[发明专利]一种用户兴趣表征及内容推荐方法、装置和设备

权利要求书

1.一种用户兴趣表征方法，其特征在于，包括：

获取不同用户感兴趣标签对应的标签向量，其中，所述用户感兴趣标签是用户对语料库中内容有操作行为的所述内容对应的标签；针对一用户感兴趣标签，所述标签向量为表征所述用户感兴趣标签的向量；

确定所述用户对不同用户感兴趣标签的偏好程度；

针对每一用户感兴趣标签，将所述用户对所述用户感兴趣标签的所述偏好程度作为权重，将所述权重与所述用户感兴趣标签对应的标签向量相乘，得到所述用户感兴趣标签对应的加权向量；

将各个所述用户感兴趣标签对应的所述加权向量进行向量池化，得到用户兴趣表征向量，所述用户兴趣表征向量用于表征所述用户的用户兴趣。

2.根据权利要求1所述的方法，其特征在于，所述确定所述用户对不同用户感兴趣标签的偏好程度，包括：

获取预设时间范围内所述用户针对不同用户感兴趣标签的行为信息；针对一用户感兴趣标签，所述行为信息表征所述用户对所述用户感兴趣标签对应的内容的行为；

基于所述行为信息，确定所述用户对不同用户感兴趣标签的偏好分数，并将所述偏好分数作为所述偏好程度。

3.根据权利要求2所述的方法，其特征在于，所述行为信息包括所述用户对所述用户感兴趣标签对应的内容的行为次数和行为时间；

所述基于所述行为信息，确定所述用户对不同用户感兴趣标签的偏好分数，包括：

针对每一用户感兴趣标签，通过如下公式：score＝historyScore×decayRatio，确定所述用户对所述用户感兴趣标签的偏好分数；

其中，score为所述偏好分数，historyScore＝k×S，k为所述用户在所述用户感兴趣标签上的行为次数，S为每次行为获得的分数；lambda为负数超参，circle为行为周期，windowN为经历的周期次数，delta为两次行为的时间差。

4.根据权利要求1至3任一项所述的方法，其特征在于，在所述将各个所述用户感兴趣标签对应的所述加权向量进行向量池化，得到用户兴趣表征向量之后，所述方法还包括：

基于所述用户兴趣表征向量进行内容推荐。

5.一种内容推荐方法，其特征在于，包括：

获取不同用户感兴趣标签对应的标签向量，其中，所述用户感兴趣标签是用户对语料库中内容有操作行为的所述内容对应的标签；针对一用户感兴趣标签，所述标签向量为表征所述用户感兴趣标签的向量；

确定所述用户对不同用户感兴趣标签的偏好程度；

针对每一用户感兴趣标签，将所述用户对所述用户感兴趣标签的所述偏好程度作为权重，将所述权重与所述用户感兴趣标签对应的标签向量相乘，得到所述用户感兴趣标签对应的加权向量；

将各个所述用户感兴趣标签对应的所述加权向量进行向量池化，得到用户兴趣表征向量，所述用户兴趣表征向量用于表征所述用户的用户兴趣；

获取排序特征；

将所述用户兴趣表征向量与所述排序特征输入排序模型，基于所述排序模型的输出为所述用户推荐内容。

6.一种用户兴趣表征装置，其特征在于，包括：

获取模块，用于获取不同用户感兴趣标签对应的标签向量，其中，所述用户感兴趣标签是用户对语料库中内容有操作行为的所述内容对应的标签；针对一用户感兴趣标签，所述标签向量为表征所述用户感兴趣标签的向量；

确定模块，用于确定所述用户对不同用户感兴趣标签的偏好程度；

加权模块，用于针对每一用户感兴趣标签，将所述用户对所述用户感兴趣标签的所述偏好程度作为权重，将所述权重与所述用户感兴趣标签对应的标签向量相乘，得到所述用户感兴趣标签对应的加权向量；

池化模块，用于将各个所述用户感兴趣标签对应的所述加权向量进行向量池化，得到用户兴趣表征向量，所述用户兴趣表征向量用于表征所述用户的用户兴趣。