一种内容推荐方法、装置、电子设备和存储介质制造方法及图纸

本申请涉及计算机技术领域，尤其涉及一种内容推荐方法、装置、电子设备和存储介质，可应用于云技术、人工智能、智慧交通、辅助驾驶等场景，用以提高推荐系统的时效性。方法包括：响应于内容推荐请求，基于候选内容的已存在时长，从候选内容集合中选取待推荐内容；获取目标对象的对象特征，内容推荐请求相关的上下文特征，各待推荐内容的内容特征，内容特征包括：基于内容发布时间与内容相关事件的发生时间中的至少一种确定的，表征内容已存在时长的存在时间特征；基于上述特征，分别针对各个待推荐内容进行低阶特征交叉和高阶特征交叉，确定目标推荐值；基于目标推荐值确定推荐顺序。本申请结合内容已存在时长进行召回和排序，可有效提高时效性。提高时效性。提高时效性。

【技术实现步骤摘要】
一种内容推荐方法、装置、电子设备和存储介质


[0001]本申请涉及计算机
，尤其涉及一种内容推荐方法、装置、电子设备和存储介质。

技术介绍

[0002]随着计算机技术的飞速发展，越来越多的内容需要通过计算机处理来获取，在处理完后再通过网络进行传输；而且越来越多的场景下需要对用户进行内容推荐。比如新闻、视频或者广告的推荐等。
[0003]在相关技术中，内容推荐主要是依赖于内容推荐模型。为了保证高时效内容排序靠前，相关技术中提出了两种加权方式。
[0004]第一种方式为：对基于内容推荐模型预估得到的高时效物品的预估分数加权。
[0005]采用第一种方式时，加权的数值会与内容推荐模型耦合，改变内容推荐模型结构或者打分分布发生变化，均会影响时效性提升的效果。
[0006]第二种方式为：在内容推荐模型的训练过程中，对高时效性样本加权。
[0007]采用第二种方式时，因为高时效性样本加权与提高其预估分数不具有因果关系，从而对样本加权无法有效能提高高时效样本相应的预估分数，进而影响排序结果。
[0008]综上，上述两种加权方式都不能有效提高推荐系统的时效性。

技术实现思路

[0009]本申请实施例提供一种内容推荐方法、装置、电子设备和存储介质，用以有效提高推荐系统的时效性。
[0010]本申请实施例提供的一种内容推荐方法，包括：响应于目标对象触发的内容推荐请求，基于候选内容对应的已存在时长，从候选内容集合中选取至少一个待推荐内容；获取所述目标对象的对象特征，所述内容推荐请求相关的上下文特征，以及各个待推荐内容对应的内容特征，其中，所述内容特征至少包括：基于内容发布时间与内容相关事件的发生时间中的至少一种确定的，用于表征内容已存在时长的存在时间特征；基于所述对象特征，所述上下文特征以及包括存在时间特征的所述内容特征，分别针对各个待推荐内容进行低阶特征交叉和高阶特征交叉，基于特征交叉结果确定所述各个待推荐内容各自对应的目标推荐值；基于所述各个待推荐内容各自对应的目标推荐值，确定所述各个待推荐内容针对所述目标对象的推荐顺序。
[0011]本申请实施例提供的一种内容推荐装置，包括：召回单元，用于响应于目标对象触发的内容推荐请求，基于候选内容对应的已存在时长，从候选内容集合中选取至少一个待推荐内容；特征获取单元，用于获取所述目标对象的对象特征，所述内容推荐请求相关的上
下文特征，以及各个待推荐内容对应的内容特征，其中，所述内容特征至少包括：基于内容发布时间与内容相关事件的发生时间中的至少一种确定的，用于表征内容已存在时长的存在时间特征；分析单元，用于基于所述对象特征，所述上下文特征以及包括存在时间特征的所述内容特征，分别针对各个待推荐内容进行低阶特征交叉和高阶特征交叉，基于特征交叉结果确定所述各个待推荐内容各自对应的目标推荐值；推荐单元，用于基于所述各个待推荐内容各自对应的目标推荐值，确定所述各个待推荐内容针对所述目标对象的推荐顺序。
[0012]可选的，所述分析单元具体用于：分别将所述各个待推荐内容对应的内容特征，所述对象特征以及所述上下文特征，输入已训练的内容推荐模型；基于所述内容推荐模型对所述各个待推荐内容进行推荐排序，获取所述各个待推荐内容对应的目标推荐值；其中，所述内容推荐模型是基于包含不同样本对象相关样本内容的训练样本数据集训练得到的，所述训练样本数据集中的样本内容至少包括：已存在时长在指定时间段内的样本内容，各个样本内容标注有用于表征所述样本内容对应的已存在时长的大小以及所述样本内容是否被点击的标签值。
[0013]可选的，所述分析单元具体用于：基于所述内容推荐模型，将所述各个待推荐内容的内容特征以及所述对象特征进行特征交叉，获得交叉特征；分别对所述各个待推荐内容的内容特征，所述对象特征，所述上下文特征以及所述交叉特征，进行低阶特征交叉，获得所述各个待推荐内容对应的第一推荐值，以及进行高阶特征交叉，获得所述各个待推荐内容对应的第二推荐值；将所述各个待推荐内容对应的第一推荐值与相应的第二推荐值，进行加权求和，获得所述各个待推荐内容对应的目标推荐值；可选的，所述装置还包括：标注单元，用于通过下列方式确定所述各个样本内容的标签值：根据所述各个样本内容对应的已存在时长，以及所述各个样本内容是否被样本对象点击，将所述各个样本内容进行分类；根据划分得到的所述各个样本内容的类别，确定所述各个样本内容对应的标签值。
[0014]可选的，所述标注单元具体用于：将对应的已存在时长在指定时间段，且被点击的样本内容作为第一类样本内容；将对应的已存在时长不在指定时间段，且被点击的样本内容作为第二类样本内容；将未被点击的样本内容作为第三类样本内容；其中，所述第一类样本内容的标签值大于所述第二类样本内容的标签值，所述第二类样本内容的标签值大于所述第三类样本内容的标签值。
[0015]可选的，所述装置还包括：
模型训练单元，用于通过下列方式训练得到所述内容推荐模型：获取所述训练样本数据集，根据所述训练样本数据集中的样本内容对，对初始的内容推荐模型执行循环迭代训练，并在训练完毕时，输出训练完毕的内容推荐模型；其中，在一次循环迭代训练过程中执行以下操作：从所述训练样本数据集中选取样本内容对，并将选取的样本内容对输入所述训练完毕的内容推荐模型，获取基于所述内容推荐模型获得的，所述样本内容对中的第一样本内容对应的第一预估推荐值，以及所述样本内容对中的第二样本内容对应的第二预估推荐值，其中，所述第一样本内容和所述第二样本内容与同一样本对象相关，且所述第一样本内容的标签值大于所述第二样本内容的标签值；基于所述第一预估推荐值，所述第二预估推荐值，所述第一样本内容的标签值与所述第二样本内容的标签值，构建目标损失函数，并基于所述目标损失函数对所述内容推荐模型的网络参数进行调整。
[0016]可选的，所述模型训练单元具体用于：基于所述第一样本内容与所述第二样本内容的标签值的差值，确定对应的样本对权重，其中，所述差值的绝对值与所述样本对权重呈正相关；基于所述第一预估推荐值与所述第二预估推荐值的差值，确定对应的预估损失值；基于所述样本对权重以及所述预估损失值的乘积，确定所述目标损失函数，其中，所述目标损失函数与所述乘积呈正相关。
[0017]本申请实施例提供的一种电子设备，包括处理器和存储器，其中，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器执行上述任意一种内容推荐方法的步骤。
[0018]本申请实施例提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述任意一种内容推荐方法的步骤。
[0019]本申请实施例提供一种计算机可读存储介质，其包括程序代码，当所述程序产品在电子设备上运行时，所述程序代码用于使所述电子设备执行上述任意一种内容推荐方法的步骤。...

【技术保护点】

【技术特征摘要】
1.一种内容推荐方法，其特征在于，该方法包括：响应于目标对象触发的内容推荐请求，基于候选内容对应的已存在时长，从候选内容集合中选取至少一个待推荐内容；获取所述目标对象的对象特征，所述内容推荐请求相关的上下文特征，以及各个待推荐内容对应的内容特征，其中，所述内容特征至少包括：基于内容发布时间与内容相关事件的发生时间中的至少一种确定的，用于表征内容已存在时长的存在时间特征；基于所述对象特征，所述上下文特征以及包括存在时间特征的所述内容特征，分别针对各个待推荐内容进行低阶特征交叉和高阶特征交叉，基于特征交叉结果确定所述各个待推荐内容各自对应的目标推荐值；基于所述各个待推荐内容各自对应的目标推荐值，确定所述各个待推荐内容针对所述目标对象的推荐顺序。2.如权利要求1所述的方法，其特征在于，通过如下方式获得任意一个内容的已存在时长，所述任意一个内容为待推荐内容或候选内容：将所述任意一个内容的发布时间与请求时间之间的时长，作为所述任意一个内容的已存在时长，所述请求时间表示所述目标对象触发内容推荐请求的时间；或者，将所述任意一个内容相关事件的发生时间与请求时间之间的时长，作为所述任意一个内容的已存在时长，所述请求时间表示所述目标对象触发内容推荐请求的时间。3.如权利要求1所述的方法，其特征在于，所述基于候选内容对应的已存在时长，从候选内容集合中选取至少一个待推荐内容，包括：基于各个候选对象的历史行为，从所述候选内容集合中选取被至少一个候选对象点击的候选内容；按照选取的各个候选内容对应的已存在时长，对所述各个候选内容进行排序；选取排序结果在指定排序位置的候选内容，作为待推荐内容。4.如权利要求1~3任一项所述的方法，其特征在于，所述基于所述对象特征，所述上下文特征以及包括存在时间特征的所述内容特征，分别针对各个待推荐内容进行低阶特征交叉和高阶特征交叉，基于特征交叉结果确定所述各个待推荐内容各自对应的目标推荐值，包括：分别将所述各个待推荐内容对应的内容特征，所述对象特征以及所述上下文特征，输入已训练的内容推荐模型；基于所述内容推荐模型，分别针对各个待推荐内容进行低阶特征交叉和高阶特征交叉，基于特征交叉结果确定所述各个待推荐内容对应的目标推荐值；其中，所述内容推荐模型是基于包含不同样本对象相关样本内容的训练样本数据集训练得到的，所述训练样本数据集中的样本内容至少包括：已存在时长在指定时间段内的样本内容，各个样本内容标注有用于表征所述样本内容对应的已存在时长的大小以及所述样本内容是否被点击的标签值。5.如权利要求4所述的方法，其特征在于，所述基于所述内容推荐模型，分别针对各个待推荐内容进行低阶特征交叉和高阶特征交叉，基于特征交叉结果确定所述各个待推荐内容对应的目标推荐值，包括：基于所述内容推荐模型，将所述各个待推荐内容的内容特征以及所述对象特征进行特
征交叉，获得交叉特征；分别对所述各个待推荐内容的内容特征，所述对象特征，所述上下文特征以及所述交叉特征，进行低阶特征交叉，获得所述各个待推荐内容对应的第一推荐值，以及进行高阶特征交叉，获得所述各个待推荐内容对应的第二推荐值；将所述各个待推荐内容对应的第一推荐值与相应的第二推荐值，进行加权求和，获得所述各个待推荐内容对应的目标推荐值。6.如权利要求4所述的方法，其特征在于，通过下列方式确定所述各个样本内容的标签值：根据所述各个样本内容对应的已存在时长，以及所述各个样本内容是否被样本对象点击，将所述各个样本内容进行分类；根据划分得到的所述各个样本内容的类别，确定所述各个样本内容对应的标签值。7.如权利要求6所述的方法，其特征在于，所述根据各个样本内容对应的已存在时长，以及所述各个样本内容是否被样本对象点击，将所述各个样本内容进行分类，包括：将对应的已存在时长在指定时间段，且被点击的样本内容作为第一类样本内容；将对应的已存在时长不在指定时间段，且被点击的样本内容作为第二类样本内容；将未被点击的样本内容作为第三类...

【专利技术属性】
技术研发人员：梁瀚明，马骊，赵忠，傅妍玫，赵光耀，何新昇，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：