[发明专利]内容推荐方法、系统、终端设备、介质及产品

说明书

本申请涉及推荐系统领域，提供一种内容推荐方法、系统、终端设备、介质及产品。该方法包括：在接收到待推荐内容之后，对每一待推荐内容进行识别，以获取每一待推荐内容对应的内容信息和标签信息，并获取目标用户对应的用户信息和历史行为信息；根据目标用户对应的用户信息和历史行为信息，以及每一待推荐内容对应的内容信息和标签信息生成推荐数据集；根据推荐数据集确定目标用户对应的规则图谱；根据规则图谱确定目标用户对每一待推荐内容的点击概率，并向目标用户输出最大点击概率对应的目标推荐内容。本申请的方法，可以提高了内容推荐的准确性，从而提升用户使用体验。

技术领域

本申请涉及推荐系统领域，尤其涉及一种内容推荐方法、系统、终端设备、介质及产品。

背景技术

随着互联网技术的发展和社会的进步，终端设备的各种APP上基本都设置有推荐系统，在用户打开APP进行浏览时，推荐系统可以向用户推荐各种内容。

现有的推荐系统主要利用大数据分析或者深度学习的方式向用户推荐相关内容，即获取用户之前一段时间内的历史浏览数据，并对历史浏览数据进行大数据分析，或者利用机器学习算法进行深度学习，从而对用户可能会进行浏览的内容进行预测。当用户再次打开APP进行浏览时，推荐系统会根据预测向用户推荐相关内容。但是，通过大数据分析或者深度学习的方式推荐的内容可能并不准确，导致用户对推荐的内容并不满意。

因此，需要一种推荐准确性更高的内容推荐方案。

发明内容

本申请提供一种内容推荐方法、系统、终端设备、介质及产品，用以解决现有的内容推荐系统推荐准确性低的技术问题。

第一方面，本申请提供一种内容推荐方法，包括：

在接收到待推荐内容之后，对每一所述待推荐内容进行识别，以获取每一所述待推荐内容对应的内容信息和标签信息，并获取目标用户对应的用户信息和历史行为信息；

根据所述目标用户对应的用户信息和历史行为信息，以及每一所述待推荐内容对应的内容信息和标签信息生成推荐数据集；

根据所述推荐数据集确定所述目标用户对应的规则图谱；

根据所述规则图谱确定所述目标用户对每一所述待推荐内容的点击概率，并向所述目标用户输出最大点击概率对应的目标推荐内容。

在一种可能的实施方式中，所述根据所述推荐数据集确定所述目标用户对应的规则图谱，具体包括：

利用规则学习算法构造所述目标用户的历史行为信息对应的推荐规则，所述推荐规则包括条件信息和结果信息；

对每一所述推荐规则进行模型拟合，以确定每一所述推荐规则对应的规则权重，所述规则权重包括召回率、精确率和准确率中的一种或多种；

根据所述目标用户的用户信息、待推荐内容的内容信息、每一所述内容信息对应的标签信息、所述目标用户对应的推荐规则以及所述推荐规则对应的规则权重，确定所述目标用户对应的规则图谱。

在一种可能的实施方式中，所述根据所述目标用户的用户信息、待推荐内容的内容信息、每一所述内容信息对应的标签信息、所述目标用户对应的推荐规则以及所述推荐规则对应的规则权重，确定所述目标用户对应的规则图谱，具体包括：

根据所述目标用户的用户信息，构建用户实体，所述用户实体包括与每一用户信息对应的用户属性；

根据所述待推荐内容的内容信息，构建内容实体，所述内容实体包括与每一内容信息对应的内容属性；

根据所述内容信息对应的标签信息，构建标签实体；

根据所述目标用户对应的推荐规则以及所述推荐规则对应的规则权重，构建规则实体；