[发明专利]基于深度学习的信息推荐方法、装置、设备及存储介质

权利要求书

1.一种基于深度学习的信息推荐方法，其特征在于，所述方法包括如下步骤：

接收用户发送的推荐请求，所述推荐请求至少携带有用户标识信息以及目标内容信息；

响应所述推荐请求，在内容缓存库中获取与所述用户标识信息相对应的推荐内容信息，在行为数据库中获取与所述用户标识信息相对应的历史行为信息；

将所述历史行为信息以及目标内容信息导入联合推荐模型进行推荐训练操作，获取与所述推荐内容信息相对应的推荐概率，其中，所述联合推荐模型用于对输入的历史行为信息或目标内容信息进行推荐训练操作，以在所述推荐内容信息中推测用户对各个推荐内容的感兴趣程度，并通过推荐概率的形式进行展示；

将满足推荐规则的所述推荐概率相对应的推荐内容信息作为目标推荐信息；

向所述用户输出所述目标推荐信息；

所述联合推荐模型包括行为深度学习模型和内容深度学习模型；所述将所述历史行为信息以及目标内容信息导入联合推荐模型进行推荐训练操作，获取与所述推荐内容信息相对应的推荐概率的步骤，具体包括如下步骤：

在所述历史行为信息中获取历史行为集合，所述历史行为集合至少携带有历史目标信息以及与所述历史目标信息相对应的操作序列信息；

将所述历史目标信息、操作序列信息以及目标内容信息通过嵌入层Embedding转换成历史目标向量、浏览操作向量以及目标内容向量；

将所述历史目标向量、浏览操作向量以及目标内容向量导入行为深度学习模型进行行为训练操作，获取行为预测概率，其中，所述行为预测概率为所述行为深度学习模型根据用户的历史行为信息获取所述用户对各种类型的候选内容的行为概率；

将所述历史目标向量以及浏览操作向量导入内容深度学习模型进行内容训练操作，获取内容预测概率，其中，所述内容预测概率为所述内容深度学习模型基于用户的历史行为信息获取用户不同内容的内容兴趣隐向量，并基于所述内容兴趣隐向量推测在所述推荐内容信息中对不同内容信息的点击概率；

根据所述行为预测概率以及内容预测概率获取与所述推荐内容信息相对应的所述推荐概率。

2.如权利要求1所述的基于深度学习的信息推荐方法，其特征在于，在所述接收用户发送的推荐请求的步骤之前，还包括如下步骤：

基于预筛选规则在总内容数据库中进行预筛选操作，获取备选内容数据；

将所述备选内容数据存储于所述内容缓存库。

3.如权利要求1所述的基于深度学习的信息推荐方法，其特征在于，所述行为深度学习模型基于deepFM网络对所述历史行为集合进行所述行为训练操作。

4.如权利要求1所述的基于深度学习的信息推荐方法，其特征在于，所述内容深度学习模型基于GRU用户表征模型对所述历史目标向量以及浏览操作向量进行内容训练操作。

5.如权利要求1所述的基于深度学习的信息推荐方法，其特征在于，所述根据所述行为预测概率以及内容预测概率获取与所述推荐内容信息相对应的所述推荐概率的步骤，具体包括如下步骤：

按照预设的权重分配规则对所述行为预测概率以及内容预测概率进行权重分配操作，并计算最终概率；

将所述最终概率作为所述推荐内容信息相对应的推荐概率。

6.如权利要求1所述的基于深度学习的信息推荐方法，其特征在于，所述将满足推荐规则的所述推荐概率相对应的推荐内容信息作为目标推荐信息的步骤，具体包括如下步骤：

将所述推荐内容信息按照所述推荐概率从大到小的方式进行排序；

将排序在前的预设数量的推荐内容信息作为所述目标推荐信息。