社区问答推荐方法、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社区问答推荐方法，包括：获取问答内容推荐候选集，其中问答内容推荐候选集包括问答内容的基础特征数据；获取用户的用户信息，其中用户信息包括用户的个人信息数据和历史行为数据；根据基础特征数据、个人信息数据、历史行为数据，得到问答内容推荐候选集中各问答内容的Embedding值；根据问答内容的Embedding值和所述历史行为数据，计算用户的Embedding值；计算问答内容的Embedding值和用户的Embedding值的相似度；根据相似度生成初始问答内容推荐集；将基础特征数据、个人信息数据、所述历史行为数据输入因子分解机模型中，对初始问答内容推荐集中包含的问答内容进行相关性排序，得到问答内容推荐集。得到问答内容推荐集。得到问答内容推荐集。

【技术实现步骤摘要】
社区问答推荐方法、装置、设备及存储介质


[0001]本专利技术涉及到深度学习领域，具体而言，涉及到一种社区问答推荐方法、装置、设备及存储介质。

技术介绍

[0002]推荐系统是现代机器学习算法应用的重要领域之一，在广告推荐以及社区推荐等场景中起到了至关重要的作用，对于社区推荐的场景而言，推荐算法能提升用户粘性以及内容的转化率；对于用户而言，推荐系统能更精准地匹配到用户有可能感兴趣的内容；而对于社区内容的生产者而言，一个好的推荐系统能够为生产者带来更多对其内容感兴趣的用户，能够进一步激励生产者的创作，对于UGC社区应用来说推荐系统能够成为内容的生产者以及消费者之间的桥梁，这对于抖音、今日头条在内的应用程序十分重要。
[0003]传统推荐系统存在以下问题：(1)对于没任何行为记录的冷启动用户和物品，由于缺乏相关的行为数据则难以预测其兴趣。(2)存在数据稀疏性问题，在数据足够稀疏的情况下，任意两个用户的浏览的物品交集都是比较小的，存在对于同义问题难以区分的情况。(3)模型缺乏泛化性导致模型难以泛化到生产环境的复杂数据中。<br/>
技术实现思路
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种社区问答推荐方法，其特征在于，包括：获取问答内容推荐候选集，其中所述问答内容推荐候选集包括问答内容的基础特征数据；获取用户的用户信息，其中所述用户信息包括用户的个人信息数据和历史行为数据；根据所述基础特征数据、所述个人信息数据、所述历史行为数据，得到所述问答内容推荐候选集中各问答内容的Embedding值；根据所述问答内容的Embedding值和所述历史行为数据，计算所述用户的Embedding值；计算所述问答内容的Embedding值和所述用户的Embedding值的相似度；根据所述相似度生成初始问答内容推荐集；将所述基础特征数据、所述个人信息数据、所述历史行为数据输入因子分解机模型中，对所述初始问答内容推荐集中包含的问答内容进行相关性排序，得到问答内容推荐集。2.根据权利要求1所述的社区问答推荐方法，其特征在于，所述获取问答内容推荐候选集的步骤，包括：从数据库中筛选出符合预设推荐标准的问答内容，生成问答内容推荐候选集，其中，所述数据库包含社区内所有问答内容。3.根据权利要求1所述的社区问答推荐方法，其特征在于，所述获取问答内容推荐候选集的步骤之前，包括：判断用户是否为活跃用户；若否，则将热门问答内容推荐给所述用户。4.根据权利要求1所述的社区问答推荐方法，其特征在于，所述根据所述基础特征数据、所述个人信息数据、所述历史行为数据，得到所述问答内容推荐候选集中各问答内容的Embedding值的步骤，包括：对所述基础特征数据、所述个人信息数据、所述历史行为数据进行编码，得到各所述问答内容中各特征的Embedding值；对每一个所述问答内容中的多个特征进行分类；将相同分类下的特征的embedding值相加，得到各分类的embedding值；根据各分类的embedding值生成所述问答内容的embedding值。5.根据权利要求1所述的社区问答推荐方法，其特征在于，所述根据所述问答内容的Embedding值和所述历史行为数据，计算所述用户的Embedding值的步骤，包括：根据所述历史行为数据，获得行为漏斗数据；根据所述行为漏斗数据计算不同历史行为数据的权重；基于所述权重，对所述问答内容的embedding值进行加权求和，得到所述用户的embedding值。6.根据权利要求1所述的社...

【专利技术属性】
技术研发人员：林鹤，赵晓辉，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：