[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

说明书

本发明公开了一种书籍推荐排序模型的训练方法、计算设备及存储介质，该方法包括：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，确定第一书籍子集、第二书籍子集和各个第二书籍的交互时长标签；计算第一书籍子集的第一特征向量和各个第二书籍的第二特征向量；计算各个第二特征向量与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。该方案在模型训练过程中充分考虑了用户与书籍之间的交互时长，得到的书籍推荐排序模型能够准确地基于交互时长对书籍进行排序，有助于提高用户对推荐书籍的交互时长。

技术领域

本发明涉及信息处理技术领域，具体涉及一种书籍推荐排序模型的训练方法、计算设备及存储介质。

背景技术

电子书形式的书籍由于具有获取方便等优势，受到了大量用户的喜爱。书籍阅读平台大多是按照书籍全文的相似度进行书籍推荐的。现有技术中，一般是将与用户曾经阅读过的书籍在书籍内容上具有较高相似度的若干个书籍作为推荐书籍并向用户展现。然而，这种书籍推荐方式，没有充分地考虑所推荐的书籍是否能够吸引用户花费较长时间来进行阅读，用户很有可能在阅读某本推荐书籍时仅阅读了几分钟后续就不再继续阅读，导致书籍推荐的推荐效果不佳。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的书籍推荐排序模型的训练方法、计算设备及存储介质。

根据本发明的一个方面，提供了一种书籍推荐排序模型的训练方法，该方法包括：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第二书籍子集中的各个第二书籍的交互时长标签；其中，第二时间段包含第一时间段；计算第一书籍子集的第一特征向量以及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。

根据本发明的另一方面，提供了一种书籍推荐方法，该方法包括：获取待推荐用户针对书籍集合中的书籍的交互行为数据，确定待推荐用户在当前时刻之前交互的第三书籍子集；对书籍集合中的书籍进行筛选，得到第四书籍子集；计算第三书籍子集的第三特征向量以及第四书籍子集中的各个第四书籍的第四特征向量；计算各个第四特征向量与第三特征向量之间的相似度；将各个第四特征向量与第三特征向量之间的相似度输入至经过训练的书籍推荐排序模型中，利用书籍推荐排序模型对各个第四书籍进行排序，得到待推荐用户对应的书籍推荐排序列表。

根据本发明的另一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；存储器用于存放至少一可执行指令，可执行指令使处理器执行以下操作：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第二书籍子集中的各个第二书籍的交互时长标签；其中，第二时间段包含第一时间段；计算第一书籍子集的第一特征向量以及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。