[发明专利]一种新节目推荐的方法及装置

权利要求书

1.一种新节目推荐的方法，其特征在于，所述方法包括：

获取用户列表中各用户的用户特征信息；

将所述用户特征信息输入至已训练的分类模型中，获取所述分类模型输出的标签信息，所述标签信息包括当前用户喜好的节目的节目类型向量、场景类型向量以及特征词向量；

根据所述节目类型向量、场景类型向量以及特征词向量，确定当前用户喜好的节目类型、场景类型以及特征词；

根据所述分类模型确定新节目的节目特征信息，所述节目特征信息包括节目类型、场景类型以及特征词；

将各用户喜好的节目类型、场景类型以及特征词，与所述新节目的节目特征信息进行匹配，以确定候选用户；

将所述新节目推荐至所述候选用户中；

所述节目类型向量以及所述场景类型向量均为独热编码向量；

所述根据所述节目类型向量、场景类型向量以及特征词向量，确定当前用户喜好的节目类型、场景类型以及特征词，包括：

确定所述节目类型向量或所述场景类型向量中数值1所在的位置，并确定最大位置；根据所述最大位置，生成最大值独热向量；根据所述最大值独热向量确定所述节目类型向量对应的节目类型，或者，确定所述场景类型向量对应的场景类型；

计算所述特征词向量与预设的特征词向量数据库中各特征词向量的距离，并获取距离最小的N个特征词向量对应的特征词，作为用户喜好的特征词。

2.根据权利要求1所述的方法，其特征在于，所述将所述新节目推荐至所述候选用户中，包括：

从所述候选用户筛选出目标用户；

将所述新节目推荐至所述目标用户中，并检测所述目标用户针对所述新节目的反馈行为；

基于所述反馈行为，判断是否将所述新节目推荐至所述候选用户除所述目标用户以外的其他候选用户中。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

存储各用户喜好的节目类型、场景类型以及特征词。

4.根据权利要求1或2所述的方法，其特征在于，所述分类模型采用如下方法训练生成：

获取所述用户列表中各用户的用户特征向量；

确定各用户特征向量对应的标签信息；

将所述用户特征向量以及对应的标签信息输入深度神经网络模型中进行训练，生成分类模型。

5.根据权利要求4所述的方法，其特征在于，所述获取所述用户列表中各用户的用户特征向量，包括：

针对各用户，获取该用户的指定画像信息，并根据所述指定画像信息生成用户独热编码向量；

采用已训练的深度编码器对所述用户独热编码向量进行编码，生成用户深度特征向量；

获取该用户的历史行为数据，并从所述历史行为数据中提取满足指定条件的历史节目数据；

从所述历史节目数据中提取特征词向量，并基于该用户的所有特征词向量确定平均向量，所述特征词向量包括关键词词向量以及实体词词向量；

将所述用户深度特征向量以及所述平均向量拼接成用户特征向量。

6.根据权利要求4所述的方法，其特征在于，所述确定各用户特征向量对应的标签信息，包括：

针对各用户特征向量，获取对应用户发生交互的历史节目数据；

获取所述历史节目数据的节目类型的独热编码向量；

获取所述历史节目数据的场景类型的独热编码向量；

获取所述历史节目数据的特征词向量；

将所述节目类型的独热编码向量、所述历史节目数据的特征词向量以及所述场景类型的独热编码向量组织成当前用户特征向量的标签信息。