[发明专利]个性化推荐方法及终端设备、推荐设备、存储介质

权利要求书

1.一种个性化推荐方法，其特征在于，应用于终端设备，所述个性化推荐方法包括：

获取用户的历史操作行为数据；其中，所述历史操作行为数据包括观看内容数据以及终端设备登录数据；

发送所述历史操作行为数据至推荐设备，以使所述推荐设备基于所述历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息，并根据所述概率分布信息确定推荐内容；

接收所述推荐设备发送的推荐内容。

2.如权利要求1所述的个性化推荐方法，其特征在于，所述获取用户的历史操作行为数据的步骤之前，所述个性化推荐方法还包括：

在接收到用户的操作指令时，根据所述操作指令确定用户的操作行为；

记录所述操作行为至历史操作记录表中。

3.如权利要求2所述的个性化推荐方法，其特征在于，所述获取用户历史操作行为数据的步骤包括：

从所述历史操作记录表中，获取当前时间点之前预设时间段内的历史操作行为数据；

所述发送所述历史操作行为数据至推荐设备的步骤包括：

在设定时间到达时，发送所述历史操作行为数据至所述推荐设备。

4.一种个性化推荐方法，其特征在于，应用于推荐设备，所述个性化推荐方法包括：

接收所述终端设备发送的历史操作行为数据；其中，所述历史操作行为数据包括观看内容数据以及终端设备登录数据；

基于所述历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息；

根据所述概率分布信息确定推荐内容；

发送所述推荐内容至所述终端设备。

5.如权利要求4所述的个性化推荐方法，其特征在于，所述基于所述历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息的步骤包括：

对所述历史操作行为数据进行预处理得到特征数据；

根据所述特征数据确定人口统计学中预设目标内容对应的概率分布信息。

6.如权利要求5所述的个性化推荐方法，其特征在于，所述观看内容数据包括观看内容所属路径以及观看内容所属类型，所述对所述历史操作行为数据进行预处理得到特征数据的步骤包括：

利用词向量对所述观看内容所属路径进行序列化处理，生成第一特征数据；

对所述观看内容所属类型以及所述终端设备登录数据进行统计，生成第二特征数据。

7.如权利要求6所述的个性化推荐方法，其特征在于，所述根据所述特征数据确定人口统计学中预设目标内容对应的概率分布信息的步骤包括：

将所述第一特征数据和所述第二特征数据输入至深度学习模型中，得到人口统计学中预设目标内容对应的概率分布信息。

8.如权利要求4-7中任一项所述的个性化推荐方法，其特征在于，所述根据所述特征数据确定人口统计学中预设目标内容对应的概率分布信息的步骤之后，所述个性化推荐方法还包括：

对所述概率分布信息进行干扰运算处理，生成干扰概率分布信息；

所述根据所述概率分布信息确定推荐内容的步骤包括：

对所述干扰人口统计概率分布信息进行干扰逆运算处理，确定推荐内容。

9.如权利要求4-7中任一项所述的个性化推荐方法，其特征在于，所述基于所述历史操作行为数据，确定人口统计学中预设目标内容对应的概率分布信息的步骤之后，所述个性化推荐方法还包括：

将此次确定出的人口统计学中预设目标内容对应的概率分布信息作为第一概率分布信息；

所述根据所述概率分布信息确定推荐内容的步骤之前，所述个性化推荐方法还包括：

获取上一次确定的所述人口统计学中预设目标内容对应的概率分布信息，将其作为第二概率分布信息；

判断所述第一概率分布信息是否与所述第二概率分布信息相同；

若是，获取根据所述第二概率分布信息确定出的推荐内容，作为此次的推荐内容；

若否，将所述第一概率分布信息作为目标概率分布信息，并根据所述目标概率分布信息确定推荐内容。