【技术实现步骤摘要】
本公开涉及大数据，特别是涉及一种内容推送方法、相关装置和介质。
技术介绍
1、目前，各个内容推送平台在进行内容推送时，常常需要利用内容推送模型来预测根据各个对象的对象特征来预测对象对不同待推送内容的偏好程度，并根据偏好程度来进行内容推送。但是，大多数内容推送模型常常是基于对象行为特征训练得到的，而活跃度不高的对象往往存在较少的行为特征，对于这一类对象，如果采用上述方式进行内容推送，会存在推送准确性较低的问题。
技术实现思路
1、本公开实施例提供了一种内容推送方法、相关装置和介质，它能够提高内容推送的准确性。
2、根据本公开的一方面，提供了一种内容推送方法，包括：
3、获取目标对象的目标对象特征、和待推送内容的待推送内容特征；
4、将所述目标对象特征、和所述待推送内容特征输入内容偏好预测模型，得到所述目标对象对每个所述待推送内容的内容偏好概率；
5、基于所述内容偏好概率，从多个所述待推送内容中筛选出目标推送内容，并将所述目标推送内容推送给所述目标对象；
6、其中，所述内容偏好预测模型是基于总损失函数训练得到的，所述总损失函数通过第一偏好概率、第二偏好概率、和第三偏好概率确定；所述第一偏好概率是根据样本推送内容的注意度预测结果确定的；所述第二偏好概率是根据样本推送内容的热度偏好结果确定的；所述第三偏好概率是根据样本推送内容的综合偏好预测结果确定的；所述综合偏好预测结果是基于所述第一偏好概率和所述第二偏好概率、对所述注意度预测结
7、根据本公开的一方面，提供了一种内容推送装置，包括：
8、特征获取单元，用于获取目标对象的目标对象特征、和待推送内容的待推送内容特征；
9、概率生成单元，用于将所述目标对象特征、和所述待推送内容特征输入内容偏好预测模型，得到所述目标对象对每个所述待推送内容的内容偏好概率；
10、内容推送单元，用于基于所述内容偏好概率，从多个所述待推送内容中筛选出目标推送内容，并将所述目标推送内容推送给所述目标对象；
11、其中，所述内容偏好预测模型是基于总损失函数训练得到的，所述总损失函数通过第一偏好概率、第二偏好概率、和第三偏好概率确定；所述第一偏好概率是根据样本推送内容的注意度预测结果确定的；所述第二偏好概率是根据样本推送内容的热度偏好结果确定的；所述第三偏好概率是根据样本推送内容的综合偏好预测结果确定的；所述综合偏好预测结果是基于所述第一偏好概率和所述第二偏好概率、对所述注意度预测结果和所述热度偏好结果进行融合得到的；所述注意度预测结果是基于样本对象的样本对象基本数据和样本对象行为数据确定的；所述热度偏好结果是基于所述样本对象基本数据确定的。
12、可选地，所述内容推送单元具体用于：
13、确定每个所述待推送内容的第一权重；
14、针对每个所述待推送内容，确定所述第一权重和所述内容偏好概率的乘积结果；
15、基于所述乘积结果对多个所述待推送内容进行排序；
16、在排序中，选取前预定名次的所述待推送内容作为所述目标推送内容。
17、可选地，所述第一权重通过以下方式确定：
18、针对每个所述待推送内容，基于所述待推送内容的内容类型，确定第一分数；
19、针对每个所述待推送内容，基于所述待推送内容的内容大小，确定第二分数；
20、基于所述第一分数和所述第二分数，确定所述第一权重。
21、可选地，所述内容推送装置还包括获取单元、映射单元、第一确定单元、第二确定单元、第三确定单元、第四确定单元、融合单元、训练单元；所述内容偏好预测模型通过以下方式训练得到：
22、获取单元，用于获取多个所述样本对象的样本对象基本数据和样本对象行为数据、多个样本推送内容；
23、映射单元，用于基于对所述样本对象基本数据的映射结果，获取所述样本对象基本特征；基于对所述样本对象行为数据的映射结果，获取所述样本对象行为特征；基于对所述样本推送内容的映射结果，获取所述样本内容特征；
24、第一确定单元，用于基于所述样本对象基本特征、所述样本对象行为特征和所述样本内容特征，确定所述样本推送内容的注意度预测结果；
25、第二确定单元，用于基于所述样本对象基本特征、和所述样本内容特征，确定所述样本推送内容的所述热度偏好结果；
26、第三确定单元，用于基于所述注意度预测结果，确定所述样本对象对所述样本推送内容的第一偏好概率，并基于所述热度偏好结果，确定所述样本对象对所述样本推送内容的第二偏好概率；
27、融合单元，用于基于所述第一偏好概率和所述第二偏好概率，对所述注意度预测结果和所述热度偏好结果进行融合处理，得到综合偏好预测结果；
28、第四确定单元，用于基于所述综合偏好预测结果，确定所述样本对象对所述样本推送内容的第三偏好概率；
29、训练单元，用于基于所述第一偏好概率、所述第二偏好概率、和所述第三偏好概率，确定总损失函数，并基于所述总损失函数训练所述内容偏好预测模型。
30、可选地，所述样本对象行为数据包含多个对象行为；所述映射单元具体用于：
31、针对每个所述对象行为，将所述对象行为映射到预设的向量空间，得到所述对象行为的映射结果；
32、对多个所述对象行为的映射结果进行特征求和，得到所述样本对象行为特征。
33、可选地，所述内容偏好预测模型包含内容注意度预测网络；
34、所述第一确定单元用于：
35、针对每个所述样本对象，将所述样本对象基本特征、所述样本对象行为特征和所述样本内容特征进行拼接，得到第一拼接特征；
36、将所述第一拼接特征输入至所述内容注意度预测网络，得到每个所述样本对象针对所述样本推送内容的注意度预测结果
37、可选地，所述第三确定单元具体用于：
38、以自然常数为底、以所述注意度预测结果的相反数为指数进行指数计算，得到计算结果；
39、将所述计算结果与1的和取倒数，得到所述第一偏好概率。
40、可选地，所述内容偏好预测模型还包括内容热度预测网络；
41、所述第二确定单元用于：
42、针对每个所述样本对象，将所述样本对象基本特征和所述样本内容特征进行拼接，得到第二拼接特征；
43、将所述第二拼接特征输入至所述内容热度预测网络，得到每个所述样本对象针对所述样本推送内容的热度偏好结果
44、可选地，所述融合单元具体用于：
45、针对每个所述样本对象，基于所述第一偏好概率和所述第二偏好概率，确定所述注意度预测结果的第一偏好权重、和所述热度偏好结果的本文档来自技高网...
【技术保护点】
1.一种内容推送方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述内容偏好预测模型通过以下方式训练得到：
3.根据权利要求2所述的方法，其特征在于，所述样本对象行为数据包含多个对象行为；
4.根据权利要求2所述的方法，其特征在于，所述内容偏好预测模型包含内容注意度预测网络；
5.根据权利要求2所述的方法，其特征在于，所述基于所述注意度预测结果，确定所述样本对象对所述样本推送内容的第一偏好概率，包括：
6.根据权利要求2所述的方法，其特征在于，所述内容偏好预测模型还包括内容热度预测网络；
7.根据权利要求2所述的方法，其特征在于，所述基于所述第一偏好概率和所述第二偏好概率，对所述注意度预测结果和所述热度偏好结果进行融合处理，得到综合偏好预测结果，包括：
8.根据权利要求7所述的方法，其特征在于，所述针对每个所述样本对象，基于所述第一偏好概率和所述第二偏好概率，确定所述注意度预测结果的第一偏好权重、和所述热度偏好结果的第二偏好权重，包括：
9.根据权利要求2所
10.根据权利要求9所述的方法，其特征在于，所述基于所述第一偏好概率、和所述样本对象针对所述样本推送内容的内容偏好标签，计算第一损失函数，包括：
11.根据权利要求10所述的方法，其特征在于，所述样本对象包含正样本对象、和负样本对象；针对每个所述样本对象，基于所述第一偏好概率和所述内容偏好标签，计算第一子损失函数，包括：
12.根据权利要求9所述的方法，其特征在于，所述基于所述第一损失函数、所述第二损失函数、和所述第三损失函数，确定总损失函数，包括：
13.根据权利要求2所述的方法，其特征在于，所述样本对象行为数据包含多个对象行为、和所述对象行为的衍生数据；
14.根据权利要求13所述的方法，其特征在于，所述基于对所述样本对象行为数据的映射结果，获取所述样本对象行为特征，包括：
15.根据权利要求1所述的方法，其特征在于，所述基于所述内容偏好概率，从多个所述待推送内容中筛选出目标推送内容，包括：
16.根据权利要求15所述的方法，其特征在于，所述第一权重通过以下方式确定：
17.一种内容推送装置，其特征在于，所述装置包括：
18.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至16任意一项所述的内容推送方法。
19.一种计算机可读存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至16任意一项所述的内容推送方法。
20.一种计算机程序产品，该计算机程序产品包括计算机程序，所述计算机程序被计算机设备的处理器读取并执行，使得该计算机设备执行权利要求1至16任意一项所述的内容推送方法。
...【技术特征摘要】
1.一种内容推送方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述内容偏好预测模型通过以下方式训练得到：
3.根据权利要求2所述的方法，其特征在于，所述样本对象行为数据包含多个对象行为；
4.根据权利要求2所述的方法，其特征在于，所述内容偏好预测模型包含内容注意度预测网络；
5.根据权利要求2所述的方法，其特征在于，所述基于所述注意度预测结果，确定所述样本对象对所述样本推送内容的第一偏好概率，包括：
6.根据权利要求2所述的方法，其特征在于，所述内容偏好预测模型还包括内容热度预测网络；
7.根据权利要求2所述的方法，其特征在于，所述基于所述第一偏好概率和所述第二偏好概率，对所述注意度预测结果和所述热度偏好结果进行融合处理，得到综合偏好预测结果，包括：
8.根据权利要求7所述的方法，其特征在于，所述针对每个所述样本对象，基于所述第一偏好概率和所述第二偏好概率，确定所述注意度预测结果的第一偏好权重、和所述热度偏好结果的第二偏好权重，包括：
9.根据权利要求2所述的方法，其特征在于，所述基于所述第一偏好概率、所述第二偏好概率、和所述第三偏好概率，确定总损失函数，包括：
10.根据权利要求9所述的方法，其特征在于，所述基于所述第一偏好概率、和所述样本对象针对所述样本推送内容的内容偏好标签，计算第一损失函数，包括：
11.根据权利要求10所述的方法，其特征在于，所述样...
【专利技术属性】
技术研发人员：赵光耀，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。