个性化推荐方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种个性化推荐方法、装置、设备及存储介质，涉及大数据处理技术领域，方法包括：获取待推荐内容及其类型以及学习率参数；根据待推荐内容的类型和学习率参数，得到各个类型的点击率加权值；根据各个类型的点击率加权值，对各个类型的预估点击率进行加权处理，得到各个类型的加权点击率；根据各个类型的加权点击率，对待推荐内容进行排序，待推荐内容的推荐顺序。本发明专利技术解决了现有技术存在用户偏好内容曝光过多的问题，可避免过多推荐重复类型的内容。复类型的内容。复类型的内容。

Personalized recommendation method, device, equipment and storage medium

【技术实现步骤摘要】
个性化推荐方法、装置、设备及存储介质


[0001]本专利技术涉及大数据处理
，尤其涉及一种个性化推荐方法、装置、设备及存储介质。

技术介绍

[0002]短视频Feed流(也称瀑布流)是一种常见的个性化推荐产品形态，通常包括沉浸式全屏Feed、单排Feed、双排Feed等。利用推荐系统为用户推荐可能感兴趣的内容是短视频产品的核心功能。当前的瀑布流产品形态中，用户通过刷新页面的方式获取新内容。
[0003]为了保证给用户推荐内容的多样性，避免用户的“审美疲劳”和推荐系统的“信息茧房”，现有的个性化推荐方法是基于候选内容标签进行多样性排序的，该方式存在的问题是，虽然可以实现内容展示多样性，但随着用户不停的刷新页面，看到的同质内容依然很多，存在用户偏好内容曝光过多的问题，容易降低用户的体验感。

技术实现思路

[0004]本专利技术的主要目的在于：提供一种个性化推荐方法、装置、设备及存储介质，旨在解决现有技术中个性化推荐方法存在用户偏好内容曝光过多的技术问题。
[0005]为实现上述目的，本专利技术采用如下技术方案：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种个性化推荐方法，其特征在于，所述方法包括：获取待推荐内容和所述待推荐内容的类型以及学习率参数；根据所述待推荐内容的类型和所述学习率参数，得到各个类型的点击率加权值；根据所述各个类型的点击率加权值，对各个类型的预估点击率进行加权处理，得到各个类型的加权点击率；根据所述各个类型的加权点击率，对所述待推荐内容进行排序，得到所述待推荐内容的推荐顺序。2.如权利要求1所述的个性化推荐方法，其特征在于，所述获取待推荐内容和所述待推荐内容的类型的步骤包括：获取瀑布流产品形态；确定所述瀑布流产品形态对应的展示内容数量；根据所述展示内容数量，确定预加载内容数量；根据所述预加载内容数量，对候选内容中的已曝光内容进行过滤，得到待推荐内容及所述待推荐内容的类型。3.如权利要求2所述的个性化推荐方法，其特征在于，所述根据所述展示内容数量，确定预加载内容数量的步骤包括：根据所述展示内容数量，利用第一计算式，确定预加载内容数量；其中，第一计算式为：其中，req_num表示预加载内容数量，v_num表示展示内容数量。4.如权利要求2所述的个性化推荐方法，其特征在于，所述获取学习率参数的步骤包括：根据所述预加载内容数量，利用第二计算式，确定学习率参数；其中，所述第二计算式为：α＝1
‑
λ
×
req_num，其中，α表示学习率参数，λ表示经验值常数，req_num表示预加载内容数量。5.如权利要求1所述的个性化推荐方法，其特征在于，所述根据所述待推荐内容的类型和所述学习率参数，得到各个类型的点击率加权值的步骤之前，所述方法还包括：获取用户的当前访问步数t；所述根据所述待推荐内容的类型和所述学习率参数，得到各个类型的点击率加权值的步骤包括：当所述t＝1时，初始化各个类型的点击率加权值B(tag)为1；当所述t＞1时，利用第三计算式，更新各个类型的点击率加权值B(tag)；其中，所述第三计算式为：B(tag)＝(1
‑
α)
·
B(tag)+α(t
‑
A(tag))，其中，B(tag)表示类型tag的...

【专利技术属性】
技术研发人员：周东谕，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：