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】
本申请涉及信息处理,更具体而言,涉及一种内容推荐方法、装置、电子设备和存储介质。
技术介绍
1、近几年,国内的新能源汽车行业发展如火如荼,新能源汽车的渗透率开始逐步提升。越来越多面向新能源汽车的论坛开始出现在人们生活中。而现有的新能源汽车论坛往往不能有效利用用户的多种负反馈信息,从而无法准确并快速地推荐出用户感兴趣的内容帖并过滤用户不喜欢的内容帖,比如内容极为相似的帖子只是作者不同,这种帖子很可能会躲过过滤使得用户可能也会被推荐相似的不喜欢的帖子,严重影响用户的使用体验。
技术实现思路
1、本申请实施方式提供一种内容推荐方法、装置、电子设备和存储介质。
2、本申请实施方式的一种内容推荐方法,包括:
3、获取当前用户请求和与所述用户请求对应的候选帖;
4、根据当前所述用户请求提取当前用户的感兴趣特征向量和不感兴趣特征向量,所述感兴趣特征向量和所述不感兴趣特征向量由训练好的图神经网络模型基于当前用户的历史正负反馈信息生成;
5、利用所述感兴趣特征向量和所述不感兴趣特征向量筛选所述候选帖,生成推荐帖;
6、将推荐帖推荐给用户。
7、在某些实施例中,所述感兴趣特征向量和所述不感兴趣特征向量由神经网络模型基于当前用户的历史正负反馈信息生成,包括:
8、获取当前用户的历史正负反馈信息;
9、根据所述正负反馈历史信息构建对应的感兴趣子图和不感兴趣子图;
10、所述感兴趣子图和所述不感兴趣子
11、在某些实施例中,根据所述正负反馈历史信息构建对应的感兴趣子图和不感兴趣子图,包括:
12、对所述不感兴趣子图进行负采样处理,以过滤所述不感兴趣子图中的部分负反馈样本。
13、在某些实施例中,利用所述感兴趣特征向量和所述不感兴趣特征向量筛选所述候选帖,生成推荐帖,包括:
14、根据所述不感兴趣特征向量对所述候选帖进行筛选,得到筛选候选帖;
15、根据所述感兴趣特征向量对所述筛选候选帖进行筛选,生成推荐帖。
16、在某些实施例中,根据所述不感兴趣特征向量对所述候选帖进行筛选,得到筛选候选帖,包括:
17、获取所述候选帖中内容帖的帖特征向量;
18、计算所述不感兴趣特征向量与所述帖特征向量的第一相似度;
19、根据所述第一相似度将所述第一相似度大于预设阈值的所述内容帖去除,得到筛选推荐帖。
20、在某些实施例中,根据所述感兴趣特征向量对所述筛选候选帖进行筛选,生成推荐帖,包括:
21、获取所述候选帖中内容帖的帖特征向量;
22、计算所述感兴趣特征向量与所述帖特征向量的第二相似度;
23、根据所述第二相似度提取出所述候选帖中第二相似度较高的内容帖,生成推荐帖。
24、在某些实施例中,将推荐帖推荐给用户,包括:
25、根据所述第二相似度对所述推荐帖降序排列,生成排序结果;
26、将排序结果中的前预设数量的所述推荐帖推荐给用户。
27、本专利技术第二方面实施例提出一种内容推荐装置,所述内容推荐装置包括:
28、获取模块,用于获取当前用户请求和与所述用户请求对应的候选帖;
29、提取模块,用于根据当前所述用户请求提取当前用户的感兴趣特征向量和不感兴趣特征向量,所述感兴趣特征向量和所述不感兴趣特征向量由训练好的图神经网络模型基于当前用户的历史正负反馈信息生成;
30、筛选模块,用于利用所述感兴趣特征向量和所述不感兴趣特征向量筛选所述候选帖,生成推荐帖;
31、推荐模块,用于将推荐帖推荐给用户。
32、本专利技术第三方面实施例提出一种电子设备,包括处理器和存储器,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,使得所述处理器实现上述权利要求任一项所述的内容推荐方法的指令。
33、本专利技术第四方面实施例提出一种非易失性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,当所述计算机程序被处理器执行时,实现上述权利要求任一项所述的内容推荐方法。
34、本申请实施方式提出的一种内容推荐方法、内容推荐装置、电子设备和存储介质,通过利用用户在论坛内的多种正负反馈行为带入图神经网络模型来计算用户的感兴趣特征向量和不感兴趣特征向量,并利用感兴趣特征向量和不感兴趣特征向量为用户推荐内容,感兴趣特征向量和不感兴趣特征向量可以直观有效的体现出用户对内容帖喜爱度的偏向性,因此,利用感兴趣特征向量和不感兴趣特征向量可以更加直观筛选候选帖,并且方法简单,可操作性强,有利于实现准确并快速地推荐出用户感兴趣的内容帖并过滤用户不喜欢的内容帖,有效提升了用户的使用体验。
35、本申请的实施方式的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实施方式的实践了解到。
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,包括:
2.根据权利要求1所述的内容推荐方法,其特征在于,所述感兴趣特征向量和所述不感兴趣特征向量由神经网络模型基于当前用户的历史正负反馈信息生成,包括:
3.根据权利要求2所述的内容推荐方法,其特征在于,根据所述正负反馈历史信息构建对应的感兴趣子图和不感兴趣子图,包括:
4.根据权利要求1所述的内容推荐方法,其特征在于,利用所述感兴趣特征向量和所述不感兴趣特征向量筛选所述候选帖,生成推荐帖,包括:
5.根据权利要求4所述的内容推荐方法,其特征在于,根据所述不感兴趣特征向量对所述候选帖进行筛选,得到筛选候选帖,包括:
6.根据权利要求4所述的内容推荐方法,其特征在于,根据所述感兴趣特征向量对所述筛选候选帖进行筛选,生成推荐帖,包括:
7.根据权利要求6所述的内容推荐方法,其特征在于,将推荐帖推荐给用户,包括:
8.一种内容推荐装置,其特征在于,所述内容推荐装置包括:
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有计算机程序,当所述计
10.一种非易失性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,当所述计算机程序被处理器执行时,实现如权利要求1-7任一项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,包括:
2.根据权利要求1所述的内容推荐方法,其特征在于,所述感兴趣特征向量和所述不感兴趣特征向量由神经网络模型基于当前用户的历史正负反馈信息生成,包括:
3.根据权利要求2所述的内容推荐方法,其特征在于,根据所述正负反馈历史信息构建对应的感兴趣子图和不感兴趣子图,包括:
4.根据权利要求1所述的内容推荐方法,其特征在于,利用所述感兴趣特征向量和所述不感兴趣特征向量筛选所述候选帖,生成推荐帖,包括:
5.根据权利要求4所述的内容推荐方法,其特征在于,根据所述不感兴趣特征向量对所述候选帖进行筛选,得到筛选候选帖,包括:
6.根据权利要求...
【专利技术属性】
技术研发人员:周驰,谷鹰,车皓阳,姚雷,
申请(专利权)人:浙江极氪智能科技有限公司,
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。