[发明专利]内容推荐模型的训练方法、内容推荐的方法及相关装置

说明书

本申请公开了一种内容推荐模型的训练方法、内容推荐的方法及相关装置，用于提高推荐内容的多样性。本申请方法包括：获取第一时刻下的第一待训练文本数据，其中，第一待训练文本数据包括第一文本属性特征以及第一文本语义特征；通过待训练内容推荐模型的神经网络获取第一待训练文本数据所对应的第一文本质量预测值以及第一特征向量；通过神经网络获取第二时刻下的第二待训练文本数据所对应的第二文本质量预测值以及第二特征向量；根据第一文本质量预测值、第一特征向量、第二文本质量预测值以及第二特征向量，通过行列式点过程获取文本推荐概率；根据文本推荐概率，对待训练内容推荐模型进行训练，得到训练后的内容推荐模型。

技术领域

本申请涉及计算机技术领域，尤其涉及一种内容推荐模型的训练方法、内容推荐的方法及相关装置。

背景技术

随着网络的迅猛发展，人们的日常生活越来越离不开网络，通过网络听歌、看视频以及浏览资讯内容等等已经成为了人们的日常生活习惯。以浏览资讯内容为例，随着网上各种资讯内容（例如新闻、文章以及视频内容等）的爆炸性增长，用户越来越难以从众多的资讯内容中挑选自己喜欢的资讯内容，因此，给用户主动推荐感兴趣的资讯内容，俨然成为了一种可行且高效的方案。

目前，内容推送的方式主要是对内容进行打标签，然后根据用户点击的次数进行相关性推荐，然而长时间使用这种推荐方式，会导致整个推荐页面均是同样类型的内容，内容的多样性较差。

发明内容

本申请实施例提供了一种内容推荐模型的训练方法、内容推荐的方法及相关装置，通过神经网络对待训练的文本数据进行预测，获得文本数据的质量预测值（即用户的感兴趣程度），并且根据质量预测值通过DPP获取对应的文本推荐概率，最后基于文本推荐概率对内容推荐模型进行训练，由于采用了神经网络以及DPP，能够同时兼顾到文本数据的相关性以及多样性，因此基于训练后的内容推荐模型进行内容推荐，能够提高推荐内容的多样性。

本申请实施例第一方面提供一种内容推荐模型的训练方法，包括：

获取第一时刻下的第一待训练文本数据，其中，第一待训练文本数据包括第一文本属性特征以及第一文本语义特征；

通过待训练内容推荐模型的神经网络获取第一待训练文本数据所对应的第一文本质量预测值以及第一特征向量，其中，第一文本质量预测值与第一文本属性特征以及第一文本语义特征具有对应关系，第一特征向量与第一文本语义特征具有对应关系；

通过待训练内容推荐模型的神经网络获取第二时刻下的第二待训练文本数据所对应的第二文本质量预测值以及第二特征向量，其中，第二文本质量预测值与第一文本语义特征、第二文本属性特征以及第二文本语义特征具有对应关系，第二特征向量与第二文本语义特征具有对应关系，且第二文本属性特征以及第二文本语义特征均属于第二待训练文本数据；

根据第一文本质量预测值、第一特征向量、第二文本质量预测值以及第二特征向量，通过待训练内容推荐模型的行列式点过程DPP获取文本推荐概率；

根据文本推荐概率，对待训练内容推荐模型进行训练，得到训练后的内容推荐模型。

本申请实施例第二方面提供一种内容推荐的方法，包括：

获取文本集合，文本集合包括有N个待推荐文本，N为大于1的整数；

通过内容推荐模型获取N个待推荐文本对应的文本推荐概率，内容推荐模型为第一方面的内容推荐模型；

根据文本推荐概率，确定推荐文本子集合，推荐文本子集合包括有M个待推荐文本，M为大于或等于1的整数，且M小于N。

本申请实施例第三方面提供一种内容推荐模型的训练装置，包括：

获取单元，用于获取第一时刻下的第一待训练文本数据，其中，第一待训练文本数据包括第一文本属性特征以及第一文本语义特征；