[发明专利]一种内容推荐方法

权利要求书

1.一种内容推荐方法，其特征在于，包括：

基于用户的推荐请求获取用户信息；

基于所述用户信息获取多个初选内容；

基于所述用户信息、所述推荐请求、所述多个初选内容分别生成用户特征、请求特征、多个内容特征；

将所述用户特征、所述请求特征、所述多个内容特征输入到兴趣推荐模型中得到所述多个初选内容对应的多个兴趣评分，所述兴趣推荐模型通过深度推荐模型和多任务学习模型联合训练生成；

基于所述多个兴趣评分由所述多个初选内容中确定待推荐的至少一个内容。

2.如权利要求1所述的方法，其特征在于，还包括：

通过深度推荐模型和多任务学习模型生成初始模型；

基于多个用户推荐请求和多个内容推荐结果对所述初始模型进行训练以生成所述兴趣推荐模型。

3.如权利要求1所述的方法，其特征在于，基于所述用户信息获取多个初选内容，包括：

基于所述用户信息中的用户标识提取预存的用户画像、用户向量；

基于所述用户画像提取其他用户以生成其他用户列表；

基于所述用户画像、所述用户向量、所述其他用户列表生成所述多个初选内容。

4.如权利要求3所述的方法，其特征在于，基于所述用户画像、所述用户向量、所述其他用户列表生成所述多个初选内容，还包括：

基于所述用户信息对所述多个初选内容进行曝光排重。

5.如权利要求1所述的方法，其特征在于，基于所述用户信息、所述推荐请求、所述多个初选内容分别生成用户特征、请求特征、多个内容特征，包括：

将所述用户信息、所述推荐请求、所述多个初选内容分别按照预设策略进行整理以生成所述用户特征、所述请求特征、所述多个内容特征。

6.如权利要求1所述的方法，其特征在于，将所述用户特征、所述请求特征、所述多个内容特征输入到兴趣推荐模型中得到所述多个初选内容对应的多个兴趣评分，包括：

将所述用户特征、所述请求特征、所述多个内容特征输入到兴趣推荐模型；

所述兴趣推荐模型中的深度推荐模型部分基于所述用户特征、所述请求特征、所述多个内容特征生成组合特征；

所述兴趣推荐模型中的多任务学习模型部分基于所述组合特征进行计算，生成所述多个内容特征对应的多个兴趣评分；

其中，内容特征对应的兴趣评分代表所述用户对初选内容的感兴趣程度。

7.如权利要求6所述的方法，其特征在于，所述兴趣推荐模型中的多任务学习模型部分基于所述组合特征进行计算，生成所述多个内容特征对应的兴趣评分，包括：

所述兴趣推荐模型中的多任务学习模型部分基于所述组合特征进行计算生成点击概率和传播概率；

基于所述点击概率、所述传播概率和其对应的权重生成所述多个内容特征对应的兴趣评分。

8.如权利要求1所述的方法，其特征在于，基于所述多个兴趣评分由所述多个初选内容中确定待推荐的至少一个内容，包括：

基于所述多个兴趣评分将所述多个初选内容进行排序；

按照所述排序提取至少一个初选内容作为待推荐的内容。

9.如权利要求2所述的方法，其特征在于，通过深度推荐模型和多任务学习模型生成初始模型，包括：

将深度推荐模型中的DNN隐藏层设置为三层，每层都带有dropout因子；

将深度推荐模型的输出数据作为多任务学习模型的输入数据；

将多任务学习模型的专家网络设置为两个，专家单元设置为十六个；

将多任务学习模型的专家网络中的DNN隐藏层设置为两层；

基于以上设置生成所述初始模型。

10.如权利要求2所述的方法，其特征在于，基于多个用户推荐请求和多个内容推荐结果对所述初始模型进行训练以生成所述兴趣推荐模型，包括：

基于多个用户推荐请求生成训练样本集合；

基于所述内容推荐结果为所述训练样本集合中的样本设置样本标签；

基于带有样本标签的训练样本集合数据对所述初始模型进行训练；

在训练参数满足阈值时，生成所述兴趣推荐模型。