[发明专利]一种信息流推荐方法、装置、计算机设备及存储介质

权利要求书

1.一种信息流推荐方法，其特征在于，包括下述步骤：

根据用户的推荐请求获取用户行为数据，所述用户行为数据记录了用户对多种类型的候选内容的行为特征；

根据所述用户行为数据从候选内容池中的第一候选内容中筛选出第二候选内容，所述第一候选内容包含多种类型的候选内容；

将所述用户对多种类型的候选内容的行为特征与所述第二候选内容的低维向量进行拼接，构成输入特征；

将所述输入特征输入预先训练好的推荐评分模型，并获取所述推荐评分模型输出的所述第二候选内容的评分结果；

根据所述评分结果从所述第二候选内容中选出推荐内容。

2.根据权利要求1所述的信息流推荐方法，其特征在于，所述根据用户的推荐请求获取用户行为数据的步骤包括：

获取所述推荐请求中携带的用户ID；

从用户行为数据库获取与所述用户ID对应的用户的行为数据；

对所述行为数据进行分析获取用户行为特征，所述用户行为特征包括用户对不同类型内容的点击序列。

3.根据权利要求1所述的信息流推荐方法，其特征在于，所述根据所述用户行为数据从候选内容池中的第一候选内容中筛选出第二候选内容的步骤包括：

根据所述用户行为数据获取用户画像标签；

根据所述用户画像标签从所述第一候选内容中召回第二候选内容。

4.根据权利要求2所述的信息流推荐方法，其特征在于，所述将所述用户对多种类型的候选内容的行为特征与所述第二候选内容的低维向量进行拼接，构成输入特征的步骤包括：

将所述用户对不同内容的点击序列与所述第二候选内容的低维向量进行拼接构成的二维矩阵，所述二维矩阵的数据即为输入特征。

5.根据权利要求4所述的信息流推荐方法，其特征在于，所述将所述输入特征输入预先训练好的推荐评分模型，并获取所述推荐评分模型输出的所述第二候选内容的评分结果的步骤包括：

将所述二维矩阵的数据作为输入特征输入门控循环单元GRU深度神经网络模型；

接收所述GRU深度神经网络模型输出的各第二候选内容的预测点击率作为所述评分结果。

6.根据权利要求1所述的信息流推荐方法，其特征在于，所述推荐评分模型通过下述步骤进行训练：

获取Feeds曝光点击日志，从所述点击日志中提取用户对各类型内容的信息流的点击序列样本，以及对应的各类型的信息流样本；

将各类型的信息流样本通过神经网络语言模型映射到低纬度的向量空间得到各信息流的低纬度向量样本；

将所述信息流的点击序列样本与所述信息流的低纬度向量样本进行拼接得到信息流的二维矩阵，将所述信息流的二维矩阵的数据作为训练数据；

利用所述训练数据对GRU深度神经网络模型进行训练，得到初始模型；

通过AUC对所述初始模型进行评估，获取评估分数；

若所述评估分数未达到预设值，则对所述初始模型进行迭代更新，直到所述评估分数达到预设值为止，得到推荐评分模型。

7.根据权利要求6所述的信息流推荐方法，其特征在于，所述根据所述评分结果从所述第二候选内容中选出推荐内容的步骤之后，所述方法还包括：实时监控用户行为数据的更新次数；

当更新次数达到预设的次数时，重新获取用户的历史行为数据对所述推荐评分模型重新进行训练。