[发明专利]一种用户推荐方法和装置

权利要求书

1.一种用户推荐方法，其特征在于，所述方法包括：

获得用户属性信息、阅读属性信息、阅读历史信息和候选项目；所述阅读属性信息包括长期关键词、长期类目、最近七天关键词和最近七天类目；

将所述阅读属性信息分为多个特征组，并对每个特征组内的阅读属性信息进行平均池化，以得到阅读特征信息；所述多个特征组包括长期关键词特征组、长期类目特征组、最近七天关键词特征组和最近七天类目特征组；

将所述阅读历史信息输入到自注意层模型中，计算得到阅读历史信息的自注意层输出向量；

根据所述自注意层输出向量和预设参数，计算得到阅读历史权重；

根据阅读历史权重和阅读历史信息，获得历史特征信息；

根据所述用户属性信息、阅读特征信息和历史特征信息，获得用户特征信息；

根据所述用户特征信息从所述候选项目中选择用于进行用户推荐的推荐项目。

2.根据权利要求1所述的一种用户推荐方法，其特征在于，所述根据阅读历史权重和阅读历史信息，获得历史特征信息包括：

将自注意层输出向量输入到注意力池化层模型中，根据阅读历史权重对自注意层输出向量进行加权平均，获得历史特征信息。

3.根据权利要求1所述的一种用户推荐方法，其特征在于，所述自注意层模型主要执行下述方法：

将阅读历史信息重新编码为第一特征矩阵、第二特征矩阵和第三特征矩阵；

将所述第一特征矩阵、第二特征矩阵和第三特征矩阵经过线性变换，多次并行输入到第一自注意模型中，获得第一自注意模型的输出结果；

将所述第一自注意模型的输出结果进行拼接，经过线性变换获得自注意层输出向量。

4.根据权利要求1所述的一种用户推荐方法，其特征在于，所述根据所述用户属性信息、阅读特征信息和历史特征信息，获得用户特征信息包括：

将所述用户属性信息、阅读特征信息和历史特征信息组合成组合特征信息；

将所述组合特征信息输入多层神经网络，获得与候选项目的维度匹配的用户特征信息。

5.根据权利要求1所述的一种用户推荐方法，其特征在于，所述根据所述用户特征信息和候选项目，选择用于进行用户推荐的候选项目包括：

计算所述用户特征信息和候选项目之间的相似度，获得用户特征信息与各个候选项目的相似度分值；

根据所述相似度分值，从候选项目中选择用于进行用户推荐的推荐项目。

6.根据权利要求5所述的一种用户推荐方法，其特征在于，所述计算所述用户特征信息和候选项目之间的相似度，获得用户特征信息与各个候选项目的相似度分值包括：

将用户特征信息和候选项目输入到神经网络中，通过内积算法或者余弦相似度计算相似度分值。

7.一种用户推荐装置，其特征在于，所述装置包括：阅读特征信息获得模块、历史特征信息获得模块、用户特征信息获得模块和推荐项目选择模块；

所述阅读特征信息获得模块用于将不同的阅读属性信息分为多个特征组，并对每个特征组内的阅读属性信息进行平均池化，以得到阅读特征信息；所述阅读属性信息包括长期关键词、长期类目、最近七天关键词和最近七天类目；所述多个特征组包括长期关键词特征组、长期类目特征组、最近七天关键词特征组和最近七天类目特征组；

所述历史特征信息获得模块用于将阅读历史信息输入到自注意层模型中，计算得到阅读历史信息的自注意层输出向量；根据所述自注意层输出向量和预设参数计算得到阅读历史权重；根据阅读历史权重和阅读历史信息，获得历史特征信息；

所述用户特征信息获得模块用于根据用户属性信息、阅读特征信息和历史特征信息，获得用户特征信息；

所述推荐项目选择模块用于根据所述用户特征信息，从候选项目中选择用于进行用户推荐的推荐项目。