内容推荐方法、装置、电子设备及存储介质制造方法及图纸

本公开关于一种内容推荐方法、装置、电子设备及存储介质，包括：获取候选内容的内容特征、用户账户的用户账户特征和与用户账户特征对应的第一预测结果，第一预测结果包括用户账户对候选内容执行每种预设操作的第一预测概率；从多个预先训练的簇变换网络中确定出与用户账户特征最匹配的目标簇变换网络，并利用目标簇变换网络从第一预测结果中提取出目标中间特征；将目标中间特征和内容特征，输入预先训练的预测网络中，预测网络用于输出第二预测结果，根据第二预测结果，从候选内容中确定出用户账户对应的推荐内容。本公开可以使得预测模型中的部分参数能够满足小样本用户的推荐需求，有效提升预测模型的鲁棒性。有效提升预测模型的鲁棒性。有效提升预测模型的鲁棒性。

【技术实现步骤摘要】
内容推荐方法、装置、电子设备及存储介质


[0001]本公开涉及深度学习
，尤其涉及一种内容推荐方法、装置、电子设备及存储介质。

技术介绍

[0002]目前，推荐系统通过顺序执行召回、粗排、精排、排序、重排等多个环节，完成内容推荐任务。通常，在每个环节都是根据内容和用户账户的行为习惯，预测用户账户对内容执行某种操作的概率，如对内容执行点赞操作和评论操作的概率，再根据用户账户对内容执行某种操作的概率向用户账户推荐内容。其中，前述内容可以是音乐、短视频、图文等。
[0003]相关技术中，推荐系统通过训练好的预测模型完成上述预测过程。根据二八定律可知，预测模型的大多数训练数据往往来源于少量的用户账户数据。这就意味着，预测模型仅能学习到小部分用户账户的行为偏好，而忽略大部分用户账户(即小样本用户)的行为偏好。这样，将导致推荐系统无法满足小样本用户的推荐需求，鲁棒性较差。

技术实现思路

[0004]本公开提供一种内容推荐方法、装置、电子设备及存储介质，可以使得预测模型满足小样本用户的推荐需求，提升预测模型的鲁棒性。
[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：获取候选内容的内容特征、用户账户的用户账户特征和与所述用户账户特征对应的第一预测结果，所述第一预测结果包括所述用户账户对所述候选内容执行每种预设操作的第一预测概率；从多个预先训练的簇变换网络中确定出与用户账户特征最匹配的目标簇变换网络，并利用所述目标簇变换网络从所述第一预测结果中提取出目标中间特征；将所述目标中间特征和所述内容特征，输入预先训练的预测网络中，所述预测网络用于输出第二预测结果，所述第二预测结果包括所述用户账户对候选内容执行每种所述预设操作的第二预测概率；根据所述第二预测结果，从所述候选内容中确定出所述用户账户对应的推荐内容。2.根据权利要求1所述的内容推荐方法，其特征在于，所述从多个预先训练的簇变换网络中确定出与用户账户特征最匹配的目标簇变换网络，并利用所述目标簇变换网络从所述第一预测结果中提取出目标中间特征，包括：确定所述用户账户特征与每个所述簇变换网络对应的簇向量之间的相似度，所述簇变换网络对应的簇向量为所述簇变换网络的向量表示；将与所述用户账户特征相似度最大的簇向量对应的簇变换网络，作为与所述用户账户特征最匹配的目标簇变换网络；将所述第一预测结果输入所述目标簇变换网络，获得输出的所述目标中间特征。3.根据权利要求1所述的内容推荐方法，其特征在于，所述从多个预先训练的簇变换网络中确定出与用户账户特征最匹配的目标簇变换网络，并利用所述目标簇变换网络从所述第一预测结果中提取出目标中间特征，包括：分别将所述第一预测结果输入到多个并列的所述簇变换网络中，得到每个所述簇变换网络输出的中间特征；确定所述用户账户特征与每个所述簇变换网络对应的簇向量之间的相似度，所述簇变换网络对应的簇向量为所述簇变换网络的向量表示；将与所述用户账户特征相似度最大的簇向量对应的簇变换网络作为与所述用户账户特征最匹配的目标簇变换网络，将所述目标簇变换网络输出的中间特征作为所述目标中间特征。4.根据权利要求2或3所述内容推荐方法，其特征在于，所述确定所述用户账户特征与每个所述簇变换网络对应的簇向量之间的相似度，包括：根据所述用户账户特征生成对应的用户账户特征向量；确定所述用户账户特征向量与每个所述簇变换网络对应的簇向量之间的相似度。5.根据权利要求2或3所述的内容推荐方法，其特征在于，所述预测模型还包括转换网络，所述多个预先训练的簇变换网络均与所述转换网络连接...

【专利技术属性】
技术研发人员：王晓伟，杨森，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：