[发明专利]书籍推荐排序模型的训练方法、计算设备及存储介质

权利要求书

1.一种书籍推荐排序模型的训练方法，包括：

获取用户集合中的用户针对书籍集合中的书籍的交互行为数据；

针对任一用户，确定该用户在指定时刻之前交互的第一书籍子集、从指定时刻开始的第一时间段内交互的第二书籍子集以及从指定时刻开始的第二时间段内所述第二书籍子集中的各个第二书籍的交互时长标签；其中，所述第二时间段包含所述第一时间段；

计算所述第一书籍子集的第一特征向量以及所述第二书籍子集中的各个第二书籍的第二特征向量；

计算各个第二特征向量与所述第一特征向量之间的相似度；

根据各个用户的各个第二特征向量与所述第一特征向量之间的相似度以及各个第二书籍的交互时长标签，训练得到书籍推荐排序模型。

2.根据权利要求1所述的方法，所述针对任一用户，确定该用户在指定时刻之前交互的第一书籍子集、从指定时刻开始的第一时间段内交互的第二书籍子集以及从指定时刻开始的第二时间段内所述第二书籍子集中的各个第二书籍的交互时长标签进一步包括：

对该用户的交互行为数据进行数据分析，得到该用户在指定时刻之前交互过的书籍以及在从指定时刻开始的第一时间段内交互过的书籍；

将该用户在指定时刻之前交互过的书籍作为第一书籍添加至第一书籍子集中；

从该用户在所述第一时间段内交互过的书籍中筛除所述第一书籍子集中的各个第一书籍，将筛除后得到的书籍作为第二书籍添加至第二书籍子集中；

对该用户在从指定时刻开始的第二时间段内产生的交互行为数据进行数据分析，确定所述第二书籍子集中的各个第二书籍的交互时长标签。

3.根据权利要求1所述的方法，所述计算所述第一书籍子集的第一特征向量进一步包括：

对所述第一书籍子集中的各个第一书籍的全文或部分内容进行特征提取，得到各个第一书籍的书籍特征向量；

根据各个第一书籍的书籍特征向量，计算所述第一书籍子集的第一特征向量。

4.根据权利要求3所述的方法，所述方法还包括：对该用户在指定时刻之前产生的交互行为数据进行数据分析，确定所述第一书籍子集中的各个第一书籍对应的交互时长；

所述根据各个第一书籍的书籍特征向量，计算所述第一书籍子集的第一特征向量具体为：根据各个第一书籍对应的交互时长，确定各个第一书籍对应的权重值；将各个第一书籍的书籍特征向量与各个第一书籍对应的权重值进行加权运算，得到所述第一书籍子集的第一特征向量。

5.根据权利要求1所述的方法，计算所述第二书籍子集中的各个第二书籍的第二特征向量进一步包括：

对所述第二书籍子集中的各个第二书籍的全文或部分内容进行特征提取，得到各个第二书籍的第二特征向量。

6.根据权利要求1-5任一项所述的方法，所述计算各个第二特征向量与所述第一特征向量之间的相似度进一步包括：

计算任一第二特征向量与所述第一特征向量之间的夹角的余弦值，利用所述余弦值确定该第二特征向量与所述第一特征向量之间的相似度。

7.根据权利要求1-5任一项所述的方法，所述根据各个用户的各个第二特征向量与所述第一特征向量之间的相似度以及各个第二书籍的交互时长标签，训练得到书籍推荐排序模型进一步包括：

针对任一用户，将该用户的各个第二特征向量与所述第一特征向量之间的相似度输入至初始训练模型中，利用所述初始训练模型对各个第二书籍进行排序，得到该用户对应的书籍推荐排序列表；

根据各个第二书籍在所述书籍推荐排序列表中的排序位置以及各个第二书籍的交互时长标签，计算归一化折损累计增益，根据所述归一化折损累计增益更新所述初始训练模型的权重参数；

循环迭代执行上述步骤，直至满足迭代结束条件，得到书籍推荐排序模型。