内容推荐方法、装置、设备、存储介质及计算机程序产品制造方法及图纸

本申请公开了一种内容推荐方法、装置、设备、存储介质及计算机程序产品，包括：接收目标用户通过客户端发送的内容推荐请求，获取用于表征目标用户对多种推荐场景的内容的行为的第一表征向量，用于表征目标用户对多种推荐场景的内容的偏好的第二表征向量，用于表征目标用户对多种推荐场景的内容的作者的行为的第三表征向量；根据第一表征向量、第二表征向量以及第三表征向量确定目标用户的相似用户；从相似用户的历史行为数据中提取属于目标推荐场景的内容作为候选内容；从候选内容中筛选出目标内容推荐到客户端，实现了用户对目标推荐场景的内容的行为数据稀疏时，通过多种推荐场景下用户的向量向用户推荐目标推荐场景的、用户感兴趣的内容。户感兴趣的内容。户感兴趣的内容。

【技术实现步骤摘要】
内容推荐方法、装置、设备、存储介质及计算机程序产品


[0001]本申请实施例涉及数据推荐
，尤其涉及一种内容推荐方法、装置、设备、存储介质及计算机程序产品。

技术介绍

[0002]在应用程序客户端上，向用户推荐用户感兴趣的内容是提高用户使用体验的重要手段，因此，如何获取用户感兴趣的内存推荐给用户至关重要。
[0003]目前，基于用户协同过滤的内容推荐方法中，当需要向目标用户推荐某一推荐场景的内容时，仅仅是基于目标用户对该推荐场景的内容的行为数据来计算与目标用户的相似用户，将相似用户浏览过的或者感兴趣的、该推荐场景的内容推荐给目标用户。
[0004]现有基于用户协同过滤的内容推荐方法中，当目标用户对某一推荐场景的内容的历史行为稀疏时，难以获取到目标用户的相似用户，导致无法召回该推荐场景的内容推荐给目标用户。

技术实现思路

[0005]本申请实施例提供一种内容推荐方法、装置、设备、存储介质及计算机程序产品，以解决现有基于用户协同过滤的内容推荐方法在用户行为稀疏时难以获得相似用户，导致推荐失败的问题。
[0006]第一方面，本申请实施例提供了一种内容推荐方法，包括：
[0007]接收目标用户通过客户端发送的内容推荐请求，所述内容推荐请求中包括所请求的内容的目标推荐场景；
[0008]获取所述目标用户的第一表征向量、第二表征向量以及第三表征向量，其中，所述第一表征向量为表征目标用户对多种推荐场景的内容的行为的向量，所述第二表征向量为表征所述目标用户对多种推荐场景的内容的偏好的向量，所述第三表征向量为表征所述目标用户对多种推荐场景的内容的作者的行为的向量；
[0009]根据所述第一表征向量、第二表征向量以及第三表征向量确定所述目标用户的相似用户；
[0010]从所述相似用户的历史行为数据中提取属于所述目标推荐场景的内容作为候选内容；
[0011]从所述候选内容中筛选出目标内容推荐到所述客户端。
[0012]第二方面，本申请实施例提供了一种内容推荐装置，包括：
[0013]请求接收模块，用于接收目标用户通过客户端发送的内容推荐请求，所述内容推荐请求中包括所请求的内容的目标推荐场景；
[0014]向量获取模块，用于获取所述目标用户的第一表征向量、第二表征向量以及第三表征向量，其中，所述第一表征向量为表征目标用户对多种推荐场景的内容的行为的向量，所述第二表征向量为表征所述目标用户对多种推荐场景的内容的偏好的向量，所述第三表
征向量为表征所述目标用户对多种推荐场景的内容的作者的行为的向量；
[0015]相似用户确定模块，用于根据所述第一表征向量、第二表征向量以及第三表征向量确定所述目标用户的相似用户；
[0016]候选内容获取模块，用于从所述相似用户的历史行为数据中提取属于所述目标推荐场景的内容作为候选内容；
[0017]内容推荐模块，用于从所述候选内容中筛选出目标内容推荐到所述客户端。
[0018]第三方面，本申请实施例提供了一种内容推荐设备，所述内容推荐设备包括：
[0019]一个或多个处理器；
[0020]存储装置，用于存储一个或多个计算机程序，
[0021]当所述一个或多个计算机程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本申请第一方面所述的内容推荐方法。
[0022]第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本申请第一方面和第二方面任一项所述的内容推荐方法。
[0023]第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品中的指令被处理器执行时实现如第一方面所述的内容推荐方法
[0024]本申请实施例在接收到针对目标推荐场景的内容推荐请求时，获取用于表征目标用户对多种推荐场景的内容的行为的第一表征向量、用于表征目标用户对多种推荐场景的内容的偏好的第二表征向量、以及用于表征目标用户对多种推荐场景的内容的作者的行为的第三表征向量，并通过第一表征向量、第二表征向量以及第三表征向量确定目标用户的相似用户，进一步从相似用户的历史行为数据中提取属于目标推荐场景的内容作为候选内容，从候选内容中筛选出目标内容推荐到客户端，通过目标用户在不同推荐场景的第一表征向量、第二表征向量以及第三表征向量，可以从多推荐场景的内容、用户对内容的行为数据、用户与用户之间的行为来确定目标用户的相似用户，避免了目标用户对目标场景下的内容的历史行为数据稀疏时无法召回相似用户，导致推荐内容失败的问题，能够在目标用户对目标推荐场景的内容的行为数据稀疏时，向目标用户推荐目标推荐场景相关的、感兴趣的内容。
附图说明
[0025]图1是本申请实施例一提供的一种内容推荐方法的流程图；
[0026]图2A是本申请实施例二提供的一种内容推荐方法的流程图；
[0027]图2B是本申请实施例中异构图的示意图；
[0028]图2C是本申请实施例中内容推荐的一个示例的示意图；
[0029]图3是本申请实施例三提供的一种内容推荐装置的结构框图；
[0030]图4是本申请实施例四提供的一种内容推荐设备的结构框图。
具体实施方式
[0031]下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便
于描述，附图中仅示出了与本申请相关的部分而非全部结构。
[0032]内容推荐可以是在客户端页面向目标用户推荐内容，内容可以是各种推荐场景下需要推荐的数据，示例性地，在视频客户端中，推荐场景可以包括推荐直播间的场景、推荐帖子的场景、推荐视频的场景，则内容可以分别是直播间、帖子、短视频。
[0033]在现有基于用户协同过滤的内容推荐方法中，当需要向目标用户(内容推荐的对象)推荐目标推荐场景的内容时，例如，在推荐视频场景中向目标用户推荐视频时，通常是获取该目标用户观看的历史视频以及对历史视频的点赞、分享等行为数据，然后通过历史视频以及行为数据计算该目标用户与其他用户的相似度来确定相似用户，获取相似用户观看过的视频推荐给目标用户，当目标用户为新用户、或者目标用户观看过的视频较少甚至未观看过视频造成历史视频数据和行为数据稀疏时，导致无法计算该目标用户的相似用户，最终无法召回视频推荐给目标用户，为解决上述问题，本申请实施例提供了以下内容推荐方法。
[0034]实施例一
[0035]图1为本申请实施例一提供的一种内容推荐方法的流程图，本申请实施例可适用于向用户推荐某一推荐场景的内容的情况，该方法可以由本申请实施的内容推荐装置来执行，该内容推荐装置可以由硬件或软件来实现，并集成在本申请实施例所提供的内容推荐设备中，如集成在与客户端通信的服务器上，具体地，如图1所示，本申请实施例的内容推荐方法可以包括如下步骤：
[0036]S101、接收目标用户通过客户端本文档来自技高网...

【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：接收目标用户通过客户端发送的内容推荐请求，所述内容推荐请求中包括所请求的内容的目标推荐场景；获取所述目标用户的第一表征向量、第二表征向量以及第三表征向量，其中，所述第一表征向量为表征目标用户对多种推荐场景的内容的行为的向量，所述第二表征向量为表征所述目标用户对多种推荐场景的内容的偏好的向量，所述第三表征向量为表征所述目标用户对多种推荐场景的内容的作者的行为的向量；根据所述第一表征向量、第二表征向量以及第三表征向量确定所述目标用户的相似用户；从所述相似用户的历史行为数据中提取属于所述目标推荐场景的内容作为候选内容；从所述候选内容中筛选出目标内容推荐到所述客户端。2.如权利要求1所述的内容推荐方法，其特征在于，所述目标用户的第一表征向量、第二表征向量以及第三表征向量通过以下方式预先生成并存储在数据库中：针对每种推荐场景，获取所述目标用户在所述推荐场景的初始第一表征向量、初始第二表征向量以及初始第三表征向量；将所述初始第一表征向量、初始第二表征向量以及初始第三表征向量处理为统一尺度下的向量，得到中间第一表征向量、中间第二表征向量以及中间第三表征向量；将所述目标用户在每种推荐场景下的中间第一表征向量、中间第二表征向量、中间第三表征向量分别拼接，得到所述目标用户在多种推荐场景下的第一表征向量、第二表征向量以及第三表征向量。3.如权利要求2所述的内容推荐方法，其特征在于，所述针对每种推荐场景，获取所述目标用户在所述推荐场景的初始第一表征向量、初始第二表征向量以及初始第三表征向量，包括：针对每种推荐场景，获取所述目标用户的用户信息、所述目标用户对所述推荐场景的内容的内容行为数据以及所述目标用户对其他用户的用户行为数据；采用所述内容行为数据生成所述目标用户在每种推荐场景的初始第一表征向量；将所述用户信息和每种推荐场景的内容的所述内容行为数据输入预先训练的表征向量提取模型中，得到所述目标用户在每种推荐场景的初始第二表征向量；采用所述初始第一表征向量、所述内容行为数据以及所述目标用户对其他用户的用户行为数据生成所述目标用户在每种推荐场景的初始第三表征向量。4.如权利要求3所述的内容推荐方法，其特征在于，所述内容行为数据包括所述内容的内容ID，所述采用所述内容行为数据生成所述目标用户在每种推荐场景的初始第一表征向量，包括：针对每种推荐场景下的每条内容，确定所述内容的内容ID以及所述目标用户对所述内容的行为；将所述内容ID作为向量分量的下标、所述目标用户对所述内容的行为的分值作为向量分量的向量值，以生成所述目标用户在每种推荐场景的初始第一表征向量。5.如权利要求3所述的内容推荐方法，其特征在于，所述内容行为数据包括内容的作者，所述采用所述初始第一表征向量、所述内容行为数据以及所述目标用户对其他用户的
用户行为数据生成所述目标用户在每种推荐场景的初始第三表征向量，包括：将所述初始第一表征向量中各个分量的下标替换为所述内容的作者的用户ID；从所述目标用户对其他用户的用户行为数据中确定出所述目标用户所关注的用户的用户ID；采用预设分值更新所述第一表征向量中下标为各个用户ID的分量的值，得到所述目标用户在每种推荐场景的初始第三表征向量，其中，所述预设分值为关注行为对应的值。6....

【专利技术属性】
技术研发人员：章立，谭怒涛，孙立波，
申请(专利权)人：百果园技术新加坡有限公司，
类型：发明
国别省市：