CN111708948B - 内容项推荐方法、装置、服务器及计算机可读存储介质 - Google Patents
内容项推荐方法、装置、服务器及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111708948B CN111708948B CN202010568668.1A CN202010568668A CN111708948B CN 111708948 B CN111708948 B CN 111708948B CN 202010568668 A CN202010568668 A CN 202010568668A CN 111708948 B CN111708948 B CN 111708948B
- Authority
- CN
- China
- Prior art keywords
- content item
- behavior data
- account
- target
- storage space
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000006399 behavior Effects 0.000 claims description 187
- 230000004044 response Effects 0.000 claims description 23
- 230000003993 interaction Effects 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 17
- 230000002452 interceptive effect Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 12
- 230000001960 triggered effect Effects 0.000 claims description 11
- 230000015654 memory Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000003062 neural network model Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开关于一种内容项推荐方法、装置、服务器及计算机可读存储介质,属于计算机技术领域。本公开提供的方案,通过响应于目标账号的内容项推荐请求,基于目标账号所关联的多个存储空间中存储的账户行为数据,确定多个内容项组,多个存储空间中分别存储着不同时间段内采集的目标账号的账户行为数据,这样确定出来的多个内容项组中,包括基于不同时期的账户行为数据预测得到的内容项,进而基于多个内容项组中的内容项,确定待推荐的至少一个目标内容项,基于至少一个目标内容项,向目标账号进行内容项推荐,可以结合用户以不同时期的偏好,为用户进行推荐,使得推荐的内容项能更全面的覆盖用户的偏好,提高推荐效果,从而提高用户体验。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种内容项推荐方法、装置、服务器及计算机可读存储介质。
背景技术
近年来,随着计算机技术的不断发展,各种各样的应用程序蓬勃发展。在用户使用应用程序的过程中,可以基于用户的历史观看、点击、关注、点赞等历史行为,为用户推荐可能感兴趣的内容。
目前在为用户进行推荐时,主要是通过神经网络模型,基于用户的历史观看、点击、关注、点赞等历史行为,对神经网络模型进行训练,使得神经网络模型学习到用户的偏好,得到可以用于预测用户感兴趣的内容的神经网络模型,进而通过该神经网络模型,确定要为用户推荐的内容,达到个性化推荐的效果。
在上述实现过程中,神经网络模型在学习到用户的偏好后,会一直基于用户的偏好推荐相似的内容,而用户在使用一段时间后,可能会对推荐的内容产生审美疲劳,但神经网络模型还是一直为用户推荐相似的内容,从而导致推荐效果较差,用户体验较差。
发明内容
本公开提供一种内容项推荐方法、装置、服务器及计算机可读存储介质,以提高内容项推荐的推荐效果,从而提高用户体验。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种内容项推荐方法,该方法包括:
响应于目标账号的内容项推荐请求,基于该目标账号所关联的多个存储空间中存储的账户行为数据,确定多个内容项组,该多个存储空间分别用于存储不同时间段内采集的该目标账号的账户行为数据,每个内容项组中包括至少一个内容项;
基于该多个内容项组中的内容项,确定待推荐的至少一个目标内容项;
基于该至少一个目标内容项,向该目标账号进行内容项推荐。
在一种可能的实现方式中,该基于该多个内容项组中的内容项,确定待推荐的至少一个目标内容项包括:
从该多个内容项组中,按照内容项组所对应的获取比例,分别获取相应数量的内容项,作为该至少一个目标内容项。
在一种可能的实现方式中,该从该多个内容项组中,按照内容项组所对应的获取比例,分别获取相应数量的内容项,作为该至少一个目标内容项之前,该方法还包括:
基于该多个存储空间所对应的时间段与系统时间的时间间隔,确定该多个内容项组对应的获取比例,其中,该时间间隔与该获取比例成负相关关系。
在一种可能的实现方式中,该基于该目标账号所关联的多个存储空间中存储的账户行为数据,确定多个内容项组包括:
将多个内容项分别输入多个内容项推荐模型,输出满足第一预设条件的多个内容项组,该多个内容项推荐模型分别基于该多个存储空间中存储的账户行为数据训练得到。
在一种可能的实现方式中,该多个内容项推荐模型中任一内容项推荐模型的训练过程包括:
获取该内容项推荐模型对应存储空间中存储的账户行为数据,作为样本账户行为数据,该样本账户行为数据包括内容项以及内容项发生的历史互动操作;
通过初始内容项推荐模型,预测该样本账户行为数据对应的内容项的目标分值,该目标分值用于表示对该样本账户行为数据对应的内容项发生互动操作的概率;
基于该样本账户行为数据对应的内容项的目标分值,以及对该样本账户行为数据对应的内容项发生的历史互动操作,对该初始内容项推荐模型的参数进行调整,直至调整后的初始内容项推荐模型满足第二预设条件,将满足该第二预设条件的初始内容项推荐模型作为该内容项推荐模型。
在一种可能的实现方式中,该响应于目标账号的内容项推荐请求,基于该目标账号所关联的多个存储空间中存储的账户行为数据,确定多个内容项组之前,该方法还包括:
响应于该目标账号的兴趣重建指令,为该目标账号创建新的存储空间;
其中,该新的存储空间用于存储该目标账号在创建该新的存储空间后所产生的账户行为数据。
在一种可能的实现方式中,该兴趣重建指令携带兴趣标签,该兴趣标签用于指示该目标账号感兴趣的内容项的类型;
该响应于该目标账号的兴趣重建指令,为该目标账号创建新的存储空间之后,该方法还包括:
响应于该新的存储空间中未存储有账户行为数据,基于该兴趣标签,确定该新的存储空间对应的内容项组。
在一种可能的实现方式中,该响应于该目标账号的兴趣重建指令,为该目标账号创建新的存储空间之前,该方法还包括下述任一项:
若在第一预设时长内未接收到该目标账户的账户行为数据,则触发该兴趣重建指令;
若在第二预设时长内未接收到包括对推荐的内容项的互动操作的账户行为数据,则触发该兴趣重建指令;
若接收到该目标账号的兴趣重建请求,则触发该兴趣重建指令,该兴趣重建请求由终端根据用户在可视化界面上的操作触发。
根据本公开实施例的第二方面,提供一种内容项推荐装置,该装置包括:
第一内容项组确定单元,被配置为执行响应于目标账号的内容项推荐请求,基于该目标账号所关联的多个存储空间中存储的账户行为数据,确定多个内容项组,该多个存储空间分别用于存储不同时间段内采集的该目标账号的账户行为数据,每个内容项组中包括至少一个内容项;
内容项确定单元,被配置为执行基于该多个内容项组中的内容项,确定待推荐的至少一个目标内容项;
推荐单元,被配置为执行基于该至少一个目标内容项,向该目标账号进行内容项推荐。
在一种可能的实现方式中,该内容项确定单元,被配置为执行从该多个内容项组中,按照内容项组所对应的获取比例,分别获取相应数量的内容项,作为该至少一个目标内容项。
在一种可能的实现方式中,该装置还包括:
比例确定单元,被配置为执行基于该多个存储空间所对应的时间段与系统时间的时间间隔,确定该多个内容项组对应的获取比例,其中,该时间间隔与该获取比例成负相关关系。
在一种可能的实现方式中,该第一内容项组确定单元,被配置为执行将多个内容项分别输入多个内容项推荐模型,输出满足第一预设条件的多个内容项组,该多个内容项推荐模型分别基于该多个存储空间中存储的账户行为数据训练得到。
在一种可能的实现方式中,该多个内容项推荐模型中任一内容项推荐模型的训练过程包括:
获取该内容项推荐模型对应存储空间中存储的账户行为数据,作为样本账户行为数据,该样本账户行为数据包括内容项以及内容项发生的历史互动操作;
通过初始内容项推荐模型,预测该样本账户行为数据对应的内容项的目标分值,该目标分值用于表示对该样本账户行为数据对应的内容项发生互动操作的概率;
基于该样本账户行为数据对应的内容项的目标分值,以及对该样本账户行为数据对应的内容项发生的历史互动操作,对该初始内容项推荐模型的参数进行调整,直至调整后的初始内容项推荐模型满足第二预设条件,将满足该第二预设条件的初始内容项推荐模型作为该内容项推荐模型。
在一种可能的实现方式中,该装置还包括:
创建单元,被配置为执行响应于该目标账号的兴趣重建指令,为该目标账号创建新的存储空间;
其中,该新的存储空间用于存储该目标账号在创建该新的存储空间后所产生的账户行为数据。
在一种可能的实现方式中,该兴趣重建指令携带兴趣标签,该兴趣标签用于指示该目标账号感兴趣的内容项的类型;
该装置还包括:
第二内容项组确定单元,被配置为执行响应于该新的存储空间中未存储有账户行为数据,基于该兴趣标签,确定该新的存储空间对应的内容项组。
在一种可能的实现方式中,该装置还包括触发单元,该触发单元被配置为执行下述任一项:
若在第一预设时长内未接收到该目标账户的账户行为数据,则触发该兴趣重建指令;
若在第二预设时长内未接收到包括对推荐的内容项的互动操作的账户行为数据,则触发该兴趣重建指令;
若接收到该目标账号的兴趣重建请求,则触发该兴趣重建指令,该兴趣重建请求由终端根据用户在可视化界面上的操作触发。
根据本公开实施例的第三方面,提供一种服务器,该服务器包括:
一个或多个处理器;
用于存储该处理器可执行指令的存储器;
其中,该处理器被配置为执行该指令,以实现上述内容项推荐方法。
根据本公开实施例的第四方面,提供一种存储介质,当该存储介质中的指令由服务器的处理器执行时,使得服务器能够执行上述内容项推荐方法。
根据本公开实施例的第五方面,提供一种应用程序产品,该应用程序产品存储有一条或多条指令,该一条或多条指令可以由服务器的处理器执行,以完成上述内容项推荐方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
通过响应于目标账号的内容项推荐请求,基于目标账号所关联的多个存储空间中存储的账户行为数据,确定多个内容项组,多个存储空间中分别存储着不同时间段内采集的目标账号的账户行为数据,这样确定出来的多个内容项组中,包括基于不同时期的账户行为数据预测得到的内容项,进而基于多个内容项组中的内容项,确定待推荐的至少一个目标内容项,基于至少一个目标内容项,向目标账号进行内容项推荐,可以结合用户以不同时期的偏好,为用户进行推荐,使得推荐的内容项能更全面的覆盖用户的偏好,提高推荐效果,从而提高用户体验。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种内容项推荐方法的实施环境示意图;
图2是根据一示例性实施例示出的一种内容项推荐方法的流程图;
图3是根据一示例性实施例示出的一种内容项推荐方法的流程图;
图4是根据一示例性实施例示出的一种推荐系统的示意图;
图5是根据一示例性实施例示出的一种推荐系统的示意图;
图6是根据一示例性实施例示出的一种组合世界的示意图;
图7是根据一示例性实施例示出的一种内容项推荐装置的框图;
图8是根据一示例性实施例示出的一种服务器800的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开所涉及的用户信息可以为经用户授权或者经过各方充分授权的信息。
图1是根据一示例性实施例示出的一种内容项推荐方法的实施环境示意图,参见图1,该实施环境具体包括:终端101和服务器102。
终端101可以为智能手机、智能手表、平板电脑、MP3播放器(Moving PictureExperts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPicture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式电脑等设备中的至少一种。终端101上可以安装并运行有各类应用程序,如影音播放类应用程序、新闻资讯类应用程序、图书阅读类应用程序、浏览器类应用程序等,用户可以通过终端101来实现视频观看、新闻资讯浏览、图书阅读等各种功能。终端101可以通过有线网络或无线网络与服务器102相连,终端101可以接收服务器102推荐的内容项,并在可视化界面上对推荐的内容项进行显示,以便用户进行查看。终端101还可以获取用户对各个内容项的互动操作,以得到账户行为数据,进而将账户行为数据发送给服务器102。
终端101可以泛指多个终端中的一个,本实施例仅以终端101来举例说明。本领域技术人员可以知晓,上述终端的数量可以更多或更少。比如上述终端可以仅为几个,或者上述终端为几十个或几百个,或者更多数量,本公开实施例对终端的数量和设备类型均不加以限定。
服务器102可以为一台服务器、多台服务器、云计算平台和虚拟化中心中的至少一种。服务器102可以维护有一个账户行为数据库,用于对账户行为数据进行存储,并基于存储的账户行为信息,为用户推荐内容项。服务器102可以通过有线网络或无线网络与终端101相连,以便向终端101发送推荐的内容项,并接收终端101发送的账户行为数据,进而将接收到的账户行为数据存储至账户行为数据库。可选地,上述服务器的数量可以更多或更少,本公开实施例对此不加以限定。当然,服务器101还可以包括其他功能服务器,以便提供更全面且多样化的服务。
图2是根据一示例性实施例示出的一种内容项推荐方法的流程图,参见图2,应用于服务器,具体步骤包括:
在步骤S201中,响应于目标账号的内容项推荐请求,基于该目标账号所关联的多个存储空间中存储的账户行为数据,确定多个内容项组,该多个存储空间分别用于存储不同时间段内采集的该目标账号的账户行为数据,每个内容项组中包括至少一个内容项。
在步骤S202中,基于该多个内容项组中的内容项,确定待推荐的至少一个目标内容项。
在步骤S203中,基于该至少一个目标内容项,向该目标账号进行内容项推荐。
本公开实施例提供的方案,通过基于目标账号所关联的多个存储空间中存储的账户行为数据,确定多个内容项组,多个存储空间中分别存储着不同时间段内采集的目标账号的账户行为数据,这样确定出来的多个内容项组中,包括基于不同时期的账户行为数据预测得到的内容项,进而基于多个内容项组中的内容项,确定待推荐的至少一个目标内容项,来向目标账号进行内容项推荐,可以结合用户以不同时期的偏好,为用户进行推荐,使得推荐的内容项能更全面的覆盖用户的偏好,提高推荐效果,从而提高用户体验。
在一种可能的实现方式中,该基于该多个内容项组中的内容项,确定待推荐的至少一个目标内容项包括:
从该多个内容项组中,按照内容项组所对应的获取比例,分别获取相应数量的内容项,作为该至少一个目标内容项。
在一种可能的实现方式中,该从该多个内容项组中,按照内容项组所对应的获取比例,分别获取相应数量的内容项,作为该至少一个目标内容项之前,该方法还包括:
基于该多个存储空间所对应的时间段与系统时间的时间间隔,确定该多个内容项组对应的获取比例,其中,该时间间隔与该获取比例成负相关关系。
在一种可能的实现方式中,该基于该目标账号所关联的多个存储空间中存储的账户行为数据,确定多个内容项组包括:
将多个内容项分别输入多个内容项推荐模型,输出满足第一预设条件的多个内容项组,该多个内容项推荐模型分别基于该多个存储空间中存储的账户行为数据训练得到。
在一种可能的实现方式中,该多个内容项推荐模型中任一内容项推荐模型的训练过程包括:
获取该内容项推荐模型对应存储空间中存储的账户行为数据,作为样本账户行为数据,该样本账户行为数据包括内容项以及内容项发生的历史互动操作;
通过初始内容项推荐模型,预测该样本账户行为数据对应的内容项的目标分值,该目标分值用于表示对该样本账户行为数据对应的内容项发生互动操作的概率;
基于该样本账户行为数据对应的内容项的目标分值,以及对该样本账户行为数据对应的内容项发生的历史互动操作,对该初始内容项推荐模型的参数进行调整,直至调整后的初始内容项推荐模型满足第二预设条件,将满足该第二预设条件的初始内容项推荐模型作为该内容项推荐模型。
在一种可能的实现方式中,该响应于目标账号的内容项推荐请求,基于该目标账号所关联的多个存储空间中存储的账户行为数据,确定多个内容项组之前,该方法还包括:
响应于该目标账号的兴趣重建指令,为该目标账号创建新的存储空间;
其中,该新的存储空间用于存储该目标账号在创建该新的存储空间后所产生的账户行为数据。
在一种可能的实现方式中,该兴趣重建指令携带兴趣标签,该兴趣标签用于指示该目标账号感兴趣的内容项的类型;
该响应于该目标账号的兴趣重建指令,为该目标账号创建新的存储空间之后,该方法还包括:
响应于该新的存储空间中未存储有账户行为数据,基于该兴趣标签,确定该新的存储空间对应的内容项组。
在一种可能的实现方式中,该响应于该目标账号的兴趣重建指令,为该目标账号创建新的存储空间之前,该方法还包括下述任一项:
若在第一预设时长内未接收到该目标账户的账户行为数据,则触发该兴趣重建指令;
若在第二预设时长内未接收到包括对推荐的内容项的互动操作的账户行为数据,则触发该兴趣重建指令;
若接收到该目标账号的兴趣重建请求,则触发该兴趣重建指令,该兴趣重建请求由终端根据用户在可视化界面上的操作触发。
图3是根据一示例性实施例示出的一种内容项推荐方法的流程图,参见图3,具体步骤包括:
在步骤S301中,服务器响应于目标账号的内容项推荐请求,基于该目标账号所关联的多个存储空间中存储的账户行为数据,确定多个内容项组,该多个存储空间分别用于存储不同时间段内采集的该目标账号的账户行为数据,每个内容项组中包括至少一个内容项。
其中,内容项可以为视频、文章等,本公开实施例对此不加以限定。该账户行为数据可以包括多个内容项以及用户对各个内容项的互动操作数据,该互动操作可以包括点击、关注、点赞、评论等多种类型的操作,本公开实施例对此不加以限定。
在本公开实施例中,同一个账号可以同时关联有多个存储空间,用于存储不同时间段内该账号的账户行为数据。服务器还可以根据用户的操作,对各个存储空间进行切换,则服务器会将切换操作后产生的账户行为数据存储至被切换到的存储空间中,因而各个存储空间中存储的账户行为数据对应的时间段,为切换到该存储空间开始到切换到另外的存储空间为止的这段时间。服务器可以基于用户的操作,在各个存储空间中来回进行切换,因而各个存储空间中存储的账户行为数据对应的时间段可以是不连续的。以第一个存储空间以及第一个存储空间以外的任一个存储空间的创建过程为例来进行介绍:
对于账号所关联的第一个存储空间,可以是在用户注册时创建。例如,用户首次使用终端上安装的应用程序时,终端的可视化界面上可以设置有“注册”按钮,用户可以触发该“注册”按钮,来注册账号,终端可以响应于用户的触发操作,生成兴趣创建指令,并将该兴趣创建指令发送给服务器,服务器可以响应于目标账号的兴趣创建指令,为目标账号创建一个存储空间,记为世界1,该存储空间用于存储目标账号在创建该存储空间后所产生的账户行为数据,以便服务器可以基于目标账号的账户行为数据学习用户的偏好,来为用户推荐内容项。
对于账号所关联的第一个存储空间以外的任一个存储空间,可以基于用户的操作来创建。例如,终端的可视化界面上可以设置有“新建世界”按钮,如果经过一段时间后,用户对推荐的内容项已经不再感兴趣,则用户可以触发该“新建世界”按钮,终端可以响应于用户的触发操作,生成兴趣重建请求,并将该兴趣重建请求发送给服务器,若服务器接收到该目标账号的兴趣重建请求,则服务器可以触发目标账号的兴趣重建指令,为目标账号创建新的存储空间,记为世界i,i为大于1的整数,该新的存储空间用于存储该目标账号在创建该新的存储空间后所产生的账户行为数据,以便服务器可以从零开始,重新存储目标账号的账户行为数据,这种从零开始重新存储数据的过程可以称作冷启动过程,进而服务可以基于新的账户行为数据,重新学习用户的偏好,来为用户推荐内容项。例如,服务器可以响应于兴趣重建指令,为目标账号创建世界2、世界3、…、世界n等多个存储空间,以便存储更多时段内目标账户的账户行为数据,世界1、世界2、…、世界n可以统称为一个推荐系统,本公开实施例对创建的存储空间的数量不加以限定。其中,n可以为大于0的任意整数值,本公开实施例对n的取值不加以限定。通过为目标账号创建多个存储空间,可以在不同的存储空间中对不同时间段的账户行为数据进行存储,以便基于不同存储空间中存储的账户行为数据来为用户推荐内容项。
需要说明的是,用户在通过终端对已创建的各个存储空间进行切换时,终端可以响应于用户的切换操作,生成切换指令,并将该切换指令发送给服务器,服务器可以响应于该切换指令,将用户在进行切换操作之后产生的账户行为数据存储至用户选择的存储空间。例如,对于已创建的世界1和世界2,用户可以在世界1和世界2之间进行切换。用户在创建世界2时,服务器会将用户创建世界2后产生的账户行为数据存储至世界2,如果用户通过终端从世界2切换到世界1,则服务器会将用户切换到世界1之后产生的账户行为数据存储至世界1,则世界2中存储的是创建世界2之后到切换到世界1之前的账户行为数据,而世界1中存储的是创建世界1之后到创建世界2之前的账户行为数据,以及切换到世界1之后的账户行为数据。通过用户对存储空间进行切换,服务器可以将切换后产生的账户行为数据存储至用户选择的存储空间,增加与用户之间的交互,提高用户体验。
需要说明的是,该兴趣重建指令除可以基于用户在可视化界面上触发的兴趣重建请求触发得到,还可以由服务器自行触发得到。例如,若在第一预设时长内未接收到该目标账户的账户行为数据,则触发该兴趣重建指令,若在第二预设时长内未接收到包括对推荐的内容项的互动操作的账户行为数据,则触发该兴趣重建指令。该第一预设时长和该第二预设时长均可以为任意取值,本公开实施例对此不加以限定。
其中,世界1、世界2、…、世界n仅为一种示例性的命名方式,在更多可能的实现方式中,用户可以自行对创建的存储空间进行命名。例如,用户在触发“新建世界”按钮后,终端可以响应于用户的触发操作,对存储空间命名界面进行显示,该存储空间命名界面包括输入框,用户可以在输入框中输入自己想要的名称,终端可以响应于用户的输入操作,获取用户输入的名称,进而将该名称作为新的存储空间的名称,本公开实施例对采用哪种方式对存储空间进行命名不加以限定。
需要说明的是,用户可以在冷启动的过程中有更多的参与,例如在触发“注册”按钮或“新建世界”按钮后,终端可以在可视化界面中显示几个兴趣标签,如美食、明星、时政、美妆、服饰等,用户可以从中选择自己感兴趣的标签,作为目标账号的兴趣标签,该兴趣创建指令可以携带目标账号的兴趣标签,该兴趣标签用于指示该目标账号感兴趣的内容项的类型。在更多可能的实现方式中,还可以采用其他方式来获取目标账号的兴趣标签。例如,终端还可以在可视化界面中显示几个不同类型的内容项,用户可以从中选择自己感兴趣的内容项,终端可以基于用于选择的内容项,确定目标账号的兴趣标签。可选地,终端还可以直接将用户选择的内容项发送给服务器,由服务器基于接收到的内容项确定用户的兴趣标签,本公开实施例对具体采用哪种方式不加以限定。通过设置兴趣标签,可以使服务器更快了解到用户的偏好,以便在还未存储有账户行为数据时,基于兴趣标签为用户推荐目标内容项,避免随机推荐的内容项不符合用户的偏好,提高推荐效果。
需要说明的是,在基于各个存储空间中存储的账户行为数据进行推荐时,可以将各个存储空间中存储的账户行为数据作为训练数据,并从训练数据中学习到用户的偏好,以便基于用户的偏好来进行推荐。以仅包括世界1的推荐系统为例,参见图4,图4是根据一示例性实施例示出的一种推荐系统的示意图,世界1可以将账户行为数据作为训练数据来学习用户偏好进而基于用户的偏好,向用户推荐用户可能感兴趣的内容项,实现个性化推荐。以包括多个世界的推荐系统为例,参见图5,图5是根据一示例性实施例示出的一种推荐系统的示意图,该推荐系统包括世界1、世界2、…、世界n多个世界,世界1可以将账户行为数据作为训练数据来学习用户偏好,进而基于用户的偏好,向用户推荐用户可能感兴趣的内容项,实现个性化推荐,世界2至世界n均可以从零开始存储用户新的账户行为数据,将新的账户行为数据作为训练数据来学习用户偏好,进而基于用户的偏好,向用户推荐用户可能感兴趣的内容项,实现个性化推荐。具体地,可以将各个存储空间中存储的账户行为数据作为训练数据,来对多个初始内容项推荐模型进行训练,得到多个内容项推荐模型,进而通过该多个内容项推荐模型来为用户推荐内容项。
在一种可能的实现方式中,服务器将多个内容项分别输入多个内容项推荐模型,输出满足第一预设条件的多个内容项组,该多个内容项推荐模型分别基于该多个存储空间中存储的账户行为数据训练得到。例如,服务器可以将多个内容项输入基于世界1中存储的账户行为数据训练得到的内容项推荐模型,输出满足第一预设条件的内容项组,该内容项组中包括至少一个内容项,服务器还可以将这多个内容项输入基于世界2中存储的账户行为数据训练得到的内容项推荐模型,输出满足第一预设条件的内容项组,以此类推,还可以将这多个内容项输入基于世界3、世界4、…、世界n中存储的账户行为数据训练得到的内容项推荐模型,从而得到多个内容项组,每个内容项组中都包括至少一个内容项。
其中,该第一预设条件可以为基于内容项推荐模型预测得到的目标分值大于预设阈值,该预设阈值可以为任意取值,本公开实施例对此不加以限定。可选地,该第一预设条件还可以为基于内容项推荐模型预测得到的目标分值排序在目标位置之前,本公开实施例对具体采用哪种第一预设条件不加以限定。
需要说明的是,该多个内容项推荐模型中任一内容项推荐模型的训练过程可以如下:获取该内容项推荐模型对应存储空间中存储的账户行为数据,作为样本账户行为数据,该样本账户行为数据包括内容项以及内容项发生的历史互动操作,通过初始内容项推荐模型,预测该样本账户行为数据对应的内容项的目标分值,该目标分值用于表示对该样本账户行为数据对应的内容项发生互动操作的概率,基于该样本账户行为数据对应的内容项的目标分值,以及对该样本账户行为数据对应的内容项发生的历史互动操作,对该初始内容项推荐模型的参数进行调整,直至调整后的初始内容项推荐模型满足第二预设条件,将满足该第二预设条件的初始内容项推荐模型作为该内容项推荐模型。
其中,在通过初始内容项推荐模型,预测该样本账户行为数据对应的内容项的目标分值时,可以将该样本账户行为数据对应的内容项输入初始数据推荐模型的输入层,输出该内容项的特征数据,将该特征数据输入该初始数据推荐模型的隐层,输出该特征数据对应的偏好程度数据,将该偏好程度数据输入该初始数据推荐模型的输出层,输出该内容项的目标分值。该第二预设条件可以为预测结果的准确性满足迭代截止条件,还可以为损失函数值满足迭代截止条件,还可以为迭代次数达到预设次数,本公开实施例对具体采用哪种条件作为第二预设条件不加以限定。
需要说明的是,对于新创建的、还未存储有账户行为数据的存储空间,服务器可以响应于该新的存储空间中未存储有账户行为数据,基于该兴趣标签,确定该新的存储空间对应的内容项组。通过基于兴趣标签为用户推荐目标内容项,可以避免随机推荐的内容项不符合用户的偏好,保证推荐的内容比较符合用户的偏好,提高推荐效果。
在步骤S302中,服务器基于该多个存储空间所对应的时间段与系统时间的时间间隔,确定该多个内容项组对应的获取比例,其中,该时间间隔与该获取比例成负相关关系。
需要说明的是,该时间间隔与该获取比例成负相关关系,也即是存储空间所对应的时间段与系统时间的时间间隔越长,则基于该存储空间中的账户行为数据确定出的内容项组对应的获取比例越小。例如,世界1创建时间最早,则世界1对应的时间段与系统时间的时间间隔最长,则基于世界1中的账户行为数据确定出的内容项组对应的获取比例最小,而世界2创建时间稍晚,则世界1对应的时间段与系统时间的时间间隔较短,则基于世界2中的账户行为数据确定出的内容项组对应的获取比例较大,以此类推,基于世界n中的账户行为数据确定出的内容项组对应的获取比例最大。
通过基于时间间隔与获取比例的负相关关系,来确定各个内容项组的获取比例,可以将存储着较新的账户行为数据的存储空间对应的内容项组的获取比例设置为较大值,以便推荐的内容项中基于新的账户行为预测出的用户可能感兴趣的内容项较多,更加符合用户当前的偏好,从而提高推荐效果,提高用户体验。
在更多可能的实现方式中,服务器还可以基于根据用户在各个存储空间的停留时长、各个存储空间存储的账户行为数据的数据量等,来确定该多个内容项组对应的获取比例,本公开实施例对基于什么内容确定各个内容项组的获取比例不加以限定。其中,用户在各个存储空间的停留时长、各个存储空间存储的账户行为数据的数据量均与该获取比例成正相关关系。
需要说明的是,服务器可以将所有的存储空间构建成组合存储空间,进而基于该组合存储空间中各个存储空间所对应的时间段与系统时间的时间间隔,确定该多个内容项组对应的获取比例。可选地,服务器还可以基于用户的选择,从多个存储空间中选择几个存储空间,基于这几个存储空间来构建组合存储空间,本公开实施例对采用哪种方式来进行组合存储空间的构建不加以限定。例如,用户可以在终端上对各个世界进行选择,服务器可以基于用户选择的世界,来构建组合世界,无需将所有的世界作为组合世界的组成部分,进而基于该组合世界中各个世界所对应的时间段与系统时间的时间间隔,确定该多个内容项组对应的获取比例。可选地,用户还可以直接创建一个组合存储空间,则服务器可以直接将该组合存储空间中各个存储空间对应的内容项组的获取比例设置为相同值,本公开实施例对此不加以限定。
需要说明的是,上述步骤S302仅为一种可选的实施方案,在更多可能的实现方式中,服务器还可以预先为各个存储空间对应的内容项组设置有固定的获取比例,进而可以通过下述步骤S303,按照预先设置好的获取比例,从多个内容项组中获取相应数量的内容项。可选地,还可以由用户通过终端对组合存储空间中各个存储空间对应的内容项组的获取比例进行设置,终端可以将用户设置的获取比例发送给服务器,以便服务器基于用户设置的获取比例进行内容项的获取,本公开实施例对具体采用哪种方式确定获取比例不加以限定。例如,参见图6,图6是根据一示例性实施例示出的一种组合世界的示意图,用户可以在终端上对世界1和世界2进行选择,并将世界1对应的内容项组的获取比例设置为20%,将世界2对应的内容项组的获取比例设置为80%,则服务器可以基于用户的选择及设置,将世界1和世界2作为新构建的组合世界1,进而服务器可以将基于世界1中的账户行为数据确定出的内容项组的获取比例设置为20%,将基于世界2中的账户行为数据确定出的内容项组的获取比例设置为80%,以便后续基于对应的获取比例,来进行目标内容项的确定。
其中,用户在进行获取比例的设置时,可以将某一个存储空间对应的内容项组的获取比例设置为100%,将其余的存储空间的获取比例设置为0,则可以从多个存储空间中选择一个存储空间,仅基于被选中的存储空间中存储的账户行为数据,来为用户进行推荐。可选地,用户还可以仅选择一个存储空间,则无需对该存储空间的获取比例进行设置,当用户仅选择了一个存储空间时,服务器默认该存储空间的获取比例为100%。在用户仅选择了一个存储空间时,服务器直接将该存储空间的获取比例设置为100%,无需用户手动进行设置,可以简化用户的操作,提高用户体验。
在步骤S303中,服务器从该多个内容项组中,按照内容项组所对应的获取比例,分别获取相应数量的内容项,作为该至少一个目标内容项。
例如,对于仅关联有两个存储空间的目标账号,基于世界1中的账户行为数据确定出的内容项组的获取比例为20%,基于世界2中的账户行为数据确定出的内容项组的获取比例为80%,则服务器可以从基于世界1中的账户行为数据确定出的内容项组中,获取全部内容项的20%,从基于世界2中的账户行为数据确定出的内容项组中,获取全部内容项的80%,作为要推荐给用户的至少一个目标内容项。
通过从与系统时间的时间间隔较小的存储空间对应的内容项组中,获取较多的内容项,而从与系统时间的时间间隔较大的存储空间对应的内容项组中,获取较少的内容项,可以保证推荐的内容项中基于新的账户行为预测出的用户可能感兴趣的内容项较多,更加符合用户当前的偏好,而且还包括基于用户较早时间的偏好预测得到的内容项,从而可以更加全面地覆盖用户的偏好,提高推荐效果,进而提高用户体验。
需要说明的是,若用户在上述步骤S302中将某一个存储空间对应的内容项组的获取比例设置为100%,则服务器可以直接将该获取比例为100%的内容项组中的内容项,确定为该至少一个目标内容项。
在步骤S304中,服务器基于该至少一个目标内容项,向该目标账号进行内容项推荐。
其中,在向目标账号进行内容推荐时,服务器可以按照各个目标内容项对应的目标分值,按照目标分值从大到小的顺序,对至少一个目标内容项进行排序,进而按照排序结果向目标账号进行内容推荐,优先推荐目标分值较高的目标内容项。通过对目标分值较高,也即是,用户感兴趣可能性较高的目标内容项优先进行推荐,以便用户可以优先看到这些目标内容项,提高推荐效果,进而提高用户体验。可选地,还可以采用其他方式来对目标内容项进行排序,本公开实施例对此不加以限定。
需要说明的是,服务器可以将该至少一个目标内容项发送给终端,通过终端对该至少一个目标内容项进行展示,以实现对目标账号对应的用户的推荐。
需要说明的是,服务器在向目标账号进行内容项推荐后,终端可以获取各个内容项对应的账户行为数据,并将该账户行为数据发送给服务器进行存储。在对账户行为数据进行存储时,服务器可以根据各个目标内容项所对应的内容项组,将各个目标内容项对应的账户行为数据存储至对应的存储空间,还可以由服务器将各个目标内容项对应的账户行为数据存储至所有的存储空间。例如,服务器在基于世界1和世界2进行内容项推荐后,可以将来自世界1的目标内容项对应的账户行为数据存储至世界1,将来自世界2的目标内容项对应的账户行为数据存储至世界2,还可以由服务器将索引目标内容项对应的账户行为数据均存储至世界1和世界2,本公开实施例对具体采用哪种方式不加以限定。
本公开实施例提供的方案,通过基于目标账号所关联的多个存储空间中存储的账户行为数据,确定多个内容项组,多个存储空间中分别存储着不同时间段内采集的目标账号的账户行为数据,这样确定出来的多个内容项组中,包括基于不同时期的账户行为数据预测得到的内容项,进而基于多个内容项组中的内容项,确定待推荐的至少一个目标内容项,来向目标账号进行内容项推荐,可以结合用户以不同时期的偏好,为用户进行推荐,使得推荐的内容项能更全面的覆盖用户的偏好,提高推荐效果,从而提高用户体验。用户可以根据自己的意愿,来创建新的存储空间,从而可以保证用户能够以更加主动的方式与推荐系统进行交互,在用户对推荐的内容不感兴趣时,即可以创建新的存储空间,以便推荐系统可以更快地适应用户的兴趣变化,进而提高推荐效果,提高用户满意度。
图7是根据一示例性实施例示出的一种内容项推荐装置的框图,参见图7,该装置包括:
第一内容项组确定单元701,被配置为执行响应于目标账号的内容项推荐请求,基于该目标账号所关联的多个存储空间中存储的账户行为数据,确定多个内容项组,该多个存储空间分别用于存储不同时间段内采集的该目标账号的账户行为数据,每个内容项组中包括至少一个内容项;
内容项确定单元702,被配置为执行基于该多个内容项组中的内容项,确定待推荐的至少一个目标内容项;
推荐单元703,被配置为执行基于该至少一个目标内容项,向该目标账号进行内容项推荐。
本公开实施例提供的装置,通过基于目标账号所关联的多个存储空间中存储的账户行为数据,确定多个内容项组,多个存储空间中分别存储着不同时间段内采集的目标账号的账户行为数据,这样确定出来的多个内容项组中,包括基于不同时期的账户行为数据预测得到的内容项,进而基于多个内容项组中的内容项,确定待推荐的至少一个目标内容项,来向目标账号进行内容项推荐,可以结合用户以不同时期的偏好,为用户进行推荐,使得推荐的内容项能更全面的覆盖用户的偏好,提高推荐效果,从而提高用户体验。
在一种可能的实现方式中,该内容项确定单元702,被配置为执行从该多个内容项组中,按照内容项组所对应的获取比例,分别获取相应数量的内容项,作为该至少一个目标内容项。
在一种可能的实现方式中,该装置还包括:
比例确定单元,被配置为执行基于该多个存储空间所对应的时间段与系统时间的时间间隔,确定该多个内容项组对应的获取比例,其中,该时间间隔与该获取比例成负相关关系。
在一种可能的实现方式中,该第一内容项组确定单元701,被配置为执行将多个内容项分别输入多个内容项推荐模型,输出满足第一预设条件的多个内容项组,该多个内容项推荐模型分别基于该多个存储空间中存储的账户行为数据训练得到。
在一种可能的实现方式中,该多个内容项推荐模型中任一内容项推荐模型的训练过程包括:
获取该内容项推荐模型对应存储空间中存储的账户行为数据,作为样本账户行为数据,该样本账户行为数据包括内容项以及内容项发生的历史互动操作;
通过初始内容项推荐模型,预测该样本账户行为数据对应的内容项的目标分值,该目标分值用于表示对该样本账户行为数据对应的内容项发生互动操作的概率;
基于该样本账户行为数据对应的内容项的目标分值,以及对该样本账户行为数据对应的内容项发生的历史互动操作,对该初始内容项推荐模型的参数进行调整,直至调整后的初始内容项推荐模型满足第二预设条件,将满足该第二预设条件的初始内容项推荐模型作为该内容项推荐模型。
在一种可能的实现方式中,该装置还包括:
创建单元,被配置为执行响应于该目标账号的兴趣重建指令,为该目标账号创建新的存储空间;
其中,该新的存储空间用于存储该目标账号在创建该新的存储空间后所产生的账户行为数据。
在一种可能的实现方式中,该兴趣重建指令携带兴趣标签,该兴趣标签用于指示该目标账号感兴趣的内容项的类型;
该装置还包括:
第二内容项组确定单元,被配置为执行响应于该新的存储空间中未存储有账户行为数据,基于该兴趣标签,确定该新的存储空间对应的内容项组。
在一种可能的实现方式中,该装置还包括触发单元,该触发单元被配置为执行下述任一项:
若在第一预设时长内未接收到该目标账户的账户行为数据,则触发该兴趣重建指令;
若在第二预设时长内未接收到包括对推荐的内容项的互动操作的账户行为数据,则触发该兴趣重建指令;
若接收到该目标账号的兴趣重建请求,则触发该兴趣重建指令,该兴趣重建请求由终端根据用户在可视化界面上的操作触发。
图8是根据一示例性实施例示出的一种服务器800的框图,该服务器800可因配置或性能不同而产生比较大的差异,可以包括一个或多个处理器(Central ProcessingUnits,CPU)801和一个或多个的存储器802,其中,该一个或多个存储器802中存储有至少一条程序代码,该至少一条程序代码由该一个或多个处理器801加载并执行以实现上述各个方法实施例提供的方法。当然,该服务器800还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器800还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种包括指令的存储介质,例如包括指令的存储器802,上述指令可由服务器800的处理器801执行以完成上述方法。可选地,存储介质可以是非临时性计算机可读存储介质,例如,该非临时性计算机可读存储介质可以是只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种计算机程序产品,包括一条或多条指令,该一条或多条指令可以由服务器的处理器801执行,以完成上述实施例中提供的内容项推荐方法的方法步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (16)
1.一种内容项推荐方法,其特征在于,所述方法包括:
响应于目标账号的内容项推荐请求,基于所述目标账号所关联的多个存储空间中存储的账户行为数据,确定多个内容项组,所述多个存储空间中的每个存储空间用于存储所述目标账号在创建所述存储空间之后到创建下一个新的存储空间之前的时间段内采集的所述目标账号的账户行为数据,以及从切换到所述存储空间开始到切换到另外的存储空间为止的时间段内采集的所述目标账号的账户行为数据,每个内容项组中包括至少一个内容项;
从所述多个内容项组中,按照内容项组所对应的获取比例,分别获取相应数量的内容项,作为待推荐的至少一个目标内容项,所述获取比例由用户设置;
基于所述至少一个目标内容项,向所述目标账号进行内容项推荐;
所述方法还包括:
响应于用户的切换操作,将用户执行所述切换操作之后产生的账户行为数据存储至用户选择的存储空间。
2.根据权利要求1所述的内容项推荐方法,其特征在于,所述从所述多个内容项组中,按照内容项组所对应的获取比例,分别获取相应数量的内容项,作为待推荐的至少一个目标内容项之前,所述方法还包括:
基于所述多个存储空间所对应的时间段与系统时间的时间间隔,确定所述多个内容项组对应的获取比例,其中,所述时间间隔与所述获取比例成负相关关系。
3.根据权利要求1所述的内容项推荐方法,其特征在于,所述基于所述目标账号所关联的多个存储空间中存储的账户行为数据,确定多个内容项组包括:
将多个内容项分别输入多个内容项推荐模型,输出满足第一预设条件的多个内容项组,所述多个内容项推荐模型分别基于所述多个存储空间中存储的账户行为数据训练得到。
4.根据权利要求3所述的内容项推荐方法,其特征在于,所述多个内容项推荐模型中任一内容项推荐模型的训练过程包括:
获取所述内容项推荐模型对应存储空间中存储的账户行为数据,作为样本账户行为数据,所述样本账户行为数据包括内容项以及内容项发生的历史互动操作;
通过初始内容项推荐模型,预测所述样本账户行为数据对应的内容项的目标分值,所述目标分值用于表示对所述样本账户行为数据对应的内容项发生互动操作的概率;
基于所述样本账户行为数据对应的内容项的目标分值,以及对所述样本账户行为数据对应的内容项发生的历史互动操作,对所述初始内容项推荐模型的参数进行调整,直至调整后的初始内容项推荐模型满足第二预设条件,将满足所述第二预设条件的初始内容项推荐模型作为所述内容项推荐模型。
5.根据权利要求1所述的内容项推荐方法,其特征在于,所述响应于目标账号的内容项推荐请求,基于所述目标账号所关联的多个存储空间中存储的账户行为数据,确定多个内容项组之前,所述方法还包括:
响应于所述目标账号的兴趣重建指令,为所述目标账号创建新的存储空间;
其中,所述新的存储空间用于存储所述目标账号在创建所述新的存储空间后所产生的账户行为数据。
6.根据权利要求5所述的内容项推荐方法,其特征在于,所述兴趣重建指令携带兴趣标签,所述兴趣标签用于指示所述目标账号感兴趣的内容项的类型;
所述响应于所述目标账号的兴趣重建指令,为所述目标账号创建新的存储空间之后,所述方法还包括:
响应于所述新的存储空间中未存储有账户行为数据,基于所述兴趣标签,确定所述新的存储空间对应的内容项组。
7.根据权利要求5所述的内容项推荐方法,其特征在于,所述响应于所述目标账号的兴趣重建指令,为所述目标账号创建新的存储空间之前,所述方法还包括下述任一项:
若在第一预设时长内未接收到所述目标账号的账户行为数据,则触发所述兴趣重建指令;
若在第二预设时长内未接收到包括对推荐的内容项的互动操作的账户行为数据,则触发所述兴趣重建指令;
若接收到所述目标账号的兴趣重建请求,则触发所述兴趣重建指令,所述兴趣重建请求由终端根据用户在可视化界面上的操作触发。
8.一种内容项推荐装置,其特征在于,所述装置包括:
第一内容项组确定单元,被配置为执行响应于目标账号的内容项推荐请求,基于所述目标账号所关联的多个存储空间中存储的账户行为数据,确定多个内容项组,所述多个存储空间中的每个存储空间用于存储所述目标账号在创建所述存储空间之后到创建下一个新的存储空间之前的时间段内采集的所述目标账号的账户行为数据,以及从切换到所述存储空间开始到切换到另外的存储空间为止的时间段内采集的所述目标账号的账户行为数据,每个内容项组中包括至少一个内容项;
内容项确定单元,被配置为执行从所述多个内容项组中,按照内容项组所对应的获取比例,分别获取相应数量的内容项,作为待推荐的至少一个目标内容项,所述获取比例由用户设置;
推荐单元,被配置为执行基于所述至少一个目标内容项,向所述目标账号进行内容项推荐;
所述装置还包括用于执行以下步骤的模块:
响应于用户的切换操作,将用户执行所述切换操作之后产生的账户行为数据存储至用户选择的存储空间。
9.根据权利要求8所述的内容项推荐装置,其特征在于,所述装置还包括:
比例确定单元,被配置为执行基于所述多个存储空间所对应的时间段与系统时间的时间间隔,确定所述多个内容项组对应的获取比例,其中,所述时间间隔与所述获取比例成负相关关系。
10.根据权利要求8所述的内容项推荐装置,其特征在于,所述第一内容项组确定单元,被配置为执行将多个内容项分别输入多个内容项推荐模型,输出满足第一预设条件的多个内容项组,所述多个内容项推荐模型分别基于所述多个存储空间中存储的账户行为数据训练得到。
11.根据权利要求10所述的内容项推荐装置,其特征在于,所述多个内容项推荐模型中任一内容项推荐模型的训练过程包括:
获取所述内容项推荐模型对应存储空间中存储的账户行为数据,作为样本账户行为数据,所述样本账户行为数据包括内容项以及内容项发生的历史互动操作;
通过初始内容项推荐模型,预测所述样本账户行为数据对应的内容项的目标分值,所述目标分值用于表示对所述样本账户行为数据对应的内容项发生互动操作的概率;
基于所述样本账户行为数据对应的内容项的目标分值,以及对所述样本账户行为数据对应的内容项发生的历史互动操作,对所述初始内容项推荐模型的参数进行调整,直至调整后的初始内容项推荐模型满足第二预设条件,将满足所述第二预设条件的初始内容项推荐模型作为所述内容项推荐模型。
12.根据权利要求8所述的内容项推荐装置,其特征在于,所述装置还包括:
创建单元,被配置为执行响应于所述目标账号的兴趣重建指令,为所述目标账号创建新的存储空间;
其中,所述新的存储空间用于存储所述目标账号在创建所述新的存储空间后所产生的账户行为数据。
13.根据权利要求12所述的内容项推荐装置,其特征在于,所述兴趣重建指令携带兴趣标签,所述兴趣标签用于指示所述目标账号感兴趣的内容项的类型;
所述装置还包括:
第二内容项组确定单元,被配置为执行响应于所述新的存储空间中未存储有账户行为数据,基于所述兴趣标签,确定所述新的存储空间对应的内容项组。
14.根据权利要求12所述的内容项推荐装置,其特征在于,所述装置还包括触发单元,所述触发单元被配置为执行下述任一项:
若在第一预设时长内未接收到所述目标账号的账户行为数据,则触发所述兴趣重建指令;
若在第二预设时长内未接收到包括对推荐的内容项的互动操作的账户行为数据,则触发所述兴趣重建指令;
若接收到所述目标账号的兴趣重建请求,则触发所述兴趣重建指令,所述兴趣重建请求由终端根据用户在可视化界面上的操作触发。
15.一种服务器,其特征在于,所述服务器包括:
一个或多个处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至7中任一项所述的内容项推荐方法。
16.一种存储介质,其特征在于,当所述存储介质中的指令由服务器的处理器执行时,使得所述服务器能够执行如权利要求1至7中任一项所述的内容项推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010568668.1A CN111708948B (zh) | 2020-06-19 | 2020-06-19 | 内容项推荐方法、装置、服务器及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010568668.1A CN111708948B (zh) | 2020-06-19 | 2020-06-19 | 内容项推荐方法、装置、服务器及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111708948A CN111708948A (zh) | 2020-09-25 |
CN111708948B true CN111708948B (zh) | 2024-04-16 |
Family
ID=72542331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010568668.1A Active CN111708948B (zh) | 2020-06-19 | 2020-06-19 | 内容项推荐方法、装置、服务器及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111708948B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052653A (zh) * | 2021-03-24 | 2021-06-29 | 珠海华发金融科技研究院有限公司 | 一种金融产品内容推荐方法、系统及计算机可读存储介质 |
CN113569136B (zh) * | 2021-07-02 | 2024-03-05 | 北京达佳互联信息技术有限公司 | 视频推荐方法、装置、电子设备及存储介质 |
CN113553509B (zh) * | 2021-07-29 | 2024-03-01 | 北京达佳互联信息技术有限公司 | 一种内容推荐方法、装置、电子设备及存储介质 |
CN113641919B (zh) * | 2021-10-12 | 2022-03-25 | 北京达佳互联信息技术有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN116362426B (zh) * | 2023-06-01 | 2023-08-11 | 贵州开放大学(贵州职业技术学院) | 基于人工智能和深度学习的学习行为预测管理系统和方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105183781A (zh) * | 2015-08-14 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 信息推荐方法及装置 |
CN106202117A (zh) * | 2015-05-07 | 2016-12-07 | 深圳市腾讯计算机系统有限公司 | 数据处理方法、装置和服务器 |
CN111008332A (zh) * | 2019-12-03 | 2020-04-14 | 腾讯科技(深圳)有限公司 | 内容项推荐方法、装置、服务器以及存储介质 |
CN111241311A (zh) * | 2020-01-09 | 2020-06-05 | 腾讯科技(深圳)有限公司 | 媒体信息推荐方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170169341A1 (en) * | 2015-12-14 | 2017-06-15 | Le Holdings (Beijing) Co., Ltd. | Method for intelligent recommendation |
-
2020
- 2020-06-19 CN CN202010568668.1A patent/CN111708948B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106202117A (zh) * | 2015-05-07 | 2016-12-07 | 深圳市腾讯计算机系统有限公司 | 数据处理方法、装置和服务器 |
CN105183781A (zh) * | 2015-08-14 | 2015-12-23 | 百度在线网络技术(北京)有限公司 | 信息推荐方法及装置 |
CN111008332A (zh) * | 2019-12-03 | 2020-04-14 | 腾讯科技(深圳)有限公司 | 内容项推荐方法、装置、服务器以及存储介质 |
CN111241311A (zh) * | 2020-01-09 | 2020-06-05 | 腾讯科技(深圳)有限公司 | 媒体信息推荐方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111708948A (zh) | 2020-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111708948B (zh) | 内容项推荐方法、装置、服务器及计算机可读存储介质 | |
CN109086439B (zh) | 信息推荐方法及装置 | |
CN108763502B (zh) | 信息推荐方法和系统 | |
CN110781321A (zh) | 一种多媒体内容推荐方法及装置 | |
CN112307344B (zh) | 对象推荐模型、对象推荐方法、装置及电子设备 | |
CN111818370B (zh) | 信息推荐方法、装置、电子设备及计算机可读存储介质 | |
CN110413867B (zh) | 用于内容推荐的方法及系统 | |
CN111612588B (zh) | 商品呈现方法及装置、计算设备、计算机可读存储介质 | |
CN111722766A (zh) | 多媒体资源的展示方法及装置 | |
CN113535991A (zh) | 一种多媒体资源推荐方法、装置、电子设备及存储介质 | |
CN116894711A (zh) | 商品推荐理由生成方法及其装置、电子设备 | |
CN111552835B (zh) | 文件推荐方法、装置及服务器 | |
CN114461871B (zh) | 推荐模型训练方法、对象推荐方法、装置及存储介质 | |
CN112364184A (zh) | 多媒体数据的排序方法、装置、服务器及存储介质 | |
CN116821475A (zh) | 基于客户数据的视频推荐方法、装置及计算机设备 | |
CN111597446A (zh) | 基于人工智能的内容推送方法、装置、服务器和存储介质 | |
CN112269943B (zh) | 一种信息推荐系统及方法 | |
CN111294620A (zh) | 视频的推荐方法及装置 | |
CN113836390B (zh) | 资源推荐方法、装置、计算机设备及存储介质 | |
KR20210060375A (ko) | 유망 콘텐츠 선정 방법, 장치 및 컴퓨터프로그램 | |
CN110837549B (zh) | 一种信息处理方法、装置及存储介质 | |
CN115756821A (zh) | 在线任务处理模型训练、任务处理方法及装置 | |
WO2018176083A1 (en) | "recommending media items" | |
CN114697725A (zh) | 直播间中的业务提问、回答处理方法、装置及电子设备 | |
CN114528474A (zh) | 推荐对象确定方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |