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】
本专利技术涉及信息处理,尤其涉及一种信息推荐方法、装置、电子设备及存储介质。
技术介绍
1、目前,各种类型的广告不仅层出不穷,而且随处可见,例如电梯、商场或者交通工具等其它广告播放平台;商家可以通过不同广告播放平台向用户推荐广告中的信息,每个广告播放平台可以通过对不同类型的广告进行轮播的方式向用户推荐信息,也可以通过当前热度排名顺序播放广告的方式向用户推荐信息;但上述两种信息推荐方式并不能激发用户的观看欲望,导致信息推荐的灵活性很低且无法满足用户需求。
技术实现思路
1、本专利技术提供一种信息推荐方法、装置、电子设备及存储介质,用以解决现有信息推荐方法的灵活性很低且无法满足用户需求的缺陷,实现利用用户的需求和兴趣偏好针对性推荐信息的目的,从而也能实现随着用户兴趣和/或需求的不同,针对性地向用户推荐不同信息的目的,不仅提高了信息推荐的灵活性,也能确保每次信息推荐更加个性化和灵活化,同时也能大幅提高用户对于信息推荐结果的满意度。
2、本专利技术提供一种信息推荐方法,包括:
3、获取用户的属性特征和行为特征;
4、将所述属性特征和所述行为特征分别与预先构建的用户画像模型进行匹配,确定所述用户的目标兴趣和目标需求;所述用户画像模型是基于样本用户的样本属性特征和样本行为特征构建的;
5、确定与所述目标兴趣和目标需求均匹配的目标待推荐信息,并向所述用户推荐所述目标待推荐信息。
6、根据本专利技术提供的一种信息推荐方法,所述用户画像模型
7、获取训练样本集,所述训练样本集中每个训练样本分别为对应所述样本用户的样本属性特征、样本行为特征和样本聊天记录;
8、基于所述训练样本集对每个样本用户的兴趣进行推断学习,构建用户兴趣识别模型;
9、基于所述训练样本对每个样本用户的需求进行推断学习,构建用户需求识别模型;
10、确定包括所述用户兴趣识别模型、所述用户需求识别模型、所述用户兴趣识别模型所推断学习的各个兴趣标签以及所述用户需求识别模型所推断学习的各个需求标签的用户画像模型。
11、根据本专利技术提供的一种信息推荐方法,所述方法还包括:
12、基于各所述样本用户各自的样本属性特征和样本行为特征,对各所述样本用户分别进行分群,确定各所述样本用户各自对应的用户群体;
13、确定包括所述用户兴趣识别模型、所述用户需求识别模型、所述用户兴趣识别模型所推断学习的各个兴趣标签、所述用户需求识别模型所推断学习的各个需求标签以及所述用户群体的用户画像模型。
14、根据本专利技术提供的一种信息推荐方法,所述训练样本集的获取过程包括:
15、获取每个所述样本用户的初始样本属性特征和初始样本行为特征;
16、对每个所述初始样本属性特征和每个所述初始样本行为特征分别进行预处理和编码,确定每个所述样本用户的样本属性特征和样本行为特征;
17、确定包括每个所述样本用户的样本属性特征和样本行为特征的所述训练样本集。
18、根据本专利技术提供的一种信息推荐方法,所述确定与所述目标兴趣和目标需求均匹配的目标待推荐信息,包括:
19、基于预先构建的兴趣-需求-待推荐信息之间的映射关系,确定与所述目标兴趣和目标需求均匹配的多个待推荐信息;
20、基于所述多个待推荐信息,确定所述目标待推荐信息。
21、根据本专利技术提供的一种信息推荐方法,所述基于所述多个待推荐信息,确定所述目标待推荐信息,包括:
22、基于所述目标兴趣、所述目标需求、每个所述待推荐信息的推荐效果和每个所述待推荐信息的推荐热度中至少一个,对各所述待推荐信息进行优先级排序;
23、基于优先级排序结果,从所述多个待推荐信息中确定所述目标待推荐信息。
24、根据本专利技术提供的一种信息推荐方法,所述获取用户的属性特征和行为特征,包括:
25、获取所述用户与chatgpt机器人之间的当前聊天记录;
26、在所述用户与所述chatgpt机器人之间存在历史聊天记录的情况下,基于所述当前聊天记录和所述历史聊天记录进行上下文理解及特征识别,确定所述用户的属性特征和行为特征。
27、本专利技术还提供一种信息推荐装置,包括:
28、用户特征获取模块,用于获取用户的属性特征和行为特征;
29、兴趣需求确定模块,用于将所述属性特征和所述行为特征分别与预先构建的用户画像模型进行匹配,确定所述用户的目标兴趣和目标需求;所述用户画像模型是基于样本用户的样本属性特征和样本行为特征构建的;
30、信息推荐模块,用于确定与所述目标兴趣和目标需求均匹配的目标待推荐信息,并向所述用户推荐所述目标待推荐信息。
31、本专利技术还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述信息推荐方法。
32、本专利技术还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述信息推荐方法。
33、本专利技术提供的信息推荐方法、装置、电子设备及存储介质,其中信息推荐方法,电子设备通过将获取的用户的属性特征和行为特征分别与预先构建的用户画像模型进行匹配、再确定与匹配所得到的用户的目标兴趣和目标需求均匹配的目标待推荐信息并向用户推荐,实现了利用用户的需求和兴趣偏好针对性推荐信息的目的,从而也能实现随着用户兴趣和/或需求的不同,针对性地向用户推荐不同信息的目的,不仅提高了信息推荐的灵活性,也能确保每次信息推荐更加个性化和灵活化,同时也能大幅提高用户对于信息推荐结果的满意度。
本文档来自技高网...【技术保护点】
1.一种信息推荐方法,其特征在于,包括:
2.根据权利要求1所述的信息推荐方法,其特征在于,所述用户画像模型的构建过程包括:
3.根据权利要求2所述的信息推荐方法,其特征在于,所述方法还包括:
4.根据权利要求2所述的信息推荐方法,其特征在于,所述训练样本集的获取过程包括:
5.根据权利要求1至4任一项所述的信息推荐方法,其特征在于,所述确定与所述目标兴趣和目标需求均匹配的目标待推荐信息,包括:
6.根据权利要求5所述的信息推荐方法,其特征在于,所述基于所述多个待推荐信息,确定所述目标待推荐信息,包括:
7.根据权利要求1至4任一项所述的信息推荐方法,其特征在于,所述获取用户的属性特征和行为特征,包括:
8.一种信息推荐装置,其特征在于,包括:
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述信息推荐方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,
...【技术特征摘要】
1.一种信息推荐方法,其特征在于,包括:
2.根据权利要求1所述的信息推荐方法,其特征在于,所述用户画像模型的构建过程包括:
3.根据权利要求2所述的信息推荐方法,其特征在于,所述方法还包括:
4.根据权利要求2所述的信息推荐方法,其特征在于,所述训练样本集的获取过程包括:
5.根据权利要求1至4任一项所述的信息推荐方法,其特征在于,所述确定与所述目标兴趣和目标需求均匹配的目标待推荐信息,包括:
6.根据权利要求5所述的信息推荐方法,其特征在于,所述基于所述多个待推荐信息,确...
【专利技术属性】
技术研发人员:于鑫,
申请(专利权)人:北京声智科技有限公司,
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。