用于内容推荐的方法、装置、设备和存储介质制造方法及图纸

根据本公开的实施例，提供了用于内容推荐的方法、装置、设备和存储介质。该方法包括：通过将候选推荐内容项集应用到质量评估模型，来确定候选推荐内容项集中相应候选推荐内容项的质量度量；基于质量度量来选择候选推荐内容项集中可被推荐的候选推荐内容项子集；以及从候选推荐内容项子集中确定要被推荐给目标受众群的至少一个目标推荐内容项。根据该方案，可以通过客观评估内容质量，确保质量相对好的内容被推荐给用户。内容被推荐给用户。内容被推荐给用户。

【技术实现步骤摘要】
用于内容推荐的方法、装置、设备和存储介质


[0001]本公开的示例实施例总体涉及计算机
，特别地涉及用于内容推荐的方法、装置、设备和计算机可读存储介质。

技术介绍

[0002]在技术信息化高速发展的时代，互联网提供了对各种各样资源的访问。例如，通过互联网可以访问各类新闻、文章、音视频内容、商品等。随着资源数量和种类快速增长，推荐系统作为一个热门话题和非常重要的应用，被用于向受众群推荐各类资源。在推荐时，期望所推荐的资源(也称为“推荐内容项”)符合用户需求，从而确保良好用户体验。

技术实现思路

[0003]在本公开的第一方面，提供了一种内容推荐的方法。该方法包括：通过将候选推荐内容项集应用到质量评估模型，来确定候选推荐内容项集中相应候选推荐内容项的质量度量；基于质量度量来选择候选推荐内容项集中可被推荐的候选推荐内容项子集；以及从候选推荐内容项子集中确定要被推荐给目标受众群的至少一个目标推荐内容项。
[0004]在本公开的第二方面，提供了一种用于内容推荐的装置。该装置包括：质量评估模块，被配置为通过将候选推荐内容项集应用到质量评估模型，来确定候选推荐内容项集中相应候选推荐内容项的质量度量；候选项选择模块，被配置为基于质量度量来选择候选推荐内容项集中可被推荐的候选推荐内容项子集；以及目标项确定模块，被配置为从候选推荐内容项子集中确定要被推荐给目标受众群的至少一个目标推荐内容项。
[0005]在本公开的第三方面，提供了一种电子设备。该设备包括至少一个处理单元；以及至少一个存储器，至少一个存储器被耦合到至少一个处理单元并且存储用于由至少一个处理单元执行的指令。指令在由至少一个处理单元执行时使设备执行第一方面的方法。
[0006]在本公开的第四方面，提供了一种计算机可读存储介质。该介质上存储有计算机程序，计算机程序被处理器执行时实现第一方面的方法。
[0007]应当理解，该部分中所描述的内容并非旨在限定本公开的实施例的关键特征或重要特征，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描述而变得容易理解。
附图说明
[0008]结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
[0009]图1示出了能够在其中实现本公开的实施例的示例环境的示意图；
[0010]图2示出了根据本公开的一些实施例的用于内容推荐的过程的流程图；
[0011]图3示出了能够在其中实现本公开的实施例的示例模型训练和应用环境的示意图；
[0012]图4示出了根据本公开的一些实施例的获得质量评估模型的流程图；
[0013]图5A和图5B示出了根据本公开的一些实施例的质量评估模型在推荐流程中的示例应用的示意图；
[0014]图6示出了根据本公开的一些实施例的用于内容推荐的装置的框图；以及
[0015]图7示出了其中可以实施本公开的一个或多个实施例的电子设备的框图。
具体实施方式
[0016]下面将参照附图更详细地描述本公开的实施例。虽然附图中示出了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0017]在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“一些实施例”应当理解为“至少一些实施例”。下文还可能包括其他明确的和隐含的定义。
[0018]可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
[0019]可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当根据相关法律法规通过适当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
[0020]例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息，从而使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
[0021]作为一种可选的但非限制性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式，例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或“不同意”向电子设备提供个人信息的选择控件。
[0022]可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本公开的实现方式构成限定，其他满足相关法律法规的方式也可应用于本公开的实现方式中。
[0023]如本文中所使用的，术语“模型”可以从训练数据中学习到相应的输入与输出之间的关联关系，从而在训练完成后可以针对给定的输入，生成对应的输出。模型的生成可以基于机器学习技术。深度学习是一种机器学习算法，通过使用多层处理单元来处理输入和提供相应输出。神经网络模型是基于深度学习的模型的一个示例。在本文中，“模型”也可以被称为“机器学习模型”、“学习模型”、“机器学习网络”或“学习网络”，这些术语在本文中可互换地使用。
[0024]“神经网络”是一种基于深度学习的机器学习网络。神经网络能够处理输入并且提供相应输出，其通常包括输入层和输出层以及在输入层与输出层之间的一个或多个隐藏层。在深度学习应用中使用的神经网络通常包括许多隐藏层，从而增加网络的深度。神经网
络的各个层按顺序相连，从而前一层的输出被提供作为后一层的输入，其中输入层接收神经网络的输入，而输出层的输出作为神经网络的最终输出。神经网络的每个层包括一个或多个节点(也称为处理节点或神经元)，每个节点处理来自上一层的输入。
[0025]通常，机器学习大致可以包括三个阶段，即训练阶段、测试阶段和应用阶段(也称为推理阶段)。在训练阶段，给定的模型可以使用大量的训练数据进行训练，不断迭代更新参数值，直到模型能够从训练数据中获得一致的满足预期目标的推理。通过训练，模型可以被认为能够从训练数据中学习从输入到输出之间的关联(也称为输入到输出的映射)。训练后的模型的参数值被确定。在测试阶段，将测试输入应用到训练后的模型，测试模型是否能够提供正确的输出，从而确定模型的性能。在应用阶段，模型可以被用于基于训练得到的参数值，对实际的输入进行处理，确定对应的输出。
[0026]图1示出了能够在其中实现本公开的实施例的示例环境100的示意图。在环境100中，推荐系统110被配置为基于相应策略，向受众群提供与一个或多个资源相关的一个或多个特定推荐内容项(例如提供到终端设备130)。推荐内容库120包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种内容推荐的方法，包括：通过将候选推荐内容项集应用到质量评估模型，来确定所述候选推荐内容项集中相应候选推荐内容项的质量度量；基于所述质量度量来选择所述候选推荐内容项集中可被推荐的候选推荐内容项子集；以及从所述候选推荐内容项子集中确定要被推荐给目标受众群的至少一个目标推荐内容项。2.根据权利要求1所述的方法，其中所述质量评估模型基于样本推荐内容项集以及所述样本推荐内容项集中相应样本推荐内容项的质量度量，样本推荐内容项的质量度量基于样本受众群对该样本推荐内容项的历史交互信息来确定。3.根据权利要求2所述的方法，其中样本推荐内容项的所述历史交互信息包括与对该样本推荐内容项的多个历史交互行为相对应的多个交互得分，并且样本推荐内容项的质量度量通过以下来确定：利用与所述多个历史交互行为分别相关联的多个预定权重来加权所述多个交互得分；以及合并加权后的所述多个交互得分以得到该样本推荐内容项的质量度量。4.根据权利要求3所述的方法，其中所述多个预定权重通过以下来确定：获得标注推荐内容项集，所述标注推荐内容项集中的相应推荐内容项被标注有质量度量；获得所述标注推荐内容项集中相应推荐内容项的所述多个历史交互行为相对应的多个交互得分；以及通过将所述标注推荐内容项集中相应推荐内容项的所述多个交互得分的加权和拟合到对应的质量度量，来确定与所述多个历史交互行为分别相关联的所述多个预定权重。5.根据权利要求2所述的方法，其中样本推荐内容项的所述历史交互信息指示该样本推荐内容项的以下至少一项：点击率，浏览时长，浏览完成率，收藏率，评论率，点赞率，转发率。6.根据权利要求1所述的方法，其中候选推荐内容项的质量度量指示该候选推荐内容项在多个预定质量等级中的分类结果。7.根据权利要求1至6中任一项所述的方法，其中所述候选推荐内容项集包括推荐内容项库中的候选推荐内容项，并且其中确定所述至少一个目标推荐内容项包括：基于所述目标受众群的特征信息，从所述候选推荐内容项子集中选择与所述特征信息相匹配的至少一个目标推荐内容项。8.根据权利要求1至6中任一项所述的方法，其中所述候选推荐内容项集包括与所述目标受众群的特征信息相匹配的候选推荐内容项。9.一种用于内容推荐的装置，包括：质量评估模块，被配置为通过将候选推荐内容项集应用到质量评估模型，来确定所述候选推荐内容项集中相应候选推荐内容项的质量度量；候选项选择模块，被配置为基于所述质量度量来选择所述候选推荐内容项集中可被推荐的候选推荐...

【专利技术属性】
技术研发人员：侯盼盼，罗涛，
申请(专利权)人：抖音视界有限公司，
类型：发明
国别省市：