[发明专利]网络内容推送方法、装置及存储介质

说明书

本申请是关于一种网络内容推送方法、装置、计算机设备及存储介质，涉及云计算技术领域。该方法包括：首先服务器通过获取当前用户的组合特征、序列特征以及各个样本用户的序列特征，获取该当前用户对应的权重，然后对该当前用户以及该各个样本用户进行聚类，获得该当前用户的所属类别，最后根据该当前用户的所属类别，向该当前用户推送网络内容。通过上述方案，云服务器可以经过云计算对当前用户和样本用户按照行为序列进行挖掘，以确定当前用户的权重，并基于权重进行聚类，并根据聚类结果实现个性化的推荐相关网络内容，从而在保证了内容推荐准确的前提下，提高了推荐网络内容预测的效率。

技术领域

本公开涉及云计算技术领域，特别是涉及一种网络内容推送方法、装置及存储介质。

背景技术

如今，随着云计算技术领域的日益发展，为了使用户在互联网平台上获得更加智能且针对性的业务场景推荐，可以具有多种方法实现个性化的业务场景推荐，其中包括基于人口统计学的推荐方法、基于用户涉及内容的推荐方法以及基于协调过滤算法的推荐方法。

在上述相关技术中，基于协调过滤算法的推荐方法可以通过关联模型算法、聚类模型算法、分类模型算法、回归模型算法、矩阵分解以及图模型等来完成协同过滤，在用户和内容两方面分别基于用户协同考虑和物品协同考虑。

然而，相关技术中的方案，通过上述模型算法构建的神经网络模型需要大量的数据进行支持，为了获得更加准确的模型需要输入大量的实际数据，这就导致神经网络模型在准确预测之前需要处理大量数据，从而影响了预测的效率。

发明内容

本申请实施例提供了一种网络内容推送方法、装置、计算机设备及存储介质，可以提高相关内容的推荐效率，技术方案如下：

一方面，提供了一种网络内容推送方法，所述方法由所述平台服务器执行，所述方法包括：

获取当前用户的组合特征以及序列特征，所述组合特征包括对应用户的用户特征以及对应用户的物品特征；所述序列特征用于指示对应用户依次执行的网络行为特征；

结合所述当前用户的序列特征，以及各个样本用户的序列特征，获取所述当前用户对应的权重；

根据所述当前用户对应的权重、所述当前用户的组合特征以及所述各个样本用户的组合特征，对所述当前用户以及所述各个样本用户进行聚类，获得所述当前用户的所属类别；

根据所述当前用户的所属类别，向所述当前用户推送网络内容。

一方面，提供了一种网络内容推送装置，所述装置用于所述平台服务器中，所述装置包括：

特征获取模块，用于获取当前用户的组合特征以及序列特征，所述组合特征包括对应用户的用户特征以及对应用户的物品特征；所述序列特征用于指示对应用户依次执行的网络行为特征；

权重获取模块，用于结合所述当前用户的序列特征，以及各个样本用户的序列特征，获取所述当前用户对应的权重；

类别获取模块，用于根据所述当前用户对应的权重、所述当前用户的组合特征以及所述各个样本用户的组合特征，对所述当前用户以及所述各个样本用户进行聚类，获得所述当前用户的所属类别；

内容推送模块，用于根据所述当前用户的所属类别，向所述当前用户推送网络内容。

在一种可能的实现方式中，所述权重获取模块，包括：

共同模式确定子模块，用于通过序列模式挖掘算法，根据所述当前用户的序列特征，以及各个样本用户的序列特征，确定所述各个样本用户的共同序列模式以及所述当前用户的最长共同序列模式；

数量获取子模块，用于获取所述各个样本用户中具有所述最长共同序列模式的样本用户数量以及样本用户总数量；