本申请公开了一种基于内容推荐模型的内容推荐方法、装置、设备和介质，属于人工智能领域。内容推荐模型包括对象分支以及至少两个内容分支，至少两个内容分支与至少两种候选推荐内容的至少两种视图相匹配、且至少两个内容分支的至少一部分参数共享。所述方法包括：获取第一对象标识对应的对象表示；以及，获取针对第一对象标识的候选推荐内容的内容表示；将对象表示与内容表示输入内容推荐模型中进行表征，得到对象表征与单视图内容表征；基于对象表征与单视图内容表征，从候选推荐内容中确定目标推荐内容并向第一对象标识表征的第一对象进行内容推荐。上述方案可以提高内容推荐模型的特征提取能力，进而提高内容推荐的效果。
2、相关技术中，内容推荐模型采用双塔模型，通过同一个内容塔训练多种类型的推荐内容的特征，然后学习用户的特征与多种类型的推荐内容的特征之间的关系，以提高整体的内容推荐质量。其中，推荐内容的多种类型包括短视频、长视频、新闻、小说等。
2、根据本申请的一个方面，提供了一种基于内容推荐模型的内容推荐方法，所述内容推荐模型包括对象分支以及至少两个内容分支，所述至少两个内容分支与至少两种候选推荐内容的至少两种视图相匹配、且所述至少两个内容分支的至少一部分参数共享；
5、将所述对象表示输入所述内容推荐模型的所述对象分支中进行表征，得到对象表征；以及，将所述内容表示输入所述内容推荐模型中与所述候选推荐内容的视图相匹配的内容分支中进行表征，得到单视图内容表征；
>6、基于所述对象表征与所述单视图内容表征，从所述候选推荐内容中确定满足筛选条件的目标推荐内容；7、将所述目标推荐内容，向所述第一对象标识表征的第一对象进行内容推荐。
8、根据本申请的另一方面，提供了一种内容推荐模型的训练方法，所述内容推荐模型包括对象分支以及至少两个内容分支，所述至少两个内容分支与至少两种推荐内容的至少两种视图相匹配、且所述至少两个内容分支的至少一部分参数共享；
9、所述方法包括：
10、获取样本对象标识对应的对象表示、以及获取针对所述样本对象标识的至少两种推荐内容的至少两种内容表示，所述至少两种内容表示携带标签信息；
11、将所述对象表示输入所述内容推荐模型的所述对象分支中进行表征，得到对象表征；以及，将所述至少两种内容表示输入所述内容推荐模型中与所述至少两种推荐内容的视图相匹配的内容分支中进行表征，得到至少两种单视图内容表征；
12、基于所述对象表征与所述至少两种单视图内容表征，分别确定所述至少两种单视图内容表征对应的预测信息；
13、基于所述标签信息与所述预测信息确定训练损失，基于所述训练损失对所述内容推荐模型的模型参数进行训练。
14、根据本申请的另一方面，提供了一种所述内容推荐模型包括对象分支以及至少两个内容分支，所述至少两个内容分支与至少两种候选推荐内容的至少两种视图相匹配、且所述至少两个内容分支的至少一部分参数共享；
15、所述装置包括：
16、获取模块，用于获取第一对象标识对应的对象表示；以及，获取针对所述第一对象标识的候选推荐内容的内容表示；
17、输入模块，用于将所述对象表示输入所述内容推荐模型的所述对象分支中进行表征，得到对象表征；以及，将所述内容表示输入所述内容推荐模型中与所述候选推荐内容的视图相匹配的内容分支中进行表征，得到单视图内容表征；
18、筛选模块，用于基于所述对象表征与所述单视图内容表征，从所述候选推荐内容中确定满足筛选条件的目标推荐内容；
19、推荐模块，用于将所述目标推荐内容，向所述第一对象标识表征的第一对象进行内容推荐。
20、根据本申请的另一方面，提供了一种内容推荐模型的训练装置，所述内容推荐模型包括对象分支以及至少两个内容分支，所述至少两个内容分支与至少两种推荐内容的至少两种视图相匹配、且所述至少两个内容分支的至少一部分参数共享；
21、所述装置包括：
22、获取模块，用于获取样本对象标识对应的对象表示、以及获取针对所述样本对象标识的至少两种推荐内容的至少两种内容表示，所述至少两种内容表示携带标签信息；
23、表征模块，用于将所述对象表示输入所述内容推荐模型的所述对象分支中进行表征，得到对象表征；以及，将所述至少两种内容表示输入所述内容推荐模型中与所述至少两种推荐内容的视图相匹配的内容分支中进行表征，得到至少两种单视图内容表征；
24、预测模块，用于基于所述对象表征与所述至少两种单视图内容表征，分别确定所述至少两种单视图内容表征对应的预测信息；
25、训练模块，用于基于所述标签信息与所述预测信息确定训练损失，基于所述训练损失对所述内容推荐模型的模型参数进行训练。
26、根据本申请的另一方面，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，所述存储器存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现如上所述的基于内容推荐模型的内容推荐方法，或者，实现如上所述的内容推荐模型的训练方法。
27、根据本申请的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序由处理器加载并执行以实现如上所述的基于内容推荐模型的内容推荐方法，或者，实现如上所述的内容推荐模型的训练方法。
28、根据本申请的另一方面，提供了一种计算机程序产品，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，处理器从所述计算机可读存储介质中获取所述计算机指令，使得所述处理器加载并执行以实现如上所述的基于内容推荐模型的内容推荐方法，或者，实现如上所述的内容推荐模型的训练方法。
29、本申请实施例提供的技术方案带来的有益效果至少包括：
30、本申请实施例的内容推荐模型包括对象分支以及至少两个内容分支，在内容推荐模型的训练阶段，至少两个内容分支与至少两种推荐内容的至少两种视图相匹配、且至少两个内容分支的至少一部分参数共享。据此，每个内容分支都可以学习到所有视图下的推荐内容的相关信息，可以实现不同视图的推荐内容之间的迁移学习，使得单视图内容表征中也携带有其他视图的推荐内容的相关信息。参数共享的部分还可以平衡不同视图的推荐内容之间的学习过程，参数独立的部分与视图相对应，还可以建立不同视图的推荐内容对应的单视图内容表征之间的差异，提高单视图内容表征的准确度。通过同一条对象分支，使得对象分支能学习到所有视图下的推荐内容的相关信息，得到更准确的对象表征。采用上述方案可以提高内容推荐模型的特征提取能力，在使用该内容推荐模型进行内容推荐的使用阶段，可以缓解数据稀疏性而产生的冷启动问题，提升针对新的对象或新的推荐内容的推荐效果，提高内容推荐的准确性，还可以在一定程度上提高对象的内容推荐体验。
本文档来自技高网...
【技术保护点】
1.一种基于内容推荐模型的内容推荐方法，其特征在于，所述内容推荐模型包括对象分支以及至少两个内容分支，所述至少两个内容分支与至少两种候选推荐内容的至少两种视图相匹配、且所述至少两个内容分支的至少一部分参数共享；
2.根据权利要求1所述的方法，其特征在于，所述至少两个内容分支包括嵌入层、特征提取层和多视图表征层，所述嵌入层和所述特征提取层的参数共享，所述多视图表征层包括与所述至少两种候选推荐内容的至少两种视图相匹配的至少两个表征块，所述至少两个表征块的参数独立；
3.根据权利要求2所述的方法，其特征在于，所述特征提取层采用多头自注意力神经网络；
4.根据权利要求2所述的方法，其特征在于，所述多视图表征层的所述至少两个表征块均分别采用至少一个多层感知器；
5.根据权利要求1至4任一所述的方法，其特征在于，所述基于所述对象表征与所述单视图内容表征，从所述候选推荐内容中确定满足筛选条件的目标推荐内容，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述内容评分，从所述候选推荐内容中确定满足筛选条件的目标推荐内容，包括：
7.根据权利要求1至6任一所述的方法，其特征在于，所述获取第一对象标识对应的对象表示，包括：
8.根据权利要求1至6任一所述的方法，其特征在于，所述获取针对所述第一对象标识的候选推荐内容的内容表示，包括：
9.根据权利要求1至6任一所述的方法，其特征在于，所述方法还包括：
10.一种内容推荐模型的训练方法，其特征在于，所述内容推荐模型包括对象分支以及至少两个内容分支，所述至少两个内容分支与至少两种推荐内容的至少两种视图相匹配、且所述至少两个内容分支的至少一部分参数共享；
11.一种基于内容推荐模型的内容推荐装置，其特征在于，所述内容推荐模型包括对象分支以及至少两个内容分支，所述至少两个内容分支与至少两种候选推荐内容的至少两种视图相匹配、且所述至少两个内容分支的至少一部分参数共享；
12.一种内容推荐模型的训练装置，其特征在于，所述内容推荐模型包括对象分支以及至少两个内容分支，所述至少两个内容分支与至少两种推荐内容的至少两种视图相匹配、且所述至少两个内容分支的至少一部分参数共享；
13.一种计算机设备，其特征在于，所述计算机设备包括：处理器和存储器，所述存储器存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现如权利要求1至9任一所述的基于内容推荐模型的内容推荐方法，或者，实现如权利要求10所述的内容推荐模型的训练方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序由处理器加载并执行以实现如权利要求1至9任一所述的基于内容推荐模型的内容推荐方法，或者，实现如权利要求10所述的内容推荐模型的训练方法。
15.一种计算机程序产品，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，处理器从所述计算机可读存储介质中获取所述计算机指令，使得所述处理器加载并执行以实现如权利要求1至9任一所述的基于内容推荐模型的内容推荐方法，或者，实现如权利要求10所述的内容推荐模型的训练方法。
...
【技术特征摘要】
1.一种基于内容推荐模型的内容推荐方法，其特征在于，所述内容推荐模型包括对象分支以及至少两个内容分支，所述至少两个内容分支与至少两种候选推荐内容的至少两种视图相匹配、且所述至少两个内容分支的至少一部分参数共享；
2.根据权利要求1所述的方法，其特征在于，所述至少两个内容分支包括嵌入层、特征提取层和多视图表征层，所述嵌入层和所述特征提取层的参数共享，所述多视图表征层包括与所述至少两种候选推荐内容的至少两种视图相匹配的至少两个表征块，所述至少两个表征块的参数独立；
3.根据权利要求2所述的方法，其特征在于，所述特征提取层采用多头自注意力神经网络；
4.根据权利要求2所述的方法，其特征在于，所述多视图表征层的所述至少两个表征块均分别采用至少一个多层感知器；
5.根据权利要求1至4任一所述的方法，其特征在于，所述基于所述对象表征与所述单视图内容表征，从所述候选推荐内容中确定满足筛选条件的目标推荐内容，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述内容评分，从所述候选推荐内容中确定满足筛选条件的目标推荐内容，包括：
7.根据权利要求1至6任一所述的方法，其特征在于，所述获取第一对象标识对应的对象表示，包括：
8.根据权利要求1至6任一所述的方法，其特征在于，所述获取针对所述第一对象标识的候选推荐内容的内容表示，包括：
9.根据权利要求1至6任一所述的方法，其特征在于，所述方法还包括：
10.一种内容推荐模型的训练方法，其特征在于，所述内容推荐模型包括对象分支以及...
【专利技术属性】
技术研发人员：樊哿，
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。