一种内容推荐模型训练方法、系统、装置与介质制造方法及图纸

本申请公开了一种内容推荐模型训练方法、系统、装置和存储介质，其中方法包括以下步骤：获取运维知识问答标题库的第一词汇集合；所述第一词汇集合用于表征运维知识问答标题库中频率排名前若干位的关键词组成的集合；根据所述第一词汇集合，对问答知识内容库进行分类，确定所述关键词对应的第一内容集合；根据所述第一内容集合，对神经网络模型进行训练，得到内容推荐模型。本方法相比于传统的基于内容和协同过滤的推荐算法具有更好的性能，能更快速得到关键词对应的内容推荐，可以提高内容推荐的准确度以及推荐速度，提高用户体验。本申请可广泛应用于人工智能技术领域。可广泛应用于人工智能技术领域。可广泛应用于人工智能技术领域。

【技术实现步骤摘要】
一种内容推荐模型训练方法、系统、装置与介质


[0001]本申请涉及人工智能
，尤其是一种内容推荐模型训练方法、系统、装置与存储介质。

技术介绍

[0002]在市场竞争越来越激烈的情况下,知识已成为企业经营的首要资源,企业的竞争优势越来越体现在企业是否拥有雄厚的知识资本以及独特的经营能力,因此,知识管理正在成为企业最核心的管理内容。大型企业和组织等，逐渐开始部署知识管理平台，实现显性知识和隐性知识的共享，员工自愿合作共享和开发知识资源，以使企业和组织达到更高的目标和产生更好的效益。
[0003]在这样的背景下，有关企业决定建设和部署集团自己的知识管理平台，其目的是打通知识能力与业务赋能转化路径和专家能力调用机制，促进知识成果沉淀和内容再生，全面提升相关人员的综合能力和业务效率。但面对百万级别数量的文档和视频，用户如何快速从平台上找到自己喜好的内容，仅靠搜索功能是无法满足的，平台必须提供内容推荐功能，在传统的内容推荐模块中，由于在模型训练时，存在很多和推荐内容无关的文本数据，导致平台推荐精度较差。因此，相关技术中仍存在需要改进的技术问本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种内容推荐模型训练方法，其特征在于，包括以下步骤：获取运维知识问答标题库的第一词汇集合；所述第一词汇集合用于表征所述运维知识问答标题库中频率排名处于前若干位的关键词组成的集合；根据所述第一词汇集合，对问答知识内容库进行分类，确定所述关键词对应的第一内容集合；根据所述第一内容集合，对神经网络模型进行训练，得到内容推荐模型。2.根据权利要求1所述一种内容推荐模型训练方法，其特征在于，所述频率包括词频
‑
逆文本频率，所述获取运维知识问答标题库的第一词汇集合这一步骤，具体包括：从所述运维知识问答标题库中提取各功能模块的关键词；确定在所述运维知识问答标题库中词频
‑
逆文本频率排名处于前若干个的所述关键词为第一词汇集合。3.根据权利要求1所述一种内容推荐模型训练方法，其特征在于，所述根据所述第一内容集合，对神经网络模型进行训练，得到内容推荐模型这一步骤，具体包括：基于用户与所述第一内容集合的交互，获取所述用户对所述第一内容集合中每个内容的浏览数据；根据所述浏览数据，确定所述用户对所述每个内容的评价数据；根据所述评价数据，确定所述用户的评价数据矩阵；根据所述评价数据矩阵，对神经网络模型进行训练，得到内容推荐模型。4.根据权利要求3所述一种内容推荐模型训练方法，其特征在于，所述浏览数据包括用户打开内容链接次数、用户浏览内容次数、用户点赞内容次数、用户点击收藏次数、用户下载内容次数、用户分享内容次数以及用户对内容评价次数，所述根据所述浏览数据，确定所述用户对所述每个内容的评价数据这一步骤，具体包括：根据所述用户打开内容链接次数与第一预设权重，确定第一评价数据；根据所述用户浏览内容次数与第二预设权重，确定第二评价数据；根据所述用户点赞内容次数与第三预设权重，确定第三评价数据；根据所述用户点击收藏次数与第四预设权重，确定第四评价数据；根据所述用户下载内容次数与第五预设权重、确定第五评价数据；根据所述用户分享内容次数与第六预设权重，确定第六评价数据；根据所述用户对内容评价次数与第七预设权重，确定第七评价数据；以所述第一评价数据、所述第二评价数据、所述第三评价数据、所述第四评价数据、所述第五评价数据、所述第六评价数据以及所述第七评价数据的总和为所述用户对所述每个内容的评价数据。5...

【专利技术属性】
技术研发人员：王晓勇，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：