[发明专利]一种用户推荐方法和装置

说明书

本发明公开了一种用户推荐方法和装置，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；对所述阅读属性信息按照预设分组进行组内信息融合，以得到阅读特征信息；建立自注意层模型，输入阅读历史信息到自注意层模型中，获得阅读历史权重；根据阅读历史权重和阅读历史信息，进行加权平均获得历史特征信息；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。所述方法根据阅读历史信息的权重，获得历史特征信息，避免了信息折损，同时也过滤了被动阅读行为，能够提高用户个性化推荐的精确度。

技术领域

本发明涉及用户推荐领域，尤其涉及一种用户推荐方法和装置。

背景技术

用户的阅读行为和阅读内容能够整体上表征用户的兴趣。推荐系统可以基于用户的隐式阅读行为来进行个性化推荐，通过用户经常浏览的内容，提取关键信息，对用户的偏好加以分析，从而获得更加个性化的推荐。但是用户在浏览文章或视频时，对不同的文章或视频的喜好程度存在差异，且在某些场景下存在被动阅读的行为，将所有的浏览内容一视同仁的做法存在比较大的信息折损。且在现有技术中，基于模型的召回策略需要进行大量的特征工程工作，在目前所提出的模型中，有的模型难以胜任海量之巨的候选集的实时召回，有的模型存在特征信息的遗漏，并不能获得准确的用户特征，从而造成推荐结果并不一定符合用户的预期。

发明内容

为了解决对阅读历史进行用户偏好分析时存在信息折损的问题，得到符合用户预期的推荐结果的技术效果，本发明提供了一种用户推荐方法和装置。

一方面，本发明提供了一种用户推荐方法，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；

对所述阅读属性信息按照预设分组进行组内信息融合，以得到阅读特征信息；

根据阅读历史信息，获得阅读历史权重；

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。

另一方面提供了一种用户推荐装置，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对所述阅读属性信息按照预设分组进行组内信息融合，以得到阅读特征信息；

所述历史特征信息获得模块用于根据阅读历史信息，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。

另一方面提供了一种计算机可读存储介质，用于存储程序，所述程序被执行时实现所述的一种用户推荐方法。

另一方面提供了一种终端设备，所述终端设备包括上述的一种用户推荐装置。

本发明提供的一种用户推荐方法和装置，所述方法可以根据阅读历史里各个项目的权重，获得用户阅读历史的历史特征信息，根据阅读属性信息获得阅读特征信息，并将所述历史特征信息、阅读特征信息和用户属性信息再经过深度学习网络整理为与候选项目维度匹配的用户特征信息，能够有效地融合用户的画像特征，为用户召回更加个性化的推荐结果。

附图说明