一种内容推荐方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术实施例公开了一种内容推荐方法、装置、电子设备和存储介质；可以通过特征表征模型中的对象表征子模型对内容推荐对象的对象属性信息进行特征提取，得到对象描述特征，特征表征模型还包括至少两个内容表征子模型，不同的内容表征子模型对应不同的内容表征方式，各子模型通过同一训练过程训练得到，确定通过目标内容表征方式得到的内容描述特征为候选内容描述特征，目标内容表征方式为内容表征方式中的至少一种，计算对象描述特征和候选内容描述特征之间的相似度，根据相似度从候选内容描述特征中确定内容推荐对象对应的参考内容描述特征，基于参考内容描述特征确定目标推荐内容；可以减少内容推荐时所需资源和成本，减轻模型训练压力。轻模型训练压力。轻模型训练压力。

【技术实现步骤摘要】
一种内容推荐方法、装置、电子设备和存储介质


[0001]本专利技术涉及内容推荐
，具体涉及一种内容推荐方法、装置、电子设备和存储介质。

技术介绍

[0002]伴随着互联网中内容的增长，人们通过互联网准确获取内容的需求也越来越高，出于提升向使用者推荐内容的准确性等目的，通常会采用从多层级、多种内容特征方式等角度出发确定向使用者推荐的内容的方案。
[0003]目前，在进行内容推荐时采取的主要方法是，针对每一级内容分别维护一个双塔模型进行处理。但是，每个双塔模型都设置有一个与使用者对应的用户塔，以及一个与内容对应的内容塔，采用这种方案，在存在若干个内容层级时，相较于原始的双塔模型，则需要相应倍数的存储资源和计算资源，在对双塔模型训练时也需要进行相应次数的训练，导致内容推荐的成本较高。

技术实现思路

[0004]本专利技术实施例提供一种内容推荐方法、装置、电子设备和存储介质，可以减少在进行内容推荐时所需的存储资源和计算资源，减轻模型训练压力，降低内容推荐的成本。
[0005]本专利技术实施例提供一种内容推荐方法，包括：
[0006]获取内容推荐对象的对象属性信息；
[0007]通过特征表征模型中的对象表征子模型对所述对象属性信息进行特征提取，得到所述内容推荐对象的对象描述特征，所述特征表征模型还包括至少两个内容表征子模型，不同的所述内容表征子模型对应不同的内容表征方式，所述对象表征子模型和所述内容表征子模型通过同一训练过程训练得到；
[0008]获取通过所述至少两个内容表征子模型对候选推荐内容提取的至少两个内容表征方式对应的内容描述特征；
[0009]确定通过目标内容表征方式得到的内容描述特征为候选内容描述特征，所述目标内容表征方式为所述内容表征方式中的至少一种；
[0010]计算所述对象描述特征和所述候选内容描述特征之间的相似度，根据所述相似度，从所述候选内容描述特征中确定所述内容推荐对象对应的参考内容描述特征；
[0011]基于所述参考内容描述特征，从所述候选推荐内容中确定向所述内容推荐对象推荐的目标推荐内容。
[0012]相应的，本专利技术实施例提供一种内容推荐装置，包括：
[0013]属性信息获取单元，用于获取内容推荐对象的对象属性信息；
[0014]对象特征表征单元，用于通过特征表征模型中的对象表征子模型对所述对象属性信息进行特征提取，得到所述内容推荐对象的对象描述特征，所述特征表征模型还包括至少两个内容表征子模型，不同的所述内容表征子模型对应不同的内容表征方式，所述对象
表征子模型和所述内容表征子模型通过同一训练过程训练得到；
[0015]内容特征获取单元，用于获取通过所述至少两个内容表征子模型对候选推荐内容提取的至少两个内容表征方式对应的内容描述特征；
[0016]候选特征确定单元，用于确定通过目标内容表征方式得到的内容描述特征为候选内容描述特征，所述目标内容表征方式为所述内容表征方式中的至少一种；
[0017]相似度计算单元，用于计算所述对象描述特征和所述候选内容描述特征之间的相似度，根据所述相似度，从所述候选内容描述特征中确定所述内容推荐对象对应的参考内容描述特征；
[0018]推荐内容确定单元，用于基于所述参考内容描述特征，从所述候选推荐内容中确定向所述内容推荐对象推荐的目标推荐内容。
[0019]可选的，本专利技术实施例提供的内容推荐装置还包括模型训练单元，用于获取至少一组模型训练样本，每一组所述模型训练样本包括对象属性信息样本、推荐内容样本和内容访问标识，所述内容访问标识用于指示所述对象属性信息样本对应的内容推荐对象对所述推荐内容样本的访问概率；
[0020]获取待训练的特征表征模型，所述待训练的特征表征模型包括待训练的对象表征子模型以及至少两个待训练的内容表征子模型，不同的所述内容表征子模型对应不同的内容表征方式；
[0021]通过所述待训练的对象表征子模型对所述对象属性信息样本进行特征提取，得到训练对象描述特征；
[0022]针对各所述内容表征方式，通过与所述内容表征方式对应的所述待训练的内容表征子模型，对所述推荐内容样本进行内容表征，得到对应于所述内容表征方式的训练内容描述特征；
[0023]计算同一模型训练样本对应的所述训练对象描述特征与各所述训练内容描述特征之间的训练相似度，根据所述训练相似度确定所述模型训练样本对应于各所述内容表征方式的训练访问结果；
[0024]基于所述训练访问结果和所述内容访问标识，计算所述待训练的特征表征模型的模型损失；
[0025]根据所述模型损失对所述待训练的特征表征模型的模型参数进行调整，得到训练后的特征表征模型。
[0026]可选的，所述推荐内容样本包括与所述内容表征方式分别对应的至少两个推荐内容子样本；
[0027]所述模型训练单元，用于针对各所述内容表征方式，通过与所述内容表征方式对应的所述待训练的内容表征子模型，对所述内容表征方式对应的所述推荐内容子样本进行内容表征，得到对应于所述内容表征方式的训练内容描述特征；
[0028]根据所述训练相似度和预设的访问判断阈值，确定所述模型训练样本对应于各所述内容表征方式的训练访问结果；
[0029]基于所述对应于各所述内容表征方式的训练访问结果和所述内容访问标识，计算各所述内容表征方式对应的模型子损失；
[0030]对各所述模型子损失进行融合计算，得到所述待训练的特征表征模型的模型损
失。
[0031]可选的，所述推荐内容样本包括与至少两个内容层级的推荐内容子样本，所述内容层级之间存在层级高低关系；
[0032]所述模型训练单元，用于针对各所述内容层级，通过与所述内容层级对应的所述待训练的内容表征子模型，对所述内容层级以及所述内容层级之上的内容层级的推荐内容子样本进行内容表征，得到对应于所述内容表征方式的训练内容描述特征。
[0033]可选的，所述模型训练单元，用于针对各所述模型训练样本，确定各所述内容表征方式对应的推荐内容子样本的内容缺失信息；
[0034]基于各所述推荐内容子样本的所述内容缺失信息，计算各所述内容表征方式对应的所述模型子损失的融合权重以及所述特征表征模型对应的模型控制损失；
[0035]根据所述融合权重和所述模型控制损失，对各所述模型子损失进行融合计算，得到所述待训练的特征表征模型的模型损失。
[0036]可选的，本专利技术实施例提供的内容推荐装置还包括样本生成单元，用于获取模型训练正样本，从所述模型训练正样本中提取历史访问对象的对象属性信息，所述模型训练正样本根据历史对象访问信息生成；
[0037]从所述候选推荐内容中随机选取一组内容生成训练推荐内容；
[0038]基于所述对象属性信息和所述训练推荐内容，生成模型训练负样本。
[0039]可选的，所述对象属性信息包括至少一个对象子属性信息，所述对象特征表征单元，用于解析所述对象子本文档来自技高网...

【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：获取内容推荐对象的对象属性信息；通过特征表征模型中的对象表征子模型对所述对象属性信息进行特征提取，得到所述内容推荐对象的对象描述特征，所述特征表征模型还包括至少两个内容表征子模型，不同的所述内容表征子模型对应不同的内容表征方式，所述对象表征子模型和所述内容表征子模型通过同一训练过程训练得到；获取通过所述至少两个内容表征子模型对候选推荐内容提取的至少两个内容表征方式对应的内容描述特征；确定通过目标内容表征方式得到的内容描述特征为候选内容描述特征，所述目标内容表征方式为所述内容表征方式中的至少一种；计算所述对象描述特征和所述候选内容描述特征之间的相似度，根据所述相似度，从所述候选内容描述特征中确定所述内容推荐对象对应的参考内容描述特征；基于所述参考内容描述特征，从所述候选推荐内容中确定向所述内容推荐对象推荐的目标推荐内容。2.根据权利要求1所述的内容推荐方法，其特征在于，所述获取通过所述至少两个内容表征子模型对候选推荐内容提取的至少两个内容表征方式对应的内容描述特征之前，所述方法还包括：获取至少一组模型训练样本，每一组所述模型训练样本包括对象属性信息样本、推荐内容样本和内容访问标识，所述内容访问标识用于指示所述对象属性信息样本对应的内容推荐对象对所述推荐内容样本的访问概率；获取待训练的特征表征模型，所述待训练的特征表征模型包括待训练的对象表征子模型以及至少两个待训练的内容表征子模型，不同的所述内容表征子模型对应不同的内容表征方式；通过所述待训练的对象表征子模型对所述对象属性信息样本进行特征提取，得到训练对象描述特征；针对各所述内容表征方式，通过与所述内容表征方式对应的所述待训练的内容表征子模型，对所述推荐内容样本进行内容表征，得到对应于所述内容表征方式的训练内容描述特征；计算同一模型训练样本对应的所述训练对象描述特征与各所述训练内容描述特征之间的训练相似度，根据所述训练相似度确定所述模型训练样本对应于各所述内容表征方式的训练访问结果；基于所述训练访问结果和所述内容访问标识，计算所述待训练的特征表征模型的模型损失；根据所述模型损失对所述待训练的特征表征模型的模型参数进行调整，得到训练后的特征表征模型。3.根据权利要求2所述的内容推荐方法，其特征在于，所述推荐内容样本包括与所述内容表征方式分别对应的至少两个推荐内容子样本；所述针对各所述内容表征方式，通过与所述内容表征方式对应的所述待训练的内容表征子模型，对所述推荐内容样本进行内容表征，得到对应于所述内容表征方式的训练内容
描述特征，包括：针对各所述内容表征方式，通过与所述内容表征方式对应的所述待训练的内容表征子模型，对所述内容表征方式对应的所述推荐内容子样本进行内容表征，得到对应于所述内容表征方式的训练内容描述特征；所述根据所述训练相似度确定所述模型训练样本对应于各所述内容表征方式的训练访问结果，包括：根据所述训练相似度和预设的访问判断阈值，确定所述模型训练样本对应于各所述内容表征方式的训练访问结果；所述基于所述训练访问结果和所述内容访问标识，计算所述待训练的特征表征模型的模型损失，包括基于所述对应于各所述内容表征方式的训练访问结果和所述内容访问标识，计算各所述内容表征方式对应的模型子损失；对各所述模型子损失进行融合计算，得到所述待训练的特征表征模型的模型损失。4.根据权利要求3所述的内容推荐方法，其特征在于，所述推荐内容样本包括与至少两个内容层级的推荐内容子样本，所述内容层级之间存在层级高低关系；所述针对各所述内容表征方式，通过与所述内容表征方式对应的所述待训练的内容表征子模型，对所述内容表征方式对应的所述推荐内容子样本进行内容表征，得到对应于所述内容表征方式的训练内容描述特征，包括：针对各所述内容层级，通过与所述内容层级对应的所述待训练的内容表征子模型，对所述内容层级以及所述内容层级之上的内容层级的推荐内容子样本进行内容表征，得到对应于所述内容表征方式的训练内容描述特征。5.根据权利要求3所述的内容推荐方法，其特征在于，所述对各所述模型子损失进行融合计算，得到所述待训练的特征表征模型的模型损失，包括：针对各所述模型训练样本，确定各所述内容表征方式对应的推荐内容子样本的内容缺失信息；基于各所述推荐内容子样本的所述内容缺失信息，计算各所述内容表征方式对应的所述模型子损失的融合权重以及所述特征表征模型对应的模型控制损失；根据所述融合权重和所述模型控制损失，对各所述模型子损失进行融合计算，得到所述待训练的特征表征模型的模型损失。6.根据权利要求2所述的内容推荐方法，其特征在于，所述获取至少一组模型训练样本之前，所述方法还包括：获取模型训练正样本，从所述模型训练正样本中提取历史访问对象的对象属性信息，所述模型训练正样本根据历史对象访问信息生成；从所述候选推荐内容中随机选取一组内容生成训练推荐内容；基于所述对象属性信息和所...

【专利技术属性】
技术研发人员：祖传龙，王睿宁，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：