本申请提供一种老年人娱乐信息推荐方法、装置、设备及介质，涉及智能推荐技术领域，包括：获取目标老年人的历史事件数据集；对历史事件数据集进行清洗，得到清洗后的历史事件数据集；对清洗后的历史事件数据集进行特征提取，得到第一特征提取结果集；将第一特征提取结果集输入预先构建的娱乐偏好预测模型中，得到当前时间的娱乐信息偏好结果；基于当前时间的娱乐信息偏好结果，生成目标老年人的娱乐推荐信息。本申请的娱乐偏好预测模型不仅仅获取了老年人的历史行为数据，还获取了历史行为数据对应的时间数据，再结合兴趣衰减机制，有助于生成的娱乐推荐信息更加贴合老年人当前的兴趣。
【技术实现步骤摘要】
本申请涉及智能推荐，具体而言，涉及一种老年人娱乐信息推荐方法、装置、设备及介质。
技术介绍
1、随着智能化生活的普及，老年人的生活越来越依赖于智能化的服务。在娱乐方面，如何根据老年人的个性化需求，提供精准的影视、音乐和电视节目推荐，是非常重要的。
2、传统的推荐方法往往无法充分捕捉老年人有规律的序列化行为，导致为老年人推荐的娱乐项目或信息并不准确，进而导致老年人服务体验不佳；因此，需要一种更为精准的推荐系统。
技术实现思路
1、本申请实施例的目的在于提供一种老年人娱乐信息推荐方法、装置、设备及介质，用以解决现有技术存在的上述问题，可精准、有针对性的为老年人推荐感兴趣的娱乐项目或信息。
2、第一方面，提供了一种老年人娱乐信息推荐方法，该方法可以包括：
3、获取目标老年人的历史事件数据集；其中，所述历史事件数据集包括时间以及所述时间对应的事件；所述事件包括娱乐事件；
4、对所述历史事件数据集进行清洗，得到清洗后的历史事件数据集；
5、对所述清洗后的历史事件数据集进行特征提取，得到第一特征提取结果集；
6、将所述第一特征提取结果集输入预先构建的娱乐偏好预测模型中，得到当前时间的娱乐信息偏好结果；其中，所述娱乐偏好预测模型是多层gru网络以及兴趣提取网络搭建得到的；
7、基于所述当前时间的娱乐信息偏好结果，生成所述目标老年人的娱乐推荐信息。
8、在一个可选的实现中，所述娱乐偏好预测模型，包括：</p>9、embedding层，用于对所述第一特征提取结果集中的各特征提取结果进行降维，得到降维后的特征提取结果集；
10、多层gru网络，用于对所述降维后的特征提取结果集进行多层特征提取，得到第二特征提取结果集；
11、兴趣提取层，用于对所述第二特征提取结果集进行老年人短期偏好和长期偏好的提取，得到兴趣提取结果集；
12、兴趣演化层，用于对所述兴趣提取结果集进行更新，得到更新后的兴趣提取结果集；
13、输出层，用于将所述第二特征提取结果集与所述更新后的兴趣提取结果进行融合，得到当前时间的娱乐信息偏好结果。
14、在一个可选的实现中，所述兴趣提取层，包括：
15、局部兴趣抽取单元，用于对所述第二特征提取结果集中小于预设的第一时间阈值的特征提取结果进行分析，得到第一兴趣提取结果集；
16、全局兴趣抽取单元，用于对所述第二特征提取结果集中小于预设的第二时间阈值的特征提取结果进行分析，得到第二兴趣提取结果集；
17、兴趣提取单元，用于对所述第一兴趣提取结果集和所述第二兴趣提取结果集进行整合，得到兴趣提取结果集。
18、在一个可选的实现中，所述兴趣演化层，包括：
19、兴趣门计算单元，用于基于所述兴趣提取结果集，计算兴趣门与历史兴趣门；
20、因子计算单元，用于基于所述兴趣门与所述历史兴趣门，计算兴趣演化因子；
21、更新单元，用于基于所述兴趣演化因子对所述兴趣提取结果集进行更新，得到更新后的兴趣提取结果集。
22、在一个可选的实现中，对所述历史事件数据集进行清洗，得到清洗后的历史事件数据集，包括：
23、若所述历史事件数据集中的任一历史事件数据的长度小于预设的序列长度阈值，则将所述历史事件数据的长度填充至与所述预设的序列长度阈值相同；
24、若所述历史事件数据集中的任一历史事件数据的长度大于预设的序列长度阈值，则将所述历史事件数据的长度裁剪至与所述预设的序列长度阈值相同。
25、在一个可选的实现中，在生成老年人娱乐推荐信息之后，所述方法还包括：
26、利用智能设备以文字、画面或语音的方式输出所述老年人娱乐推荐信息。
27、第二方面，提供了一种老年人娱乐信息推荐装置，该装置可以包括：
28、获取单元，用于获取目标老年人的历史事件数据集；其中，所述历史事件数据集包括时间以及所述时间对应的事件；所述事件包括娱乐事件；
29、清洗单元，用于对所述历史事件数据集进行清洗，得到清洗后的历史事件数据集；
30、提取单元，用于对所述清洗后的历史事件数据集进行特征提取，得到第一特征提取结果集；
31、预测单元，用于将所述第一特征提取结果集输入预先构建的娱乐偏好预测模型中，得到当前时间的娱乐信息偏好结果；其中，所述娱乐偏好预测模型是多层gru网络以及兴趣提取网络搭建得到的；
32、推荐单元，用于基于所述当前时间的娱乐信息偏好结果，生成所述目标老年人的娱乐推荐信息。
33、第三方面，提供了一种电子设备，该电子设备包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
34、存储器，用于存放计算机程序；
35、处理器，用于执行存储器上所存放的程序时，实现上述第一方面中任一所述的方法步骤。
36、第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一所述的方法步骤。
37、本申请的娱乐偏好预测模型不仅仅获取了老年人的历史行为数据，还获取了历史行为数据对应的时间数据，从而捕捉老年人随着时间变化产生的兴趣的变化，再结合兴趣衰减机制，模拟老年人对历史行为的逐渐遗忘或兴趣衰减，有助于生成的娱乐推荐信息更加贴合老年人当前的兴趣。
38、本申请结合老年人的历史行为数据以及老年人的基础数据，能够更全面地理解老年人的行为模式，有助于提供更具个性化和时效性的娱乐推荐信息。
39、本申请的娱乐偏好预测模型采用深度神经网络结构，能够学习复杂的特征表示，更好地挖掘和理解老年人的行为模式和兴趣变化，提高娱乐推荐信息的精度和准确性。
40、本申请不需要指定固定的历史序列数据的长度，有助于提高老年人的娱乐推荐信息的灵活程度，使得娱乐信息的推荐更具备针对性。
本文档来自技高网...
【技术保护点】
1.一种老年人娱乐信息推荐方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述娱乐偏好预测模型，包括：
3.如权利要求2所述的方法，其特征在于，所述兴趣提取层，包括：
4.如权利要求2所述的方法，其特征在于，所述兴趣演化层，包括：
5.如权利要求1所述的方法，其特征在于，对所述历史事件数据集进行清洗，得到清洗后的历史事件数据集，包括：
6.如权利要求1所述的方法，其特征在于，在生成老年人娱乐推荐信息之后，所述方法还包括：
7.一种老年人娱乐信息推荐装置，其特征在于，所述装置包括：
8.一种电子设备，其特征在于，所述电子设备包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
9.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法。
【技术特征摘要】
1.一种老年人娱乐信息推荐方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述娱乐偏好预测模型，包括：
3.如权利要求2所述的方法，其特征在于，所述兴趣提取层，包括：
4.如权利要求2所述的方法，其特征在于，所述兴趣演化层，包括：
5.如权利要求1所述的方法，其特征在于，对所述历史事件数据集进行清洗，得到清洗后的历史事件数据集，包括：
6.如权利要求1所述的方...
【专利技术属性】
技术研发人员：陈运江，章云祥，李伟艺，
申请(专利权)人：厦门立林科技有限公司，
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。