【技术实现步骤摘要】
本申请涉及数据处理，特别涉及内容推荐模型的训练方法、内容推荐的方法及相关产品。
技术介绍
1、随着大数据时代的到来，用户在搜索时往往面对大量数据，无法快速找到适合自己的内容。例如，短视频平台每天上传海量的视频，用户更需要看到（被推荐到）自己偏好的视频。又例如，在二手房市场中，用户很难在海量的房源中找到适合自己的房源。因此，需要一种根据用户个人需求和喜好来推荐内容的方法。
2、现有技术中的内容推荐方法通常依赖于定制的启发式方法，如设置预设条件筛选，或是提取内容特征进行筛选。设置预设条件的技术高度依赖于人工设置的策略，对于新内容缺乏灵活性。筛选内容特征的技术只考虑了特征匹配，未完全考虑到用户历史行为，且不适用于没有筛选条件的内容。综上所述，现有技术并不能充分挖掘用户的需求和喜好，推荐模式固化、缺乏灵活性。因此，如何灵活、准确地推荐给用户个性化的内容，成为了一个亟需解决的问题。
技术实现思路
1、基于上述问题，本申请提供了内容推荐模型的训练方法、内容推荐的方法及相关产品，以灵活、准确地推荐给用户个性化的内容。
2、本申请公开了一种内容推荐模型的训练方法，所述训练方法包括：
3、从预构建的id库中选取目标id序列，并将所述目标id序列输入待训练模型中的生成模块，得到待推荐id序列；所述目标id序列为用户历史交互内容的id序列，或所述用户历史交互内容对应的特征id序列；当存在多个所述生成模块时，各生成模块间进行模型参数共享；
4、将所述待推荐i
5、将所述合理性评分作为反馈信号，指导所述生成模块的训练；
6、当得到的合理性评分满足预设条件时，获取当前的待训练模型为内容推荐模型。
7、可选的，所述id库为内容id库或特征id库，预构建id库，包括：
8、对内容进行预处理，得到每个内容的id；
9、对内容中的特征进行预处理，得到每个特征的id；
10、基于所述每个内容的id构建所述内容id库；
11、基于所述每个特征的id构建所述特征id库。
12、可选的，所述得到待推荐id序列，包括：
13、所述生成模块根据所述目标id序列，预测出与所述目标id序列长度相等的预测id序列；
14、所述生成模块根据所述预测id序列，预测出待推荐id；
15、所述生成模块将所述待推荐id拼接在所述预测id序列后，得到所述待推荐id序列。
16、可选的，所述将所述合理性评分作为反馈信号，指导所述生成模块的训练，包括：
17、所述判别模块将所述合理性评分进行加权求和，得到综合评分；所述加权求和中的权重与所述内容的特征相关；
18、所述判别模块将所述综合评分作为反馈信号发送回所述生成模块，以指导所述生成模块的训练。
19、基于上述一种内容推荐模型的训练方法，本申请还公开了一种内容推荐模型的训练装置，所述装置包括：数据生成单元、数据判别单元、指导单元和模型获取单元；
20、所述数据输入单元，用于从预构建的id库中选取目标id序列，并将所述目标id序列输入待训练模型中的生成模块，得到待推荐id序列；所述目标id序列为用户历史交互内容的id序列，或所述用户历史交互内容对应的特征id序列；当存在多个所述生成模块时，各生成模块间进行模型参数共享；
21、所述数据判别单元，用于将所述待推荐id序列输入所述待训练模型中的判别模块，得到所述待推荐id序列中每个待推荐id的合理性评分；
22、所述指导单元，用于将所述合理性评分作为反馈信号，指导所述生成模块的训练；
23、所述模型获取单元，用于当得到的合理性评分满足预设条件时，获取当前的待训练模型为内容推荐模型。
24、可选的，所述id库为内容id库或特征id库，所述数据输入单元，包括：
25、内容id获取子单元，用于对内容进行预处理，得到每个内容的id；
26、特征id获取子单元，用于对内容中的特征进行预处理，得到每个特征的id；
27、内容id库构建子单元，用于基于所述每个内容的id构建所述内容id库；
28、特征id库构建子单元，用于基于所述每个特征的id构建所述特征id库。
29、可选的，所述数据输入单元，包括：
30、预测id序列获取子单元，用于所述生成模块根据所述目标id序列，预测出与所述目标id序列长度相等的预测id序列；
31、待推荐id获取子单元，用于所述生成模块根据所述预测id序列，预测出待推荐id；
32、待推荐id序列获取子单元，用于所述生成模块将所述待推荐id拼接在所述预测id序列后，得到所述待推荐id序列。
33、可选的，所述指导单元，包括：
34、评分子单元，用于所述判别模块将所述合理性评分进行加权求和，得到综合评分；所述加权求和中的权重与所述内容的特征相关；
35、指导子单元，用于所述判别模块将所述综合评分作为反馈信号发送回所述生成模块，以指导所述生成模块的训练。
36、本申请还公开了一种内容推荐的方法，所述方法包括：
37、将用户的历史id序列输入内容推荐模型，得到预测结果；所述历史id序列为所述用户的用户历史交互内容的id序列，或所述用户的用户历史交互内容对应的特征id序列；所述内容推荐模型为通过上述内容推荐模型的训练方法训练得到的；
38、基于所述预测结果，在id库中获取推荐id；
39、向用户推荐与所述推荐id对应的内容或特征。
40、可选的，所述得到预测结果，包括：
41、根据所述历史id序列，得到与所述历史id序列长度相等的预测结果id序列；
42、根据所述预测结果id序列，预测出预测结果id；
43、将所述预测结果id作为最后一位向量拼接在所述历史id序列后，得到所述预测结果。
44、可选的，所述基于所述预测结果，在id库中获取推荐id，包括：
45、获取所述预测结果id映射到所述id库中每一个id的概率；
46、选取所述概率中最大的概率对应的id，作为推荐id。
47、可选的，所述用户历史交互内容为用户历史交互房源；
48、所述用户历史交互内容对应的特征为用户历史交互房源的区域、通勤、价格、房型、建筑面积、朝向、户型特点、楼龄、楼层、装修和配套设施。
49、基于上述一种内容推荐的方法，本申请还公开了一种内容推荐的装置，包括：预测单元、推荐id获取单元和推荐单元；
50、所述预测单元，用于将用户的历史id序列输入内容推荐模型，得到预测结果；所述历史id序列为所述用户的用户历史交互内容的id序列本文档来自技高网...
【技术保护点】
1.一种内容推荐模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的训练方法，其特征在于，所述ID库为内容ID库或特征ID库，预构建ID库，包括：
3.根据权利要求1所述的训练方法，其特征在于，所述得到待推荐ID序列，包括：
4.根据权利要求1所述的训练方法，其特征在于，所述将所述合理性评分作为反馈信号，指导所述生成模块的训练，包括：
5.一种内容推荐的方法，其特征在于，包括：
6.根据权利要求5所述的方法，其特征在于，所述得到预测结果，包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述预测结果，在ID库中获取推荐ID，包括：
8.根据权利要求7所述的方法，其特征在于，所述用户历史交互内容为用户历史交互房源；
9.一种内容推荐模型的训练装置，其特征在于，包括：数据生成单元、数据判别单元、指导单元和模型获取单元；
10.一种内容推荐的装置，其特征在于，包括：预测单元、推荐ID获取单元和推荐单元；
【技术特征摘要】
1.一种内容推荐模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的训练方法，其特征在于，所述id库为内容id库或特征id库，预构建id库，包括：
3.根据权利要求1所述的训练方法，其特征在于，所述得到待推荐id序列，包括：
4.根据权利要求1所述的训练方法，其特征在于，所述将所述合理性评分作为反馈信号，指导所述生成模块的训练，包括：
5.一种内容推荐的方法，其特征在于，包括：
6.根据权利要求...
【专利技术属性】
技术研发人员：杨若辰，
申请(专利权)人：北京博点智合科技有限公司，
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。