【技术实现步骤摘要】
本公开实施例涉及用户内容推荐的，尤其涉及一种用户感兴趣内容的推荐方法、装置、电子设备及计算机可读存储介质。
技术介绍
1、在各类社区类的app中，都面临着用户冷启动的问题，即当一个新用户注册完成之后，由于推荐系统缺少这个用户的数据，不知道推荐哪些类型的内容给用户。这种情况下，很多app都会要求用户主动选择自己的兴趣，比如图1是微店的新用户兴趣选择页面。但是用户选择的兴趣不一定是真实置信的：比如用户想快速进入下一个页面，就会随便选择一些偏好；比如用户虽然对某个是对某个类型有兴趣，但是平台站内的内容质量不够高，也会让用户失去兴趣。
2、传统的方案通常假定用户选择的兴趣是置信的，基于这些兴趣进行推荐。一段时间后，比如一天两天之后，根据用户对实际内容的反馈数据，比如，点击率、停留时长，重新计算用户的兴趣。这种方案有以下几个问题：
3、1.没有考虑用户选择的置信度，包括：用户选择时长对置信度的影响、其他用户的置信度。
4、2.推荐的流程中，对用户选择和用户行为的综合考虑较为简单，没有实时的根据用户的选择和实际反馈数据进行动态调整。
技术实现思路
1、本公开实施例的目的在于提供了一种用户感兴趣内容的推荐方法、装置、电子设备及计算机可读存储介质，从而解决现有技术中存在的前述问题。
2、为了实现上述目的，本公开实施例采用的技术方案如下：
3、本公开实施例一方面提供了一种用户感兴趣内容的推荐方法，所述方法包括：
4、获取目标用户
5、根据所述目标用户的兴趣信息确定所述目标用户的每类兴趣的初始beta分布函数；
6、分别获取预设时间内历史用户选择各类别兴趣的数量和真实喜欢相应类别兴趣的数量，以及所述目标用户在注册账号时选择兴趣类别花费的时间，以分别更新所述目标用户在注册账号时选择的兴趣类别和未选择的其他兴趣类别的初始beta分布函数；
7、根据每个类别兴趣的beta分布函数确定所述目标用户的相应类别兴趣的概率分布，以得到相应类别兴趣概率，在冷启动阶段对所述目标用户进行个性化推荐。
8、示例性的，所述分别获取预设时间内历史用户选择各类别兴趣的数量和真实喜欢相应类别兴趣的数量，以及所述目标用户在注册账号时选择兴趣类别花费的时间，以分别更新所述目标用户在注册账号时选择的兴趣类别和未选择的其他兴趣类别的初始beta分布函数，包括：
9、获取预设时间内选择任意一类别兴趣的历史用户数量x，根据历史用户对相应类别兴趣的曝光量和点击率，确定真实喜欢相应类别兴趣的历史用户数量y；
10、获取所述目标用户注册账号时选择兴趣花费的时间，确定选择任意一类兴趣的历史用户数量x和真实喜欢相应类别兴趣的历史用户数量y，及所述目标用户注册账号时选择兴趣花费的时间的对应权重，分别更新所述目标用户选择相应兴趣对应的所述初始beta分布和所述目标用户未选择的相应兴趣对应的所述初始beta分布，其中，所述目标用户选择相应类别兴趣对应的所述初始beta分布的参数α和β分别为，α＝a1×y+a2×l ogn(min(30,s)+1)，β＝a1×(x–y)+a2×(z-l ogn(min(30,s)+1))，其中，s代表目标用户注册账号时选择兴趣类别的时间，z表示目标用户注册账号时选择相应类别兴趣的不喜欢的概率，a1和a2分别是加权系数；所述目标用户未选择相应兴趣对应的所述初始beta分布的参数α″和β″分别为，α″＝y，β″＝x–y。
11、示例性的，所述获取预设时间内选择任意一类别兴趣的历史用户数量x，根据历史用户对相应类别兴趣的曝光量和点击率，确定真实喜欢相应类别兴趣的历史用户数量y，包括：
12、获取预设时间内选择任意一类别兴趣的历史用户数量x，当所有历史用户中任意一历史用户对相应类别兴趣曝光量达到预设次数后，并且所述历史用户对相应类别兴趣内容的点击率达到预设阈值后，所述历史用户为真实喜欢相应类别兴趣内容的用户，统计所有真实喜欢相应类别兴趣内容的历史用户数量y。
13、示例性的，所述在冷启动阶段对所述目标用户进行个性化推荐之后，所述方法还包括：
14、获取参考时间内所述目标用户曝光和点击数据，根据所述目标用户曝光和点击数据更新所述目标用户的相应类别兴趣的beta分布函数。
15、示例性的，所述根据所述目标用户曝光和点击数据更新所述目标用户的相应类别兴趣内容的beta分布函数，包括：
16、获取参考时间内所述目标用户对任意一类别兴趣内容的点击次数m以及对相应类别兴趣内容的曝光未点击次数n；
17、当所述目标用户曝光和点击的兴趣内容是注册账号时选择的兴趣类别，则更新所述目标用户选择的类别兴趣的beta分布函数，beta分布的参数α和β分别更新为α＝a1×y+a2×l og(min(30,s)+1)+m，
18、β＝a1×(x–y)+a2×(z-l og(min(30,s)+1))+n；
19、当所述目标用户曝光和点击的兴趣内容是注册账号时未选择的兴趣类别，则更新所述目标用户未选择的类别兴趣的beta分布函数，beta分布的参数α″和β″分别为α″＝y+m，β″＝x–y+n。
20、示例性的，根据每个类别兴趣的beta分布函数确定所述目标用户的相应类别兴趣的概率分布，以得到相应类别兴趣概率，在冷启动阶段对所述目标用户进行个性化推荐，包括：
21、根据每个类别兴趣的beta分布函数确定所述目标用户的相应类别兴趣的概率分布，得到每个类别兴趣的用户感兴趣的概率，从所述目标用户的所有类别兴趣的概率值中选取最大值的兴趣类别对应的内容，在冷启动阶段作为对所述目标用户进行个性化推荐的内容。
22、本公开实施例另一方面提供了一种用户感兴趣内容的推荐装置，所述装置包括：
23、获取模块，用于获取目标用户注册账号的兴趣信息，其中，所述兴趣信息包括目标用户注册账号时选择的兴趣信息和未选择的其他兴趣信息；
24、确定模块，用于根据所述目标用户注册账号的兴趣信息确定目标用户对每类兴趣内容的初始beta分布函数；
25、更新模块，用于分别获取预设时间内历史用户选择各类别兴趣内容的数量和真实喜欢相应类别兴趣内容的数量，以及所述目标用户在注册账号时选择兴趣内容花费的时间，以分别更新所述目标用户对所有类别兴趣内容的初始beta分布函数；
26、推荐模块，用于根据每个类别兴趣内容的初始beta分布函数确定所述目标用户对相应兴趣内容的概率分布，以得到相应类别兴趣概率，在冷启动阶段对所述目标用户进行个性化推荐。
27、示例性的，所述更新模块还用于：获取预设时间内选择任意一类别兴趣的历史用户数量x，根据历史用户对相应类别兴趣的曝光量和点击率，确定真实喜欢相应类别兴趣的历史用户数量y；本文档来自技高网...
【技术保护点】
1.一种用户感兴趣内容的推荐方法，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，所述分别获取预设时间内历史用户选择各类别兴趣的数量和真实喜欢相应类别兴趣的数量，以及所述目标用户在注册账号时选择兴趣类别花费的时间，以分别更新所述目标用户在注册账号时选择的兴趣类别和未选择的其他兴趣类别的初始Beta分布函数，包括：
3.根据权利要求2所述的方法，其特征在于，所述获取预设时间内选择任意一类别兴趣的历史用户数量x，根据历史用户对相应类别兴趣的曝光量和点击率，确定真实喜欢相应类别兴趣的历史用户数量y，包括：
4.根据权利要求1～3任一项所述的方法，其特征在于，所述在冷启动阶段对所述目标用户进行个性化推荐之后，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标用户曝光和点击数据更新所述目标用户的相应类别兴趣内容的Beta分布函数，包括：
6.根据权利要求1～3任一项所述的方法，其特征在于，根据每个类别兴趣的Beta分布函数确定所述目标用户的相应类别兴趣的概率分布，以得到相应类别兴趣概
7.一种用户感兴趣内容的推荐装置，其特征在于，所述装置包括：
8.根据权利要求7所述的装置，其特征在于，所述更新模块还用于：获取预设时间内选择任意一类别兴趣的历史用户数量x，根据历史用户对相应类别兴趣的曝光量和点击率，确定真实喜欢相应类别兴趣的历史用户数量y；
9.一种电子设备，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行如权利要求1～6任一所述方法的操作指令。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～6任一所述方法的步骤。
...【技术特征摘要】
1.一种用户感兴趣内容的推荐方法，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，所述分别获取预设时间内历史用户选择各类别兴趣的数量和真实喜欢相应类别兴趣的数量，以及所述目标用户在注册账号时选择兴趣类别花费的时间，以分别更新所述目标用户在注册账号时选择的兴趣类别和未选择的其他兴趣类别的初始beta分布函数，包括：
3.根据权利要求2所述的方法，其特征在于，所述获取预设时间内选择任意一类别兴趣的历史用户数量x，根据历史用户对相应类别兴趣的曝光量和点击率，确定真实喜欢相应类别兴趣的历史用户数量y，包括：
4.根据权利要求1～3任一项所述的方法，其特征在于，所述在冷启动阶段对所述目标用户进行个性化推荐之后，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标用户曝光和点击数据更新所述目标用户的相应类别兴趣内容的beta分布函数，包括：
6.根据权...
【专利技术属性】
技术研发人员：肖宇涵，
申请(专利权)人：无线生活北京信息技术有限公司，
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。