【技术实现步骤摘要】
本申请实施例涉及机器学习，特别涉及一种内容推荐方法、装置、服务器及存储介质。
技术介绍
1、现如今，新媒体行业不断发展，通过终端中安装的应用程序查看文章或者视频等内容逐渐成为主流，在应用中会根据账号的偏好为该账号推荐感兴趣的推荐内容。
2、相关技术中，在现代推荐系统中，通常通过多目标深度模型基于不同的预估目标对不同推荐内容进行排序，通过底层参数共享，降低过拟合。此外在一些多目标深度模型中，通过门控机制，对不同目标采用不同的动态输入，实现对多目标概率的预测，从而实现对目标推荐内容的排序。
3、然而，在训练过程中，对于样本推荐内容而言，不同预估目标之间存在明显的差异，例如对于同一个样本推荐内容，对于点击目标为正样本，对于点赞目标为负样本，即样本推荐内容对于不同目标之间可能存在互斥性，则会导致推荐系统在基于多目标融合的过程中难以准确的对推荐内容进行排序，向账号显示的推荐内容不符合账号偏好。
技术实现思路
1、本申请实施例提供了一种内容推荐方法、装置、服务器及存储介质。所述技术方案如下：
2、一方面，本申请实施例提供了一种内容推荐方法，所述方法包括：
3、确定样本推荐内容对应的n个组合行为标签，所述组合行为标签对应的组合行为由至少两个原子行为构成，任意两个所述组合行为标签对应的所述组合行为之间存在真包含关系，所述原子行为用于表征样本账号对所述样本推荐内容执行的原子操作，n为大于等于2的整数；
4、基于所述样本账号的样本账号信息、所
5、通过训练完成的所述推荐模型，基于目标账号的目标账号信息以及至少两个候选推荐内容，从至少两个所述候选推荐内容中确定目标推荐内容。
6、另一方面，本申请实施例提供了一种内容推荐装置，所述装置包括：
7、确定模块，用于确定样本推荐内容对应的n个组合行为标签，所述组合行为标签对应的组合行为由至少两个原子行为构成，任意两个所述组合行为标签对应的所述组合行为之间存在真包含关系，所述原子行为用于表征样本账号对所述样本推荐内容执行的原子操作，n为大于等于2的整数；
8、训练模块，用于基于所述样本账号的样本账号信息、所述样本推荐内容以及所述样本推荐内容对应的n个组合行为标签，训练推荐模型；
9、应用模块，用于通过训练完成的所述推荐模型，基于目标账号的目标账号信息以及至少两个候选推荐内容，从至少两个所述候选推荐内容中确定目标推荐内容。
10、另一方面，本申请实施例提供了一种服务器，所述服务器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方面所述的内容推荐方法。
11、另一方面，提供了一种计算机可读存储介质，所述可读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方面所述的内容推荐方法。
12、另一方面，本申请实施例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。服务器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，使得该服务器执行上述方面提供的内容推荐方法。
13、本申请实施例提供的技术方案带来的有益效果至少包括：
14、本申请实施例中，对推荐模型进行训练的过程中，服务器率先确定样本推荐内容对应的多个组合行为标签，从而将该组合行为标签作为推荐模型的训练样本，以使得推荐模型基于样本账号信息以及样本推荐内容确定执行概率后，对推荐模型进行训练。在进行训练的过程中，采用预测多个组合行为的执行概率的方式取代相关技术中预测单个行为的执行概率的方式，有利于减少同一样本推荐内容针对不同组合行为存在的样本标签的差异性，能够在基于推荐模型对目标账号进行内容推荐的过程中，发送的推荐内容更加符合目标账号的喜好。
本文档来自技高网...【技术保护点】
1.一种内容推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述样本账号的样本账号信息、所述样本推荐内容以及所述样本推荐内容对应的n个组合行为标签，训练推荐模型，包括：
3.根据权利要求1所述的方法，其特征在于，第i组合行为标签对应的第i组合行为由第一原子行为至第i+1原子行为构成；
4.根据权利要求3所述的方法，其特征在于，所述基于所述第一原子行为至所述第i+1原子行为的所述执行情况，确定所述第i组合行为标签，包括：
5.根据权利要求3所述的方法，其特征在于，存在至少两个所述样本推荐内容；
6.根据权利要求2所述的方法，其特征在于，所述推荐模型包括信息编码层、特征提取层和n个输出头，不同输出头对应不同特征提取层；
7.根据权利要求6所述的方法，其特征在于，所述推荐模型包括n层所述特征提取层，所述第i输出头的输入端与第i特征提取层的输出端相连，且第i+1特征提取层的输入端与所述第i特征提取层相连接；
8.根据权利要求6所述的方法，其特征在于，所述推荐模型包括
9.根据权利要求6所述的方法，其特征在于，所述样本账号信息包含至少两项子账号信息，不同子账号信息对应不同的目标编码长度；
10.根据权利要求2所述的方法，其特征在于，所述基于n个所述组合行为标签以及n种所述组合行为的所述执行概率，训练所述推荐模型，包括：
11.根据权利要求1所述的方法，其特征在于，所述通过训练完成的所述推荐模型，基于目标账号的目标账号信息以及至少两个候选推荐内容，从至少两个所述候选推荐内容中确定目标推荐内容，包括：
12.根据权利要求11所述的方法，其特征在于，所述基于n种所述组合行为的所述执行概率，确定至少两个所述候选推荐内容对于所述目标账号的推荐指数，包括：
13.一种内容推荐装置，其特征在于，所述装置包括：
14.一种服务器，其特征在于，所述服务器包括处理器和存储器，所述存储器中存储有至少一段程序，所述至少一段程序由所述处理器加载并执行以实现如权利要求1至12任一所述的内容推荐方法。
15.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有至少一段程序，所述至少一段程序由处理器加载并执行以实现如权利要求1至12任一所述的内容推荐方法。
16.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机指令，所述计算机指令存储在计算机可读存储介质中，服务器的处理器从所述计算机可读存储介质读取所述计算机指令，所述处理器执行所述计算机指令以实现如权利要求1至12任一所述的内容推荐方法。
...【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：
2.根据权利要求1所述的方法，其特征在于，所述基于所述样本账号的样本账号信息、所述样本推荐内容以及所述样本推荐内容对应的n个组合行为标签，训练推荐模型，包括：
3.根据权利要求1所述的方法，其特征在于，第i组合行为标签对应的第i组合行为由第一原子行为至第i+1原子行为构成；
4.根据权利要求3所述的方法，其特征在于，所述基于所述第一原子行为至所述第i+1原子行为的所述执行情况，确定所述第i组合行为标签，包括：
5.根据权利要求3所述的方法，其特征在于，存在至少两个所述样本推荐内容；
6.根据权利要求2所述的方法，其特征在于，所述推荐模型包括信息编码层、特征提取层和n个输出头，不同输出头对应不同特征提取层；
7.根据权利要求6所述的方法，其特征在于，所述推荐模型包括n层所述特征提取层，所述第i输出头的输入端与第i特征提取层的输出端相连，且第i+1特征提取层的输入端与所述第i特征提取层相连接；
8.根据权利要求6所述的方法，其特征在于，所述推荐模型包括n+1层所述特征提取层以及n个门控层，第i门控层的输入端与第i特征提取层至第i+1特征提取层的输出端相连相连，所述第i门控层的输出端与第i组合行为对应的所述第i输出头相连；
9.根据权利要求6所述的方法，其特征在于，所述样本账号信息包含至少两...
【专利技术属性】
技术研发人员：赵光耀，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。