本申请公开了一种内容推荐方法和系统、电子设备及存储介质，方法包括：获取目标群体历史订购的第一内容信息；将所述第一内容信息通过大语言模型处理，确定第一描述信息；所述第一描述信息用于表征所述目标群体中每个对象的偏好；将目标业务的第二内容信息通过所述大语言模型处理，确定第二描述信息，所述第二描述信息用于表征所述目标业务的适合群体；将所述第一描述信息和所述第二描述信息通过推荐模型处理，确定目标对象，并向所述目标对象推荐目标内容；所述目标内容与所述目标业务相对应。本申请实施例有利于提升预测效果，缓解新业务的冷启动问题。本申请可以广泛应用于人工智能技术领域。
【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种内容推荐方法和系统、电子设备及存储介质。
技术介绍
1、新上线的商品/套餐/业务，期望筛选高意向用户进行精准营销或在客户端的相关页面上及时推荐给用户。相关技术中，通过历史数据构建用户画像进行推荐。然而，该方案对于新上的业务，需要历史数据的积累，无法缓解新业务的冷启动问题。在另一方案中，通过相似业务进行内容推荐，然而，相似业务之间存在差距，导致推荐效果不佳。
技术实现思路
1、本申请实施例的主要目的在于提出一种高效的内容推荐方法和系统、电子设备及存储介质。
2、为实现上述目的，本申请实施例的一方面提出了一种内容推荐方法，所述方法包括：获取目标群体历史订购的第一内容信息；将所述第一内容信息通过大语言模型处理，确定第一描述信息；所述第一描述信息用于表征所述目标群体中每个对象的偏好；将目标业务的第二内容信息通过所述大语言模型处理，确定第二描述信息，所述第二描述信息用于表征所述目标业务的适合群体；将所述第一描述信息和所述第二描述信息通过推荐模型处理，确定目标对象，并向所述目标对象推荐目标内容；所述目标内容与所述目标业务相对应。本申请实施例通过大语言模型对历史的第一内容信息和目标业务的第二内容信息进行预处理，提升预测效果，同时，缓解了新业务的冷启动问题。
3、在一些实施例中，本申请实施例提供的方法，所述推荐模型包括命名实体识别模型和文本编码模型，所述方法还包括：
4、将所述第一描述信息输入所述命名实体识别模型，得到第一向量；</p>5、将所述第一描述信息输入所述文本编码模型，得到第二向量；
6、将所述第一向量和所述第二向量进行融合处理，确定偏好向量。
7、在一些实施例中，本申请实施例提供的方法，所述将所述第一描述信息和所述第二描述信息通过推荐模型处理，确定目标对象，包括：
8、将所述第二描述信息通过所述推荐模型预处理，确定业务向量；
9、对所述偏好向量和所述业务向量进行相似度处理，确定目标对象。
10、在一些实施例中，本申请实施例提供的方法，所述推荐模型通过下列步骤训练得到：
11、获取目标群体订购的第一内容样本信息；所述第一内容样本信息包括对应目标对象的真实结果；
12、将所述第一内容样本信息通过大语言模型处理，确定第一描述样本信息；
13、将目标业务的第二内容样本信息通过所述大语言模型处理，确定第二描述样本信息；
14、将所述第一描述样本信息和所述第二描述样本信息通过推荐模型处理，得到预测结果；并根据所述预测结果与真实结果采用损失函数计算损失值，根据所述损失值更新所述推荐模型的参数，得到训练好的所述推荐模型。
15、在一些实施例中，本申请实施例提供的方法，所述推荐模型通过下列步骤训练得到：
16、将所述第二描述样本信息输入所述命名实体识别模型，通过第一预测向量与第一结果向量更新所述命名实体识别模型；
17、将所述第二描述样本信息输入所述文本编码模型，通过第二预测向量与第二结果向量更新所述文本编码模型；
18、通过第一预测向量对所述文本编码模型的参数进行微调，得到推荐模型；或者，通过第二预测向量对所述命名实体识别模型的参数进行微调，得到推荐模型。
19、在一些实施例中，本申请实施例提供的方法，所述推荐模型通过下列步骤训练得到：
20、获取累计时长；所述累计时长用于表征更新所述推荐模型后经过的时长；
21、若所述累计时长大于或等于预设时长，且当前累计时长内所述大语言模型有更新；
22、获取样本信息，根据所述样本信息对所述推荐模型进行训练，得到更新后的推荐模型；所述累计时长清零，并返回所述获取累计时长这一步骤。
23、在一些实施例中，本申请实施例提供的方法，还包括：
24、通过所述推荐模型得到预测对象群，将所述预测对象群中第一对象剔除，更新所述预测对象群；所述第一对象包括已推荐的对象和已订购所述目标业务的对象；
25、根据预测得分，将所述预测对象群中的预测对象进行由大到小或者由小到大顺序排列，筛选若干预测对象为目标对象。
26、为实现上述目的，本申请实施例的另一方面提出了一种内容推荐系统，所述系统包括：
27、第一模块，用于获取目标群体历史订购的第一内容信息；
28、第二模块，用于将所述第一内容信息通过大语言模型处理，确定第一描述信息；所述第一描述信息用于表征所述目标群体中每个对象的偏好；
29、第三模块，用于将目标业务的第二内容信息通过所述大语言模型处理，确定第二描述信息，所述第二描述信息用于表征所述目标业务的适合群体；
30、第四模块，用于将所述第一描述信息和所述第二描述信息通过推荐模型处理，确定目标对象，并向所述目标对象推荐目标内容；所述目标内容与所述目标业务相对应。
31、为实现上述目的，本申请实施例的另一方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
32、为实现上述目的，本申请实施例的另一方面提出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，所述计算机程序被处理器执行时实现上述的方法。
33、本申请实施例至少包括以下有益效果：本申请实施例提供的方法包括：获取目标群体历史订购的第一内容信息；将所述第一内容信息通过大语言模型处理，确定第一描述信息；所述第一描述信息用于表征所述目标群体中每个对象的偏好；将目标业务的第二内容信息通过所述大语言模型处理，确定第二描述信息，所述第二描述信息用于表征所述目标业务的适合群体；将所述第一描述信息和所述第二描述信息通过推荐模型处理，确定目标对象，并向所述目标对象推荐目标内容；所述目标内容与所述目标业务相对应。本申请实施例通过大语言模型对历史的第一内容信息和目标业务的第二内容信息进行预处理，提升预测效果，同时，缓解了新业务的冷启动问题。
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，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述推荐模型包括命名实体识别模型和文本编码模型，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述第一描述信息和所述第二描述信息通过推荐模型处理，确定目标对象，包括：
4.根据权利要求1所述的方法，其特征在于，所述推荐模型通过下列步骤训练得到：
5.根据权利要求2所述的方法，其特征在于，所述推荐模型通过下列步骤训练得到：
6.根据权利要求1所述的方法，其特征在于，所述推荐模型通过下列步骤训练得到：
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种内容推荐系统，其特征在于，所述系统包括：
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的方法。
10.一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，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
...
【技术特征摘要】
1.一种内容推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述推荐模型包括命名实体识别模型和文本编码模型，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述第一描述信息和所述第二描述信息通过推荐模型处理，确定目标对象，包括：
4.根据权利要求1所述的方法，其特征在于，所述推荐模型通过下列步骤训练得到：
5.根据权利要求2所述的方法，其特征在于，所述推荐模型通过下列步骤训练得到：
6.根据权利要求1所述的...
【专利技术属性】
技术研发人员：黄弘毅，
申请(专利权)人：天翼爱音乐文化科技有限公司，
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。