System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
所属的技术人员能够理解,本申请的各个方面可以实现为系统、 方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完 全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和 软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。基于相同的专利技术构思,本申请实施例还提供一种电子设备。在一种实施例 中,该电子设备可以是服务器,也可以是终端设备。参阅图13所示,其为本申 请实施例中提供的一种可能的电子设备的结构示意图,图13中,电子设备1300 包括:处理器1310和存储器1320。其中,存储器1320存储有可被处理器1310执行的计算机程序,处理器1310 通过执行存储器1320存储的指令,可以执行上述信息推荐方法的步骤。存储器1320可以是易失性存储器(volatile memory),例如随机存取存储 器(random-access memory,ram);存储器1320也可以是非易失性存储器 (non-volatilememory),例如只读存储器(read-only memory,rom),快 闪存储器(flash memory),硬盘(hard disk drive,hdd)或固态硬盘(solid-state drive,ssd);或者存储器1320是能够用于携带或存储具有指令或数据结构形 式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储 器1320也可以是上述存储器的组合。处理器1310可以包括一个或多个中央处理单元(central processing unit,cpu)或者为数字处
技术介绍
1、随着计算机技术的不断发展,各种应用层出不穷,为了满足不同对象的需 求,应用采用推荐系统实现个性化的内容推荐。例如,目标对象点击其他对象 分享的目标视频时,呈现与目标视频相关的推荐视频。
2、相关技术中,通常基于每个训练数据中包含的样本对象的属性信息和待推 荐内容的内容信息,得到相应的对象特征表示和内容特征表示,进而基于各对 象特征表示和内容特征表示,对推荐模型进行训练。
3、然而,由于推荐模型需要通过训练样本来进行参数拟合,而分享的目标视 频受操作频率影响,难以在训练数据集中进行覆盖,存在样本稀疏的问题,因 此,在进行模型训练时,难以学习到有效的向量表示,导致内容召回的准确性 较低。
技术实现思路
1、本申请实施例提供一种信息推荐方法及相关装置,用以提升有效的向量表 示,提高内容召回的准确性。
2、第一方面,本申请实施例提供一种信息推荐方法,包括:
3、响应于目标对象触发的目标媒体内容,获取所述目标对象的属性信息和所 述目标媒体内容的内容信息;
4、分别对所述属性信息和所述内容信息进行特征转换,得到所述属性信息的 属性特征,以及得到所述内容信息的原始特征;
5、基于存储的各参考聚类中心各自的聚类特征,获得所述内容信息的增强特 征;其中,所述各参考聚类中心是基于各样本对象触发的各历史媒体内容的内 容信息确定的;
6、基于所述属性特征、所述原始特征和所述增强特征,得到所述目标对象的 对象特征,并基于所述对象特征确定推荐信息。
7、第二方面,本申请实施例提供一种信息推荐装置,包括:
8、信息获取单元,用于响应于目标对象触发的目标媒体内容,获取所述目标 对象的属性信息和所述目标媒体内容的内容信息;
9、特征获取单元,用于分别对所述属性信息和所述内容信息进行特征转换, 得到所述属性信息的属性特征,以及得到所述内容信息的原始特征;
10、聚类增强单元,用于基于存储的各参考聚类中心各自的聚类特征,获得所 述内容信息的增强特征;其中,所述各参考聚类中心是基于各样本对象触发的 各历史媒体内容的内容信息确定的;
11、内容推荐单元,用于基于所述属性特征、所述原始特征和所述增强特征, 得到所述目标对象的对象特征,并基于所述对象特征确定推荐信息。
12、作为一种可能的实现方式,本文档来自技高网...
【技术保护点】
1.一种信息推荐方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述基于存储的各参考聚类中心各自的聚类特征,获得所述内容信息的增强特征,包括:
3.如权利要求2所述的方法,其特征在于,所述基于获得的各个子权重,以及基于所述各参考聚类中心各自的聚类特征,得到所述内容信息的增强特征,包括:
4.如权利要求1、2或3所述的方法,其特征在于,所述各参考聚类中心是通过以下方式得到的:
5.如权利要求4所述的方法,其特征在于,所述基于前一次迭代中的各个聚类中心,确定当前迭代中的各个聚类中心,包括:
6.如权利要求5所述的方法,其特征在于,所述基于所述前一次迭代中的各个聚类中心,确定当前迭代中的目标擦除信息和目标增加信息,包括:
7.如权利要求6所述的方法,其特征在于,所述基于所述前一次迭代中的各个聚类中心,分别与所述一个样本数据中包含的内容信息的原始特征之间的相似度,确定当前迭代中的更新权重,包括:
8.如权利要求4所述的方法,其特征在于,所述推荐模型中包含聚类增强层、特征表示层;则所述基于
9.一种信息推荐装置,其特征在于,包括:
10.如权利要求9所述的装置,其特征在于,所述基于存储的各参考聚类中心各自的聚类特征,获得所述内容信息的增强特征时,所述聚类增强单元具体用于:
11.如权利要求10所述的装置,其特征在于,所述基于获得的各个子权重,以及基于所述各参考聚类中心各自的聚类特征,得到所述内容信息的增强特征时,所述聚类增强单元具体用于:
12.如权利要求9、10或11所述的装置,其特征在于,所述装置还包含训练单元,所述训练单元用于:
13.一种电子设备,其特征在于,其包括处理器和存储器,其中,所述存储器存储有计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1~8中任一所述方法的步骤。
14.一种计算机可读存储介质,其特征在于,其包括计算机程序,当所述计算机程序在电子设备上运行时,所述计算机程序用于使所述电子设备执行权利要求1~8中任一所述方法的步骤。
15.一种计算机程序产品,其特征在于,其包括计算机程序,所述计算机程序存储在计算机可读存储介质中,电子设备的处理器从所述计算机可读存储介质读取并执行所述计算机程序,使得所述电子设备执行权利要求1~8中任一所述方法的步骤。
...【技术特征摘要】
1.一种信息推荐方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述基于存储的各参考聚类中心各自的聚类特征,获得所述内容信息的增强特征,包括:
3.如权利要求2所述的方法,其特征在于,所述基于获得的各个子权重,以及基于所述各参考聚类中心各自的聚类特征,得到所述内容信息的增强特征,包括:
4.如权利要求1、2或3所述的方法,其特征在于,所述各参考聚类中心是通过以下方式得到的:
5.如权利要求4所述的方法,其特征在于,所述基于前一次迭代中的各个聚类中心,确定当前迭代中的各个聚类中心,包括:
6.如权利要求5所述的方法,其特征在于,所述基于所述前一次迭代中的各个聚类中心,确定当前迭代中的目标擦除信息和目标增加信息,包括:
7.如权利要求6所述的方法,其特征在于,所述基于所述前一次迭代中的各个聚类中心,分别与所述一个样本数据中包含的内容信息的原始特征之间的相似度,确定当前迭代中的更新权重,包括:
8.如权利要求4所述的方法,其特征在于,所述推荐模型中包含聚类增强层、特征表示层;则所述基于存储的各个参考聚类中心各自的聚类特征,获得所述内容信息的增强特征,包括:
9.一种...
【专利技术属性】
技术研发人员:戴威,
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。