[发明专利]一种基于召回模型和预测模型的信息推荐方法及系统

说明书

本发明涉及信息技术领域，具体涉及一种基于召回模型和预测模型的信息推荐方法及系统，包括：用户终端发送获取信息流推荐的请求；获取用户实时行为序列及历史行为序列；基于用户历史行为序列利用召回模型得到召回候选集；对召回候选集的信息进行过滤；基于用户实时行为序列利用预测模型对过滤后的信息进行预测得到预测得分；设定信息推荐数量，并根据信息推荐数量结合预测得分选择对应的信息，并将信息合并成信息流发送到用户终端。本发明采用的技术方案，具有如下有益效果：既能根据用户近期的历史行为序列，捕捉用户较为长期的兴趣偏好，又能根据用户实时的行为序列，捕捉用户当下最新的兴趣特征，给用户的新行为以即实的反馈。

技术领域

本发明涉及信息技术领域，具体涉及一种基于召回模型和预测模型的信息推荐方法及系统。

背景技术

目前，随着互联网技术的不断发展，各种信息流产品层出不穷，满足了用户大多数的娱乐、学习需求。作为母婴信息平台，由于平台中信息庞杂，信息丰富度大，不同月龄阶段的食谱、知识差异性大。推荐符合平台用户宝宝月龄的精准信息，满足用户个性化需求成为我们的使命。

但是，对于传统的个性化推荐系统来说，系统内部具有复杂、逻辑庞大等特点。其中系统模型涉及的参数量众多、需要通过每一个参数的权重系数共同作用来决定推荐信息，进而对用户短时间内喜好的微小变化存在很强的滞后性、延时性。另外，由于用户真正喜欢的信息，可能在旧的推荐系统模式中，只出现了少量条数，导致用户只能点击一两次，因而使得推荐算法所能采集到的用户准确的新兴趣的行为过少。

发明信息

本发明所要解决的技术问题就是提供一种基于召回模型和预测模型的信息推荐方法及系统。

为解决上述技术问题，本发明采用如下技术方案：一种基于召回模型和预测模型的信息推荐方法，包括：

用户终端发送获取信息流推荐的请求；

获取用户实时行为序列及历史行为序列；

基于用户历史行为序列利用召回模型得到召回候选集；

对召回候选集的信息进行过滤；

基于用户实时行为序列利用预测模型对过滤后的信息进行预测得到预测得分；

设定信息推荐数量，并根据信息推荐数量结合预测得分选择对应的信息，并将信息合并成信息流发送到用户终端。

优选的，所述基于用户历史行为序列利用召回模型得到召回候选集包括：

基于用户历史行为序列训练召回模型；

利用召回模型训练得到信息的第一embedding向量；

对第一embedding向量进行降维，利用最近邻搜索得到指定信息的topk相似信息序列；

将热门信息召回和最新信息召回加入召回序列得到召回候选集。

优选的，所述对召回候选集的信息进行过滤包括：

所述历史行为序列包括历史点击序列和历史曝光序列，所述实时行为序列包括最新点击序列和最新曝光序列；

将历史曝光序列与最新曝光序列合并，将历史点击序列与最新点击序列合并；

对合并后的曝光序列进行曝光信息的次数统计，得到高于阈值的曝光序列，用于过滤召回候选集中反复曝光但用户仍未点击的信息；

合并后的点击序列用于召回用户可能感兴趣的信息，还用于过滤召回候选集中用户已经点击过的信息。

优选的，所述基于用户实时行为序列利用预测模型对过滤后的信息进行预测得到预测得分包括：

对引入注意力机制的深度学习网络进行学习训练得到预测模型；