[发明专利]内容项投放方法、装置、计算机设备及存储介质

权利要求书

1.一种内容项投放方法，其特征在于，包括：

根据终端的内容项获取请求，获取所述终端对应用户的用户向量，所述用户向量用于表示所述用户的个人特征；

从候选特征库中，获取多个内容项向量，其中，一个内容项向量用于表示一个内容项的内容特征，所述多个内容项向量与所述用户向量之间相似度高于第一目标阈值，所述候选特征库包括多个候选内容项的内容项向量，不同的候选内容项由不同的内容素材以不同的组合方式而形成；

基于所述用户向量、所述多个内容项向量和排序模型，对各个内容项向量所对应的内容项进行排序，输出排序位于前目标数量的内容项；

将所述前目标数量的内容项投放至所述终端。

2.根据权利要求1所述的内容项投放方法，其特征在于，所述基于所述用户向量、所述多个内容项向量和排序模型，对各个内容项向量所对应的内容项进行排序，输出排序位于前目标数量的内容项包括：

获取与所述用户向量对应的用户特征以及与所述多个内容项向量对应的多个内容项特征；

将所述用户特征和所述多个内容项特征输入所述排序模型，通过所述排序模型对各个内容项向量所对应的内容项进行排序，输出排序位于前目标数量的内容项。

3.根据权利要求1或2所述的内容项投放方法，其特征在于，所述对各个内容项向量所对应的内容项进行排序，输出排序位于前目标数量的内容项包括：

当所述排序模型为点击率预估模型时，通过所述点击率预估模型，按照点击率从大到小的顺序，对各个内容项向量所对应的内容项进行排序，输出点击率位于前目标数量的内容项。

4.根据权利要求1或2所述的内容项投放方法，其特征在于，所述对各个内容项向量所对应的内容项进行排序，输出排序位于前目标数量的内容项包括：

当所述排序模型为转化率预估模型时，通过所述转化率预估模型，按照转化率从大到小的顺序，对各个内容项向量所对应的内容项进行排序，输出转化率位于前目标数量的内容项。

5.根据权利要求1所述的内容项投放方法，其特征在于，所述从候选特征库中，获取多个内容项向量之前，所述方法还包括：

基于多个样本用户信息和多个样本内容素材，对初始模型进行迭代训练；

当满足停止训练条件时，得到所述排序模型以及各个内容项对应的内容项向量，其中，所述各个内容项由所述多个样本内容素材以各种组合方式形成。

6.根据权利要求5所述的内容项投放方法，其特征在于，所述基于多个样本用户信息和多个样本内容素材，对初始模型进行迭代训练包括：

将所述多个样本用户信息输入第一深度网络，通过所述第一深度网络对所述多个样本用户信息进行加权处理，得到多个样本用户向量，所述多个样本用户向量对应于所述多个样本用户信息；

将所述多个样本内容素材输入第二深度网络，通过所述第二深度网络对所述多个样本内容素材进行加权处理，得到多个样本内容项向量，不同样本内容项向量用于表示由所述多个不同类型样本内容素材以不同组合方式形成的各个内容项；

基于所述多个样本用户向量和所述多个样本内容项向量，获取本次训练的损失函数值，当不满足所述停止训练条件时，迭代执行上述训练过程所执行的操作。

7.根据权利要求6所述的内容项投放方法，其特征在于，所述第二深度网络包括目标子网络和多个深度子网络，一个深度子网络对应于一种类型的样本内容素材；

所述将所述多个样本内容素材输入第二深度网络，通过所述第二深度网络对所述多个样本内容素材进行加权处理，得到多个样本内容项向量包括：

将不同类型的样本内容素材分别输入对应的深度子网络，通过各个深度子网络对各个类型的样本内容素材分别进行加权处理，得到各个类型的样本内容素材的特征向量；

基于不同的组合方式，将不同类型的样本内容素材的特征向量输入所述目标子网络，通过所述目标子网络对所述不同类型的样本内容素材进行加权处理，输出所述多个样本内容项向量。