的第七方面，提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。
[0032]根据本公开的技术解决了向用户推荐的内容缺乏准确性的问题。
[0033]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0034]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0035]图1为本公开实施例提供的信息流的实现示意图；
[0036]图2为本公开实施例提供的信息推荐的模型训练方法的流程图；
[0037]图3为本公开实施例提供的信息推荐的模型训练方法的流程图二；
[0038]图4为本公开实施例提供的映射关系的实现示意图；
[0039]图5为本公开实施例提供的优化预设模型的实现示意图；
[0040]图6为本公开实施例提供的信息推荐方法的流程图；
[0041]图7为本公开实施例提供的信息推荐方法的执行流程示意图；
[0042]图8为本公开实施例的信息推荐的模型训练装置的结构示意图；
[0043]图9为本公开实施例的信息推荐装置的结构示意图；
[0044]图10是用来实现本公开实施例的信息推荐的模型训练方法以及信息推荐方法的电子设备的框图。
具体实施方式
[0045]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0046]为了更好的理解本公开的技术方案，下面对本公开所涉及的相关技术进行进一步的详细介绍。
[0047]随着智能手机的普及和移动互联网的快速发展，目前在智能手机中的资讯信息流已经成为广大网民获取信息的一个重要途径了。其中，信息流通常是在客户端中以流式呈现的信息，比如说当前的一些新闻应用的客户端中的新闻信息、短视频应用的客户端中的短视频信息等等。
[0048]可以结合图1对信息流进行理解，图1为本公开实施例提供的信息流的实现示意图。
[0049]通常信息流是在终端设备的客户端中呈现的，参照图1，在客户端中比如说可以依次显示内容1、内容2、内容3、内容4，以及用户还可以在客户端的界面中继续下滑，或者刷新当前界面，以在信息流中获取更多的信息。
[0050]其中，呈现的内容比如说可以包括图文内容、视频内容、广告内容等等，本实施例中对呈现在客户端中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息推荐的模型训练方法，包括：获取用户浏览过的至少一个推荐内容；根据所述用户对各所述推荐内容的浏览信息，确定各所述推荐内容各自对应的真实兴趣度，所述浏览信息包括如下中的至少一种：所述用户对所述推荐内容的交互行为、所述用户对第一类型的内容的平均浏览时长、所述用户对所述第一类型的内容的点击通过率，所述第一类型为所述推荐内容的类型；根据预设模型对所述用户的用户特征以及各所述推荐内容的内容特征进行处理，得到各所述推荐内容各自对应的预测兴趣度；根据所述真实兴趣度和所述预测兴趣度，对所述预设模型的模型参数进行更新。2.根据权利要求1所述的方法，其中，所述浏览信息还包括：所述用户对所述推荐内容的浏览时长；根据所述用户对各所述推荐内容的浏览信息，确定各所述推荐内容各自对应的真实兴趣度，包括：针对任一个所述推荐内容，根据所述用户对所述推荐内容的浏览时长以及所述用户对所述推荐内容的交互行为，确定所述推荐内容对应的用户行为参数；将所述用户对所述第一类型的推荐内容的平均浏览时长除以预设值，得到所述推荐内容的对应的用户偏好参数；根据所述用户行为参数、所述用户偏好参数以及所述用户对所述第一类型的内容的点击通过率，确定所述推荐内容对应的真实兴趣度。3.根据权利要求2所述的方法，其中，根据所述用户对所述推荐内容的浏览时长以及所述用户对所述推荐内容的交互行为，确定所述推荐内容对应的用户行为参数，包括：根据所述用户对所述推荐内容的交互行为，确定目标处理系数；将所述目标处理系数和所述用户对所述推荐内容的浏览时长相乘，得到所述推荐内容对应的用户行为参数。4.根据权利要求3所述的方法，其中，根据所述用户对所述推荐内容的交互行为，确定目标处理系数，包括：在交互行为和处理系数的映射关系中，确定所述交互行为对应的第一处理系数；若所述交互行为的类型为一种，则将所述交互行为对应的第一处理系数确定为所述目标处理系数；或者，若所述交互行为的类型为多种，则将各所述交互行为对应的第一处理系数做预设处理，得到所述目标处理系数。5.根据权利要求2
‑
4中任一项所述的方法，其中，根据所述用户行为参数、所述用户偏好参数以及所述用户对所述第一类型的内容的点击通过率，确定所述推荐内容对应的真实兴趣度，包括：将所述用户行为参数和所述用户偏好参数做差值，得到第一差值；将所述第一差值和所述用户对所述第一类型的内容的点击通过率的比值，确定为所述推荐内容对应的真实兴趣度。6.根据权利要求1
‑
5任一项所述的方法，其中，根据所述真实兴趣度和所述预测兴趣度，对所述预设模型的模型参数进行更新，包括：
根据所述真实兴趣度和所述预测兴趣度，确定损失函数值；根据所述损失函数值，对所述预设模型的模型参数进行更新。7.一种信息推荐方法，包括：获取目标用户的用户特征，以及获取多个待推荐内容各自的内容特征；根据预设模型对所述用户特征和所述内容特征进行处理，得到各所述待推荐内容各自的预测兴趣度；根据所述预测兴趣度，确定向用户推荐的目标推荐内容；向所述目标用户对应的目标设备发送所述目标推荐内容。8.根据权利要求7所述的方法，其中，根据所述预测兴趣度，确定向用户推荐的目标推荐内容，包括：对各所述待推荐内容的预测兴趣度进行排序，将排序靠前的K个待推荐内容确定为所述目标推荐内容，其中，所述K为大于等于的整数。9.根据权利要求7或8所述的方法，其中，所述用户特征包括如下中的至少一种：所述目标用户关联的至少一个内容类型、所述目标用户对各内容类型的平均浏览时长、所述目标用户对各内容类型的点击次数、所述目标用户所关联的内容标签；所述内容特征包括如下中的至少一种：所述待推荐内容所属的内容类型、所述待推荐内容关联的内容标签。10.一种信息推荐的模型训练装置，包括：获取模块，用于获取用户浏览过的至少一个推荐内容；确定模块，用于根据所述用户对各所述推荐内容的浏览信息，确定各所述推荐内容各自对应的真实兴趣度，所述浏览信息包括如下中的至少一种：所述用户对所述推荐内容...

【专利技术属性】
技术研发人员：张博，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：