[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

说明书

本申请实施例属于人工智能技术领域，涉及一种基于深度学习的信息推荐方法，包括：接收用户发送的推荐请求；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；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。本申请还提供一种基于深度学习的信息推荐装置、计算机设备及存储介质。本申请有效提高内容推荐的准确率，提升用户的喜好度。

技术领域

本申请涉及人工智能技术领域，尤其涉及基于深度学习的信息推荐方法、装置、设备及存储介质。

背景技术

随着互联网技术的发展，互联网能够为用户提供越来越多的网络服务，例如：用户可以通过互联网浏览视频、收听音乐、阅读、购物等。在互联网平台中，用户可以通过搜索功能搜索自己需要的信息。同时，为了方便用户获取信息，互联网平台还可以主动向用户推荐信息。

现有一种内容推荐方法，通过对用户当前的行为特征进行基于决策树算法分类，获得用户当前行为兴趣；对用户当前的兴趣类别的网页进行文本分析，获得网页文本属性信息，根据网页文本属性信息，获取用户当前内容兴趣；根据用户当前行为兴趣和当前内容兴趣，使用集成学习技术，得到用户当前兴趣，实现数据业务的定向推送。

然而，传统的内容推荐方法普遍不智能，基于该决策树算法的分类方法，过度依赖于行为的内容文本，未能深入学习用户行为，不能提高数据业务推送的可信度和提高用户喜好度。

发明内容

本申请实施例的目的在于提出一种基于深度学习的信息推荐方法、装置、设备及存储介质，旨在解决现有的内容推荐方法不能提高数据业务推送的可信度和提高用户喜好度的问题。

为了解决上述技术问题，本申请实施例提供一种基于深度学习的信息推荐方法，采用了如下所述的技术方案：

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；

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。

为了解决上述技术问题，本申请实施例还提供基于深度学习的信息推荐装置，采用了如下所述的技术方案：

请求接收模块，用于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；

请求响应模块，用于响应所述推荐请求，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；

推荐概率获取模块，用于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；

推荐信息确定模块，用于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；

推荐信息输出模块，用于向所述用户输出所述目标推荐信息。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

包括存储器和处理器；