一种多模态数据融合的内容推荐方法及系统技术方案

本发明专利技术提供一种多模态数据融合的内容推荐方法及系统，涉及内容推荐技术领域，所述方法包括：获取用户的多模态数据，通过深度学习模型对所述多模态数据进行整合，以得到多维度用户画像；采用对比学习模块从用户的历史数据中提取得到潜在兴趣；通过对比学习模型学习用户在隐性行为上的偏好，建立隐性兴趣模型，以得到全面的兴趣表示，实时获取用户的反馈和行为数据，使用强化学习算法对推荐策略进行实时调整，以得到优化后的推荐策略；根据优化后的推荐策略，使用用户反馈机制实时收集用户参与后的反馈数据对推荐系统进行训练和优化，以得到最终的内容推荐系统。本发明专利技术提供一种多模态数据融合的内容推荐方法及系统，解决了数据的单一性的技术问题。

【技术实现步骤摘要】

本专利技术涉及内容推荐，特别是指一种多模态数据融合的内容推荐方法及系统。

技术介绍

1、目前市场上存在的在线组局平台，因“内容推荐算法的单一性”（推荐内容无法精准投喂给目标用户）引发活动转化率过低的问题，常规推荐技术方案：通常依赖于新用户注册时自主选择标签，或者引导用户完成一份问卷来获知用户偏好，亦或者根据基于固定规则的推荐方法；

2、现有技术中协同过滤推荐算法（collaborative filtering）基于用户的历史行为（如浏览、参与记录）与其他用户的相似性进行推荐，依赖大量的用户历史数据，新用户或冷启动阶段效果较差，推荐结果过于局限于已有数据，缺乏多维度考虑；内容推荐算法（content-based recommendation）通过分析组局活动的属性（如地点、主题）与用户的偏好（如标签、兴趣）进行匹配，过度依赖用户显性偏好，无法发现用户潜在兴趣，推荐内容容易“窄化”，导致用户疲劳；基于规则的推荐（rule-based recommendation）根据固定的逻辑规则（如地理位置、用户标签）进行推荐，缺乏动态适应性，规则更新和维护成本本文档来自技高网...

【技术保护点】

1.一种多模态数据融合的内容推荐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的多模态数据融合的内容推荐方法，其特征在于，获取用户的多模态数据，所述多模态数据包括显性行为数据、隐性行为数据、情境数据以及社交数据，包括：

3.根据权利要求2所述的多模态数据融合的内容推荐方法，其特征在于，根据用户的多模态数据，通过深度学习模型对所述多模态数据进行整合，以得到多维度用户画像，包括：

4.根据权利要求3所述的多模态数据融合的内容推荐方法，其特征在于，根据多维度用户画像，采用对比学习模块从用户的历史数据中提取得到潜在兴趣，包括：p>

5.根据权...

【技术特征摘要】

1.一种多模态数据融合的内容推荐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的多模态数据融合的内容推荐方法，其特征在于，获取用户的多模态数据，所述多模态数据包括显性行为数据、隐性行为数据、情境数据以及社交数据，包括：

3.根据权利要求2所述的多模态数据融合的内容推荐方法，其特征在于，根据用户的多模态数据，通过深度学习模型对所述多模态数据进行整合，以得到多维度用户画像，包括：

4.根据权利要求3所述的多模态数据融合的内容推荐方法，其特征在于，根据多维度用户画像，采用对比学习模块从用户的历史数据中提取得到潜在兴趣，包括：

5.根据权利要求4所述的多模态数据融合的内容推荐方法，其特征在于，根据潜在兴趣，通过对比学习模型学习用户在隐性行为上的偏好，建立隐性兴趣模型，...

【专利技术属性】
技术研发人员：朱苏艺，
申请(专利权)人：上海畅致文化传播有限公司，
类型：发明
国别省市：