[发明专利]一种内容推荐方法及装置

说明书

本发明实施例提供了一种内容推荐方法及装置，其中方法包括：通过将待推荐用户的最近行为，待推荐用户画像中待推荐用户的长期兴趣以及待推荐用户的用户特征结合，作为已训练兴趣表示模型的输入，通过已训练兴趣表示模型，输出待推荐用户整体兴趣的向量嵌入表示。由于长期兴趣是历史时间段内的兴趣，最近行为是当前时间之前最近的行为，长期兴趣相较于最近行为比较稳定，并且最近行为随着时间的推进，会成为长期兴趣的一部分。因此，考虑待推荐用户的最近行为，待推荐用户画像中待推荐用户的长期兴趣以及待推荐用户的用户特征结合，能够更准确全面地描述用户兴趣，然后基于待推荐用户整体的向量嵌入表示，为待推荐用户推荐感兴趣的内容。

技术领域

本发明涉及个性化推荐服务技术领域，特别是涉及一种内容推荐方法及装置。

背景技术

随着网络技术的发展，信息数量越来越多，用户常常面对这些信息而束手无策，因此需要通过网络区分这些信息从而为用户提供内容服务。在此背景下，个性化推荐服务(PersonalizedRecommender Services，简称PRS)技术应运而生。PRS中的个性化推荐是内容分发的重要途径，通过描述用户兴趣，为用户推荐感兴趣的内容，从而实现内容分发。

目前相关技术中内容推荐方法的主要步骤如下：

第一步，基于用户user的行为项目item序列，通过词向量计算的工具word2vec技术，得到所有item的向量嵌入embedding表示作为分布式表示；

第二步，将user中当前时间之前的预设时间段内的行为，称为user最近行为，取user最近行为中两个以上item的embedding表示，取加权平均或者平均，其中，embedding表示包括：观看行为的embedding表示以及搜索query行为的embedding表示；

第三步，将加权平均或者平均的结果作为用户user的embedding表示，也就是用户兴趣的表示；

第四步，基于用户兴趣的表示，为用户推荐感兴趣的内容。具体的，对item的embedding表示或者对user的embedding表示进行召回和排序，最终选出排序前P个item作为用户待推荐内容，将这些用户待推荐内容推荐给用户，用户待推荐内容包括：待推荐视频，P可以是根据用户需求进行设置的。

这种方式虽然实现将内容推荐给用户，但是上述内容推荐方法会存在如下问题：

由于最近行为变化波动比较大，无法准确地反映当前时间之前的预设时间段的用户兴趣，进而为用户推荐感兴趣的内容不够准确。

发明内容

本发明实施例的目的在于提供一种内容推荐方法及装置，用以解决现有技术中由于最近行为变化波动比较大，无法准确地反映当前时间之前的预设时间段的用户兴趣，进而为用户推荐感兴趣的内容不够准确的技术问题。具体技术方案如下：

第一方面，本发明实施例提供了一种内容推荐方法，包括：

获取待推荐用户画像及待推荐用户的最近行为，所述待推荐用户画像包括：所述待推荐用户的长期兴趣及所述待推荐用户的用户特征，所述待推荐用户的长期兴趣是指当前时间之前历史时间段内所述待推荐用户的兴趣；

确定所述待推荐用户的最近行为中项目的向量嵌入表示；

将所述待推荐用户的最近行为中项目的向量嵌入表示及所述待推荐用户画像作为已训练兴趣表示模型的输入，通过所述已训练兴趣表示模型，输出所述待推荐用户整体兴趣的向量嵌入表示，所述已训练兴趣表示模型是基于样本集训练得到的，所述样本集包括：用户行为的项目序列及用户画像，所述用户行为的项目包括：用户最近行为的项目，所述用户画像包括：用户的长期兴趣及用户的用户特征；

基于所述待推荐用户整体的向量嵌入表示，为所述待推荐用户推荐感兴趣的内容。