内容推荐方法、装置、设备、介质和程序产品制造方法及图纸

本申请公开了一种内容推荐方法、装置、设备、介质和程序产品，涉及机器学习领域。该方法包括：基于目标对象在第一功能平台中的对象属性数据提取第一对象特征表示，将第一对象特征表示与其他对象的第二对象特征表示进行聚类分析，得到目标对象对应的聚类簇中心；基于目标对象在第二功能平台中的历史交互数据，提取域外特征表示；获取与聚类簇中心对应的映射关系函数对域外特征表示进行映射，得到域内特征表示，将域内特征表示和对象特征表示结合，得到目标特征表示，并基于目标特征表示对目标对象与候选内容推荐池进行匹配，向目标对象推送目标内容。能够针对目标对象提供个性化映射关系函数，提高映射结果的准确性，提高内容推荐的效果。的效果。的效果。

【技术实现步骤摘要】
内容推荐方法、装置、设备、介质和程序产品


[0001]本申请实施例涉及机器学习领域，特别涉及一种内容推荐方法、装置、设备、介质和程序产品。

技术介绍

[0002]用户基于网络在不同平台获取需要的信息内容，而平台中存在的信息内容量巨大，用户难以对其进行筛选，获得自己想要的信息内容。
[0003]相关技术中，个性化推荐系统通过获得授权后收集用户在平台上的属性和历史交互数据，捕捉用户的兴趣特征，利用设计好的推荐算法为用户生成特定的推荐列表，对用户进行个性化内容的推荐。
[0004]然而，在推荐系统中，存在数据稀疏问题和冷启动问题。数据稀疏问题是指用户的历史交互数据较少，冷启动问题是指新用户进入系统后，没有历史交互数据。推荐系统无法准确的分析出用户的兴趣和偏好，导致后续对用户进行个性化内容的推荐效果不佳。

技术实现思路

[0005]本申请实施例提供了一种内容推荐方法、装置、设备、介质和程序产品，能够对冷用户进行个性化内容推荐。所述技术方案如下：
[0006]一方面，提供了一种内容推荐方法，所述方法包括：
[0007]基于目标对象在第一功能平台中的对象属性数据提取所述目标对象的第一对象特征表示；
[0008]将所述第一对象特征表示与所述第一功能平台中的其他对象的第二对象特征表示进行聚类分析，得到所述目标对象对应的聚类簇中心；
[0009]基于所述目标对象在第二功能平台中的历史交互数据，提取所述目标对象的域外特征表示；
[0010]获取与所述聚类簇中心对应的映射关系函数对所述域外特征表示进行映射，得到所述目标对象的域内特征表示，其中，所述映射关系函数用于指示所述目标对象在所述第二功能平台和所述第一功能平台之间特征表示的映射关系；
[0011]将所述域内特征表示和所述第一对象特征表示结合，得到所述目标对象的目标特征表示，并基于所述目标特征表示对所述目标对象与候选内容推荐池进行匹配，向所述目标对象推送所述候选内容推荐池中的目标内容。
[0012]另一方面，提供了一种内容推荐装置，所述装置包括：
[0013]提取模块，基于目标对象在第一功能平台中的对象属性数据提取所述目标对象的第一对象特征表示；
[0014]聚类分析模块，将所述第一对象特征表示与所述第一功能平台中的其他对象的第二对象特征表示进行聚类分析，得到所述目标对象对应的聚类簇中心；
[0015]所述提取模块，基于所述目标对象在第二功能平台中的历史交互数据，提取所述
目标对象的域外特征表示；
[0016]获取模块，获取与所述聚类簇中心对应的映射关系函数对所述域外特征表示进行映射，得到所述目标对象的域内特征表示，其中，所述映射关系函数用于指示所述目标对象在所述第二功能平台和所述第一功能平台之间特征表示的映射关系；
[0017]推荐模块，将所述域内特征表示和所述第一对象特征表示结合，得到所述目标对象的目标特征表示，并基于所述目标特征表示对所述目标对象与候选内容推荐池进行匹配，向所述目标对象推送所述候选内容推荐池中的目标内容。
[0018]另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述本申请实施例中任一所述的内容推荐方法。
[0019]另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述本申请实施例中任一所述的内容推荐方法。
[0020]另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中任一所述的内容推荐方法。
[0021]本申请实施例提供的技术方案带来的有益效果至少包括：
[0022]通过对第一功能平台中的所有对象进行聚类分析，得到每个对象所属于的聚类簇以及每个对象所对应的聚类簇中心，基于聚类簇中心获取个性化的映射关系函数，个性化的映射关系函数能够针对不同的对象，实现从域外特征表示到域内特征表示的映射过程，提高了映射结果的准确率。获取目标对象的第一对象特征表示以及，目标对象在第二功能平台的历史交互数据经过特征提取得到的域外特征表示，基于第一对象特征表示找到目标对象对应的聚类簇中心，根据目标对象对应的聚类簇中心获得与目标对象所对应的映射关系函数，将目标对象的域外特征表示输入至映射关系函数中，经过映射得到目标对象的域内特征表示，可以在目标对象仅在第二功能平台中存在历史交互数据、在第一功能平台中不存在历史交互数据时，得到目标对象在第一功能平台的交互特点，从而基于目标对象的域内特征表示和第一对象特征表示，对目标对象进行在第一功能平台上的个性化内容推荐，解决了冷用户问题和数据稀疏问题，使得推荐内容更加符合目标对象的真实兴趣，提高了推荐效果。
附图说明
[0023]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，对于本领域普通技术人员来讲，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。
[0024]图1是本申请一个示例性实施例提供的对指定用户进行个性化的内容推荐的示意图；
[0025]图2是本申请一个示例性实施例提供的实施环境示意图；
[0026]图3是本申请一个示例性实施例提供的内容推荐方法的流程图；
[0027]图4是本申请一个示例性实施例提供的基于域内特征对目标对象进行个性化内容推荐的示意图；
[0028]图5是本申请一个示例性实施例提供的个性化的映射关系函数的训练方法流程图；
[0029]图6是本申请一个示例性实施例提供的聚类分析的方法流程图；
[0030]图7是本申请一个示例性实施例提供的对第一聚类簇分布结果进行离散分析处理后获得第二聚类簇分布结果的示意图；
[0031]图8是本申请一个示例性实施例提供的获取目标对象的域外特征表示的方法流程图；
[0032]图9是本申请一个示例性实施例提供的异构图的示意图；
[0033]图10是本申请一个示例性实施例提供的基于元路径的异构图卷积示意图；
[0034]图11是本申请一个示例性实施例提供的内容推荐装置的结构框图；
[0035]图12是本申请另一个示例性实施例提供的内容推荐装置的结构框图；
[0036]图13是本申请一个示例性实施例提供的计算机设备的结构框图。
具体实施方式
[0037]为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步本文档来自技高网...

【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，所述方法包括：基于目标对象在第一功能平台中的对象属性数据提取所述目标对象的第一对象特征表示；将所述第一对象特征表示与所述第一功能平台中的其他对象的第二对象特征表示进行聚类分析，得到所述目标对象对应的聚类簇中心；基于所述目标对象在第二功能平台中的历史交互数据，提取所述目标对象的域外特征表示；获取与所述聚类簇中心对应的映射关系函数对所述域外特征表示进行映射，得到所述目标对象的域内特征表示，其中，所述映射关系函数用于指示所述目标对象在所述第二功能平台和所述第一功能平台之间特征表示的映射关系；将所述域内特征表示和所述第一对象特征表示结合，得到所述目标对象的目标特征表示，并基于所述目标特征表示对所述目标对象与候选内容推荐池进行匹配，向所述目标对象推送所述候选内容推荐池中的目标内容。2.根据权利要求1所述的方法，其特征在于，所述获取与所述聚类簇中心对应的映射关系函数对所述域外特征表示进行映射，得到所述目标对象的域内特征表示，包括：基于所述目标对象对应的所述聚类簇中心，对含参映射函数进行参数替换，得到与所述聚类簇中心对应的映射关系函数；通过所述映射关系函数对所述域外特征表示进行映射，得到所述目标对象的所述域内特征表示。3.根据权利要求2所述的方法，其特征在于，所述基于所述目标对象对应的所述聚类簇中心，对含参映射函数进行参数替换，得到与所述聚类簇中心对应的映射关系函数，包括：获取所述含参映射函数，所述含参映射函数中包括处于待填充状态的指定参数位置；将所述聚类簇中心作为参数代入所述指定参数位置，得到所述聚类簇中心对应的映射关系函数，其中，所述聚类簇中心用于作为检索关键字，对所述映射关系函数进行查询。4.根据权利要求2所述的方法，其特征在于，所述方法还包括：基于样本对象在所述第一功能平台中的历史交互数据，提取所述样本对象的域内特征表示，所述样本对象对应目标聚类中心；基于所述样本对象在所述第二功能平台中的历史交互数据，提取所述样本对象的域外特征表示；将所述样本对象的域外特征表示输入至候选映射函数，经过映射得到与所述样本对象对应的域内映射特征；基于所述样本对象的域内特征表示和所述域内映射特征，得到重构损失；基于所述重构损失对所述候选映射函数进行训练，得到所述目标聚类中心对应的所述映射关系函数。5.根据权利要求1所述的方法，其特征在于，所述将所述第一对象特征表示与所述第一功能平台中的其他对象进行聚类分析，得到所述目标对象对应的聚类簇中心，包括：基于所述其他对象在所述第一功能平台中的对象属性数据提取所述其他对象的所述第二对象特征表示；基于所述第二对象特征表示对所述其他对象进行聚类分析，得到多个聚类簇，其中，每
个所述聚类簇包含聚类簇中心；基于所述第一对象特征表示和所述聚类簇中心之间的相似度，得到所述目标对象对应的所述聚类簇中心。6.根据权利要求5所述的方法，其特征在于，所述基于所述第二对象特征表示对所述其他对象进行聚类分析，得到多个聚类簇，包括：获取聚类信息，所述聚类信息用于指示初始聚类簇中心的位置信息；基于所述第二对象特征表示和所述初始聚类簇中心之间的相似度，得到第一聚类簇分布结果，所述第一聚类簇分布结果中包括各初始聚类簇中心...

【专利技术属性】
技术研发人员：郑佳炜，谷皓，易玲玲，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：