内容推荐方法、装置、电子设备、存储介质和程序产品制造方法及图纸

本申请实施例公开了一种内容推荐方法、装置、电子设备、存储介质和程序产品；本申请实施例获取待推荐对象的个性化标识以及所述待推荐对象的对象特征；拼接所述个性化标识以及所述对象特征，得到拼接后的对象特征；对所述拼接后的对象特征进行编码，得到初始编码向量；通过所述个性化标识对应的目标参数，调整所述初始编码向量，得到目标向量；确定所述目标向量对应的目标内容，并将所述目标内容推荐至所述待推荐对象。由此，本方案可以在内容推荐过程中，增加对个性化标识的关注，提供与个性化标识相关的推送内容，满足待推荐对象的推荐需求，提升推送内容的准确性。提升推送内容的准确性。提升推送内容的准确性。

【技术实现步骤摘要】
内容推荐方法、装置、电子设备、存储介质和程序产品


[0001]本申请涉及计算机
，具体涉及一种内容推荐方法、装置、电子设备、存储介质和程序产品。

技术介绍

[0002]随着网络技术的发展，越来越多内容平台会基于内容推荐服务为不同的对象进行内容推荐。然而，目前内容推荐服务主要依赖于内容推荐模型，内容推荐模型为对象所推荐的内容常不符合对象的需求，推荐内容的准确度低。

技术实现思路

[0003]本申请实施例提供一种内容推荐方法、装置、电子设备、存储介质和程序产品，可以提升推送内容的准确性。
[0004]本申请实施例提供一种内容推荐方法，包括：获取待推荐对象的个性化标识以及所述待推荐对象的对象特征；拼接所述个性化标识以及所述对象特征，得到拼接后的对象特征；对所述拼接后的对象特征进行编码，得到初始编码向量；通过所述个性化标识对应的目标参数，调整所述初始编码向量，得到目标向量；确定所述目标向量对应的目标内容，并将所述目标内容推荐至所述待推荐对象。
[0005]本申请实施例还提供一种内容推荐装置，包括：获取单元，用于获取待推荐对象的个性化标识以及所述待推荐对象的对象特征；拼接单元，用于拼接所述个性化标识以及所述对象特征，得到拼接后的对象特征；编码单元，用于对所述拼接后的对象特征进行编码，得到初始编码向量；调整单元，用于通过所述个性化标识对应的目标参数，调整所述初始编码向量，得到目标向量；推荐单元，用于确定所述目标向量对应的目标内容，并将所述目标内容推荐至所述待推荐对象。
[0006]本申请实施例还提供一种电子设备，包括处理器和存储器，所述存储器存储有多条指令；所述处理器从所述存储器中加载指令，以执行本申请实施例所提供的任一种内容推荐方法中的步骤。
[0007]本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行本申请实施例所提供的任一种内容推荐方法中的步骤。
[0008]本申请实施例还提供一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现本申请实施例所提供的任一种内容推荐方法中的步骤。
[0009]本申请实施例可以获取待推荐对象的个性化标识以及所述待推荐对象的对象特征；拼接所述个性化标识以及所述对象特征，得到拼接后的对象特征；对所述拼接后的对象特征进行编码，得到初始编码向量；通过所述个性化标识对应的目标参数，调整所述初始编码向量，得到目标向量；确定所述目标向量对应的目标内容，并将所述目标内容推荐至所述待推荐对象。
[0010]在本申请中，本申请实施例提供的方案能够根据个性化标识以及对象特征，拼接并编码得到初始编码向量，以使得在内容推荐过程中，增加对个性化标识的关注，提供与个性化标识相关的推送内容。再通过个性化标识对应的目标参数调整初始编码向量，使初始编码向量能够经由目标参数学习个性化标识对应的信息，进一步增加对个性化标识的关注，以推荐符合个性化标识的内容，满足待推荐对象的推荐需求，提升推送内容的准确性。
附图说明
[0011]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0012]图1a是本申请实施例提供的内容推荐方法的场景示意图；
[0013]图1b是本申请实施例提供的内容推荐方法的流程示意图；
[0014]图2a是本申请实施例提供的内容推荐模型的结构示意图；
[0015]图2b是本申请另一个实施例提供的内容推荐方法的流程示意图；
[0016]图2c是本申请实施例提供的目标内容推荐模型的结构示意图；
[0017]图2d是本申请实施例提供的使用目标内容推荐模型进行内容推荐的流程示意图；
[0018]图2e是本申请实施例提供的根据内容平台1的数据集评估单属性公平需求的场景的不同模型效果的实验结果；
[0019]图2f是本申请实施例提供的根据内容平台2的数据集评估单属性公平需求的场景的不同模型效果的实验结果；
[0020]图2g是本申请实施例提供的分别根据内容平台1以及内容平台2的数据集评估复合属性公平性需求的场景的不同模型效果的实验结果；
[0021]图3是本申请再一个实施例提供的内容推荐方法的流程示意图；
[0022]图4是本申请实施例提供的内容推荐装置的结构示意图；
[0023]图5是本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0024]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0025]本申请实施例提供一种内容推荐方法、装置、电子设备、存储介质和程序产品。
[0026]其中，该内容推荐装置具体可以集成在电子设备中，该电子设备可以为终端、服务器等设备。其中，终端可以为手机、平板电脑、智能蓝牙设备、笔记本电脑、或者个人电脑(Personal Computer，PC)等设备；服务器可以是单一服务器，也可以是由多个服务器组成的服务器集群。
[0027]在一些实施例中，该内容推荐装置还可以集成在多个电子设备中，比如，内容推荐装置可以集成在多个服务器中，由多个服务器来实现本申请的内容推荐方法。
[0028]在一些实施例中，服务器也可以以终端的形式来实现。
[0029]例如，参考图1a，内容推荐方法集成在服务器中，该服务器可以获取待推荐对象的个性化标识以及待推荐对象的对象特征；拼接个性化标识以及对象特征，得到拼接后的对象特征；对拼接后的对象特征进行编码，得到初始编码向量；通过个性化标识对应的目标参数，调整初始编码向量，得到目标向量；确定目标向量对应的目标内容，并将目标内容推荐至待推荐对象使用的客户端。
[0030]内容推荐模型已经应用到生活中的各个领域，内容推荐模型的公平性是其中重要的一块。个性化推荐的目的为待推荐对象提供合适的条目，其核心问题就是如何从待推荐对象特征中准确地捕捉待推荐对象的倾向性。由于，待推荐对象可能对推荐的公平性有着一定的要求，例如待推荐对象希望推荐与任意属性无关的商品。再如，在不同的场景和时间下，同一待推荐对象也会有不同的推荐需求，例如待推荐对象在购买电子产品的时候被推荐期望与属性A无关的产品对应的推荐内容，然而在购买衣物的时候又期望被推荐与属性B无关的产品对应的推荐内容。而现有的内容推荐模型，通常都假设待推荐对象需要绝对公平的推荐结果(与其对象特征完全匹配的推荐结果)，不能满足待推荐对象的多样和多变的需求。
[0031]然而，本申请实施例提供的方案能够根据个性化标识以及对象特征，拼接并编本文档来自技高网...

【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：获取待推荐对象的个性化标识以及所述待推荐对象的对象特征；拼接所述个性化标识以及所述对象特征，得到拼接后的对象特征；对所述拼接后的对象特征进行编码，得到初始编码向量；通过所述个性化标识对应的目标参数，调整所述初始编码向量，得到目标向量；确定所述目标向量对应的目标内容，并将所述目标内容推荐至所述待推荐对象。2.如权利要求1所述的内容推荐方法，其特征在于，所述获取待推荐对象的个性化标识，包括：响应于所述待推荐对象对目标场景的选择操作，获取对应所述目标场景的标识作为所述待推荐对象的个性化标识。3.如权利要求1所述的内容推荐方法，其特征在于，所述目标参数包括归一化参数以及权重系数，所述通过所述个性化标识对应的目标参数，调整所述初始编码向量，得到目标向量，包括：通过所述归一化参数对所述初始编码向量进行归一化处理，得到中间向量；通过所述权重系数对所述中间向量进行加权处理，得到目标向量。4.如权利要求1所述的内容推荐方法，其特征在于，所述获取待推荐对象的个性化标识以及所述待推荐对象的对象特征之前，还包括：获取初始调整网络以及初始判别网络；对所述初始调整网络以及所述初始判别网络进行对抗训练，得到目标调整网络，所述目标调整网络用于通过目标参数调整所述初始编码向量。5.如权利要求4所述的内容推荐方法，其特征在于，所述获取初始调整网络以及初始判别网络，包括：基于初始归一化网络以及第一初始多层感知网络构建初始调整网络，所述初始归一化网络以及所述第一初始多层感知网络用于通过初始参数调整输入向量；基于第二初始多层感知网络构建初始判别网络，所述第二初始多层感知网络用于确定对所述目标调整网络输出结果的判别结果。6.如权利要求4所述的内容推荐方法，其特征在于，所述对所述初始...

【专利技术属性】
技术研发人员：吴贻清，谢若冰，张旭，林乐宇，朱勇椿，敖翔，何清，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：