一种内容推荐方法、装置、计算机设备和存储介质制造方法及图纸

本申请实施例公开了一种内容推荐方法、装置、计算机设备和存储介质；本申请实施例可以获取对象的交互内容序列，其中，交互内容序列包括至少一个媒体内容；提取至少一个媒体内容的交互特征和内容特征；确定至少两个内容推荐参考维度；在每个内容推荐参考维度上，根据权重计算方式对媒体内容的交互特征和内容特征进行权重计算处理，得到每个媒体内容在每个内容推荐参考维度上的推荐参考权重；根据媒体内容在每个内容推荐参考维度上的推荐参考权重，对媒体内容进行推荐预测处理，得到每个媒体内容的推荐预测参数；根据每个媒体内容的推荐预测参数对至少一个媒体内容进行推荐处理，可以提高对媒体内容进行推荐的准确性。提高对媒体内容进行推荐的准确性。提高对媒体内容进行推荐的准确性。

【技术实现步骤摘要】
一种内容推荐方法、装置、计算机设备和存储介质


[0001]本申请涉及计算机
，具体涉及一种内容推荐方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着计算机技术和网络技术的发展，诞生了媒体内容。人们可以通过媒体内容进行学习和娱乐，等等，使得人们的日常生活模式发生了翻天覆地的变化。其中，媒体内容可以包括基于网络进行传播的以供人们进行日常生活消遣的内容。例如，媒体内容可以指视频、文章、贴文、音乐或新闻，等等。由于每个人的兴趣不同，因此，每个人感兴趣的媒体内容也会不同。为了提高人们对应用程序的粘着性，媒体内容对应的应用程序往往需要为每个人推荐每个人所需的媒体内容。本申请的专利技术人通过对现有技术进行实践发现，现有技术中存在对媒体内容进行推荐的准确性不高的问题。

技术实现思路

[0003]本申请实施例提出了一种内容推荐方法、装置、计算机设备和存储介质，可以提高对媒体内容进行推荐的准确性。
[0004]本申请实施例提供了一种内容推荐方法，包括：
[0005]获取对象的交互内容序列，其中，所述交互内容序列包括所述对象在应用程序中进行交互的至少一个媒体内容；
[0006]提取所述至少一个媒体内容的交互特征和内容特征，其中，所述交互特征表征所述对象和所述媒体内容进行交互时的特征；
[0007]确定至少两个内容推荐参考维度，其中，每个内容推荐参考维度对应不同的权重计算方式；
[0008]在每个内容推荐参考维度上，根据所述权重计算方式对媒体内容的交互特征和内容特征进行权重计算处理，得到每个媒体内容在每个内容推荐参考维度上的推荐参考权重；
[0009]根据所述媒体内容在每个内容推荐参考维度上的推荐参考权重，对所述媒体内容进行推荐预测处理，得到每个媒体内容的推荐预测参数；
[0010]根据所述每个媒体内容的推荐预测参数对所述至少一个媒体内容进行推荐处理。
[0011]相应的，本申请实施例还提供了一种内容推荐装置，包括：
[0012]获取单元，用于获取对象的交互内容序列，其中，所述交互内容序列包括所述对象在应用程序中进行交互的至少一个媒体内容；
[0013]提取单元，用于提取所述至少一个媒体内容的交互特征和内容特征，其中，所述交互特征表征所述对象和所述媒体内容进行交互时的特征；
[0014]确定单元，用于确定至少两个内容推荐参考维度，其中，每个内容推荐参考维度对应不同的权重计算方式；
[0015]权重计算单元，用于在每个内容推荐参考维度上，根据所述权重计算方式对媒体内容的交互特征和内容特征进行权重计算处理，得到每个媒体内容在每个内容推荐参考维度上的推荐参考权重；
[0016]推荐预测单元，用于根据所述媒体内容在每个内容推荐参考维度上的推荐参考权重，对所述媒体内容进行推荐预测处理，得到每个媒体内容的推荐预测参数；
[0017]推荐单元，用于根据所述每个媒体内容的推荐预测参数对所述至少一个媒体内容进行推荐处理。
[0018]在一实施例中，所述权重计算单元，可以包括：
[0019]解析子单元，用于根据内容推荐参考维度对应的权重计算方式，对所述交互特征和所述内容特征进行解析，得到所述内容推荐参考维度对应的目标交互特征和目标内容特征；
[0020]差距计算子单元，用于根据所述内容推荐参考维度对应的权重计算方式，计算所述目标交互特征和所述目标内容特征之间的差距信息；
[0021]调整子单元，用于根据所述内容推荐参考维度对应的权重计算方式，对所述差距信息进行差距调整处理，得到调整后差距信息；
[0022]归一化子单元，用于根据所述内容推荐参考维度对应的权重计算方式，对所述调整后差距信息进行归一化处理，得到所述每个媒体内容在每个内容推荐参考维度上的推荐参考权重。
[0023]在一实施例中，所述差距计算子单元，可以包括：
[0024]函数获取模块，用于根据所述内容推荐参考维度对应的权重计算方式，获取内容特征映射函数；
[0025]映射模块，用于根据所述内容特征映射函数对所述目标内容特征进行映射处理，得到所述媒体内容对应的参考特征；
[0026]算术运算模块，用于将所述目标交互特征和所述参考特征进行算术运算，得到所述差距信息。
[0027]在一实施例中，所述差距计算子单元，还可以包括：
[0028]样本获取模块，用于获取多个媒体内容样本的内容特征样本和每个媒体内容样本的多个互动特征样本；
[0029]统计模块，用于对所述每个媒体内容样本的多个互动特征样本进行统计处理，得到每个媒体内容样本对应的统计后互动特征样本；
[0030]函数拟合模块，用于对所述每个媒体内容样本的统计后互动特征样本和内容特征样本进行函数拟合处理，得到所述内容特征映射函数。
[0031]在一实施例中，所述调整子单元，可以包括：
[0032]参数获取模块，用于根据所述内容推荐参考维度对应的权重计算方式，获取所述权重计算方式对应的差距调整参数；
[0033]缩放调整模块，用于利用所述差距调整参数对所述差距信息进行缩放调整，得到所述调整后差距信息。
[0034]在一实施例中个，所述推荐预测单元，可以包括：
[0035]向量映射子单元，用于对所述媒体内容进行向量映射处理，得到所述媒体内容对
应的表征向量；
[0036]融合子单元，用于将所述媒体内容在每个内容推荐参考维度上的推荐参考权重分别和所述表征向量进行融合处理，得到所述媒体内容在每个内容推荐参考维度上的融合表征向量；
[0037]推荐预测子单元，用于从多个不同的推荐预测维度对所述媒体内容在每个内容推荐参考维度上的融合表征向量进行推荐预测处理，得到所述媒体内容的推荐预测参数。
[0038]在一实施例中，所述推荐预测子单元，可以包括：
[0039]特征获取模块，用于获取对象的对象属性特征和所述媒体内容的互动统计特征；
[0040]向量表征模块，用于分别对所述对象的对象属性特征和所述媒体内容的互动统计特征进行向量表征处理，得到对象属性特征表征向量和互动统计特征表征向量；
[0041]推荐预测模块，用于从多个不同的推荐预测维度对所述媒体内容在每个内容推荐参考维度上融合表征向量以及对象属性特征表征向量和互动统计特征表征向量进行推荐预测处理，得到所述媒体内容的推荐预测参数。
[0042]在一实施例中，所述推荐预测模块，可以包括：
[0043]推荐预测子模块，用于根据当前推荐预测维度对所述媒体内容在当前内容推荐参考维度上的融合表征向量以及对象属性特征表征向量和互动统计特征表征向量进行推荐预测处理，得到所述媒体内容在当前内容推荐参考维度上通过所述当前推荐预测维度预测得到的初始推荐预测参数；
[0044]第一融合子模块，用于将所述媒体内容在当前内容推荐参考维度上通过每个推荐预测维度预测得到的初始推荐预测参数进行融合处理，得到所述媒体内容在本文档来自技高网...

【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：获取对象的交互内容序列，其中，所述交互内容序列包括所述对象在应用程序中进行交互的至少一个媒体内容；提取所述至少一个媒体内容的交互特征和内容特征，其中，所述交互特征表征所述对象和所述媒体内容进行交互时的特征；确定至少两个内容推荐参考维度，其中，每个内容推荐参考维度对应不同的权重计算方式；在每个内容推荐参考维度上，根据所述权重计算方式对媒体内容的交互特征和内容特征进行权重计算处理，得到每个媒体内容在每个内容推荐参考维度上的推荐参考权重；根据所述媒体内容在每个内容推荐参考维度上的推荐参考权重，对所述媒体内容进行推荐预测处理，得到每个媒体内容的推荐预测参数；根据所述每个媒体内容的推荐预测参数对所述至少一个媒体内容进行推荐处理。2.根据权利要求1所述的方法，其特征在于，所述在每个内容推荐参考维度上，根据所述权重计算方式对媒体内容的交互特征和内容特征进行权重计算处理，得到每个媒体内容在每个内容推荐参考维度上的推荐参考权重，包括：根据内容推荐参考维度对应的权重计算方式，对所述交互特征和所述内容特征进行解析，得到所述内容推荐参考维度对应的目标交互特征和目标内容特征；根据所述内容推荐参考维度对应的权重计算方式，计算所述目标交互特征和所述目标内容特征之间的差距信息；根据所述内容推荐参考维度对应的权重计算方式，对所述差距信息进行差距调整处理，得到调整后差距信息；根据所述内容推荐参考维度对应的权重计算方式，对所述调整后差距信息进行归一化处理，得到所述每个媒体内容在每个内容推荐参考维度上的推荐参考权重。3.根据权利要求2所述的方法，其特征在于，所述根据所述内容推荐参考维度对应的权重计算方式，计算所述目标交互特征和所述目标内容特征之间的差距信息，包括：根据所述内容推荐参考维度对应的权重计算方式，获取内容特征映射函数；根据所述内容特征映射函数对所述目标内容特征进行映射处理，得到所述媒体内容对应的参考特征；将所述目标交互特征和所述参考特征进行算术运算，得到所述差距信息。4.根据权利要求3所述的方法，其特征在于，所述根据所述内容推荐参考维度对应的权重计算方式，获取内容特征映射函数之前，所述方法还包括：获取多个媒体内容样本的内容特征样本和每个媒体内容样本的多个互动特征样本；对所述每个媒体内容样本的多个互动特征样本进行统计处理，得到每个媒体内容样本对应的统计后互动特征样本；对所述每个媒体内容样本的统计后互动特征样本和内容特征样本进行函数拟合处理，得到所述内容特征映射函数。5.根据权利要求2所述的方法，其特征在于，所述根据所述内容推荐参考维度对应的权重计算方式，对所述差距信息进行差距调整处理，得到调整后差距信息，包括：根据所述内容推荐参考维度对应的权重计算方式，获取所述权重计算方式对应的差距
调整参数；利用所述差距调整参数对所述差距信息进行缩放调整，得到所述调整后差距信息。6.根据权利要求1所述的方法，其特征在于，所述根据所述媒体内容在每个内容推荐参考维度上的推荐参考权重，对所述媒体内容进行推荐预测处理，得到每个媒体内容的推荐预测参数，包括：对所述媒体内容进行向量映射处理，得到所述媒体内容对应的表征向量；将所述媒体内容在每个内容推荐参考维度上的推荐参考权重分别和所述表征向量进行融合处理，得到所述媒体内容在每个内容推荐参考维度上的融合表征向量；从多个不同的推荐预测维度对所述媒体内容在每个内容推荐参考维度上的融合表征向量进行推荐预测处理，得到所述媒体内容的推荐预测参数。7.根据权利要求6所述的方法，其特征在于，所述从多个不同的推荐预测维度对所述媒体内容在每个内容推荐参考维度上的融合表征向量进行推荐预测处理，得到所述媒体内容的推荐预测参数，包括：获取对象的对象属性特征和所述媒体内容的互动统计特征；分别对所述对象的对象属性特征和所述媒体内容的互动统计特征进行向量表征处理，得到对象属性特征表征向量和互动统计特征表征向量；从多个不同的推荐预测维度对所述媒体内容在每个内容推荐参考维度上融合表征向量以及对象属性特征表征向量和互动统计特征表征向量进行推荐预测处理，得到所述媒体内容的推荐预测参数。8.根据权利要求7所述的方法，其特征在于，所述从多个不同的推荐预测维度对所述媒体内容在每个内容推荐参考维度上融合表征向量以及对象属性特征表征向量和互动统计特征表征向量进行推荐预测处理，得到所述媒体内容的推荐预测参数，包括：根据当前推荐预测维度对所述媒体内容在当前内...

【专利技术属性】
技术研发人员：左中虎，肖小粤，张济民，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：