【技术实现步骤摘要】
一种应用内容的推荐方法及装置
[0001]本专利技术涉及应用内容的推荐技术,尤其涉及一种应用内容的推荐方法、一种应用内容的推荐装置,以及一种计算机可读存储介质。
技术介绍
[0002]基于车联网(Internet of Vehicle,IOV)的推荐系统,能够通过车联网获取用户关于车载应用的操作数据,并根据这些操作数据来为用户推荐其感兴趣的应用内容。现有的车联网推荐系统主要采用基于协同过滤(Collaborative Filtering)原理的推荐模型,或者基于应用内容的推荐模型,以实现应用内容的推荐功能。这两种推荐模型都需要依赖大量的用户数据,才能准确地为用户推荐其感兴趣的应用内容。
[0003]然而,在一款推荐系统的完整生命周期中,必然需要经过用户数据从无到有、从少到多的积累过程,而这两种现有的推荐模型都无法解决推荐系统的冷启动问题,也无法在推荐系统运营的初始阶段,为用户提供准确、稳定的内容推荐功能。
[0004]为了克服现有技术存在的上述缺陷,本领域亟需一种应用内容的推荐技术,用于根据用户对目标应用的历史行为数据,以及用户对目标应用中多个内容的使用情况数据,选择合适的推荐模型来为用户提供准确、稳定的内容推荐功能,并解决推荐系统的冷启动问题。
技术实现思路
[0005]以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览,并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多 ...
【技术保护点】
【技术特征摘要】
1.一种应用内容的推荐方法,其特征在于,包括以下步骤:获取用户对目标应用的历史行为数据,以及所述用户对所述目标应用中多个内容的使用情况数据;根据所述历史行为数据及所述使用情况数据,确定所述用户的优先级;以及根据所述优先级,使用至少一个对应的推荐模型向所述用户推荐内容。2.如权利要求1所述的推荐方法,其中,所述根据所述历史行为数据及所述使用情况数据,确定所述用户的优先级的步骤包括:统计所述历史行为数据的数据量;根据所述多个内容的使用情况数据,统计所述用户对所述目标应用中所有内容的使用率;以及根据所述历史行为数据的数据量,以及用户对所述目标应用中所有内容的所述使用率,确定所述用户的优先级。3.如权利要求2所述的推荐方法,其中,所述根据所述历史行为数据的数据量,以及用户对所述目标应用中所有内容的所述使用率,确定所述用户的优先级的步骤包括:响应于所述数据量大于或等于第一数据量阈值N1,且所述使用率大于或等于第一使用率阈值R1的情况,确定所述用户属于第一优先级,所述根据所述优先级,使用至少一个对应的推荐模型向所述用户推荐内容的步骤包括:响应于用户达到所述第一优先级,使用召回排序推荐模型,先根据所述用户的历史行为数据进行协同过滤以确定推荐列表,再根据所述推荐列表中各所述内容的属性进行排序,以确定所述用户感兴趣的一个或多个内容;以及将所述用户感兴趣的所述一个或多个内容推荐给所述用户。4.如权利要求3所述的推荐方法,其中,所述根据所述用户的历史行为数据进行协同过滤以确定推荐列表的步骤包括:获取所述用户对所述目标应用的多个所述内容的历史行为数据;根据所述历史行为数据,确定所述用户对各所述内容的评分;将所述用户对各所述内容的评分加入预先构建的用户
‑
内容评分矩阵,其中,所述用户
‑
内容评分矩阵中包括多个用户样本对各所述内容的评分;使用ALS算法模型根据预设的超参来分解所述用户
‑
内容评分矩阵,以获取用户特征矩阵及内容特征矩阵;将所述用户特征矩阵及各所述内容特征矩阵相乘,以补全所述用户
‑
内容评分矩阵;以及根据补全的所述用户
‑
内容评分矩阵,确定所述推荐列表。5.如权利要求4所述的推荐方法,其中,所述根据所述推荐列表中各所述内容的属性进行排序,以确定所述用户感兴趣的一个或多个内容的步骤包括:根据所述用户对所述推荐列表中各所述内容的历史行为数据构建属性特征向量;以及将所述属性特征向量输入预先训练的逻辑回归模型,以确定所述用户感兴趣的一个或多个内容。6.如权利要求5所述的推荐方法,其中,训练所述逻辑回归模型的步骤包括:获取多个用户样本对所述目标应用的各所述内容的历史行为数据,以分别构建各所述
用户样本对各所述内容的属性特征向量;根据各所述用户样本对各所述内容的历史行为数据,确定各所述用户样本对各所述内容的推荐标签;以及根据各所述用户样本的属性特征向量及推荐标签,调整待训练的逻辑回归模型的迭代次数参数及过拟合参数。7.如权利要求3所述的推荐方法,其中,所述根据所述历史行为数据的数据量,以及用户对所述目标应用中所有内容的所述使用率,确定所述用户的优先级的步骤还包括:响应于所述数据量小于第一数据量阈值N1,而所述使用率大于或等于第一使用率阈值R1的情况,确定所述用户属于第二优先级,其中,所述第二优先级低于所述第一优先级,所述根据所述优先级,使用至少一个对应的推荐模型向所述用户推荐内容的步骤还包括:响应于所述用户达到所述第二优先级,根据所述用户对所述目标应用中各所述内容的使用情况数据,使用基于内容的推荐模型向所述用户推荐一个或多个相似内容。8.如权利要求7所述的推荐方法,其中,所述根据所述用户对所述目标应用中各所述内容的使用情况数据,使用基于内容的推荐模型向所述用户推荐一个或多个相似内容的步骤包括:根据所述使用情况数据,确定所述用户在所述目标应用中使用过的第一内容;获取所述第一内容中涉及的一个或多个第一关键词;根据各所述第一关键词在所述第一内容中的词频及稀疏性,构建第一关键词特征向量;分别计算所述目标应用中未使用过的一个或多个第二内容的第二关键词特征向量与所述第一关键词特征向量的相似度,以确定相似于所述第一内容的一个或多个第二内容;以及向所述用户推荐相似于所述第一内容的所述一个或多个第二内容。9.如权利要求7所述的推荐方法,其中,所述根据所述历史行为数据的数据量,以及用户对所述目标应用中所有内容的所述使用率,确定所述用户的优先级的步骤还包括:响应于所述数据量小于第二数据量阈值N2和/或所述使用率小于第二使用率阈值R2的情况,确定所述用户属于第三优先级,其中...
【专利技术属性】
技术研发人员:孙晓磊,
申请(专利权)人:沈阳精一智驾科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。