CN114297489B - 一种内容推荐方法、装置、电子设备及存储介质 - Google Patents
一种内容推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114297489B CN114297489B CN202111621838.9A CN202111621838A CN114297489B CN 114297489 B CN114297489 B CN 114297489B CN 202111621838 A CN202111621838 A CN 202111621838A CN 114297489 B CN114297489 B CN 114297489B
- Authority
- CN
- China
- Prior art keywords
- content
- index
- determining
- time period
- heat
- 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 53
- 238000001816 cooling Methods 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000002349 favourable effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241000238557 Decapoda Species 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种内容推荐方法、装置、电子设备及存储介质,涉及人工智能技术领域,尤其涉及知识图谱、深度学习等技术领域。具体实现方案为:获取待推荐内容的相似内容及所述相似内容的多个属性指标;确定各所述属性指标的价值评分;根据各所述属性指标的价值评分,确定所述待推荐内容的价值评分;基于所述待推荐内容的价值评分,向指定用户推荐所述待推荐内容。本公开实现了对内容的推荐。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及知识图谱、深度学习等技术领域,具体涉及一种内容推荐方法、装置、电子设备及存储介质。
背景技术
随着互联网技术的发展,越来越多的用户可以在不同的网络平台上基于热门的内容进行创作,网络平台会为用户推荐有创作价值的内容。
发明内容
本公开提供了一种内容推荐方法、装置、电子设备及存储介质。
根据本公开的一方面,提供了一种内容推荐方法,包括:
获取待推荐内容的相似内容及所述相似内容的多个属性指标;
确定各所述属性指标的价值评分;
根据各所述属性指标的价值评分,确定所述待推荐内容的价值评分;
基于所述待推荐内容的价值评分,向指定用户推荐所述待推荐内容。
根据本公开的另一方面,提供了一种内容推荐装置,包括:
获取模块,用于获取待推荐内容的相似内容及所述相似内容的多个属性指标;
第一确定模块,用于确定各所述属性指标的价值评分;
第二确定模块,用于根据各所述属性指标的价值评分,确定所述待推荐内容的价值评分;
推荐模块,用于基于所述待推荐内容的价值评分,向指定用户推荐所述待推荐内容。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开中任一项所述的内容推荐方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行本公开中任一项所述的内容推荐方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现本公开中任一项所述的内容推荐方法。
本公开实施例,实现了对内容的推荐。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开的内容推荐方法的示意图;
图2是根据本公开的属性指标价值评分确定方法的示意图;
图3是根据本公开的内容价值确定框架示意图;
图4是根据本公开的内容推荐装置的示意图;
图5是用来实现本公开实施例的内容推荐方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
随着互联网技术的发展,越来越多的用户可以在不同的网络平台上基于热门的内容进行创作。相关技术中,通常基于内容的热度,来判断该内容是否具有创作价值,其中,内容例如可以是热词或者热门事件等,热度用于表征内容的受关注程度。然而,热度高的内容不一定适合创作,使得仅通过热度这一单一因素对该内容的创作价值进行评判,容易导致为用户提供有创作价值内容的效率不高的问题。
为了解决上述问题,本公开实施例提供了一种内容推荐方法,包括:获取待推荐内容的相似内容及该相似内容的多个属性指标,确定各属性指标的价值评分,并根据各属性指标的价值评分,确定待推荐内容的价值评分,进而,基于待推荐内容的价值评分,向指定用户推荐待推荐内容。本公开实施例中,根据待推荐内容相似内容的多个属性指标的价值评分,确定待推荐内容的价值评分,避免了使用单一因素对待推荐内容的价值进行评判,使得所确定的待推荐内容的价值评分更合理、准确,进而基于待推荐内容的价值评分,向指定用户所推荐的待推荐内容的创作价值更高,有利于提高为用户提供有创作价值内容的效率。
下面通过具体实施例对本公开提供的内容推荐方法进行详细说明。
本公开实施例提供的内容推荐方法可以应用于电子设备,如终端设备、服务器设备等等。本公开实施例提供的内容推荐方法可以应用于知识图谱领域中,不同互联网平台为用户推荐有创作价值的内容等应用场景中。
参见图1,图1为本公开实施例提供的一种内容推荐方法的流程示意图,包括以下步骤:
S101,获取待推荐内容的相似内容及相似内容的多个属性指标。
待推荐内容例如可以是热词或者热门话题等内容,该热门话题可以是新闻、热门事件等。待推荐内容的相似内容可以是主题名称包含热词的文章/文本等,或者主题名称与热门话题的相似度大于一定阈值(例如0.7、0.8或者0.9等)的文章/文本等。
在一种可能的实施方式中,相似内容的多个属性指标,可以是该相似内容在预设时间段内的热度指标,或者与相似内容具有关联关系的作者指标,或者与相似内容具有关联关系的网站指标,或者针对该相似内容的内容指标等与相似内容具有关联关系属性指标。其中,预设时间段可以是当前时间之后一周、一个月或半年时间等。相似内容在预设时间段内的热度指标,表示该相似内容在预设时间段内的受关注程度,与相似内容具有关联关系的作者指标,例如可以是发布该相似内容的作者的属性信息,比如该作者的粉丝数,发表的文章数以及该作者的等级等,与相似内容具有关联关系的网站指标,例如可以是发布该相似内容的网站的属性信息,比如网站上发表的文章数、文章质量以及该网站的等级等,针对该相似内容的内容指标,例如可以是用户针对该相似内容的互动数据等。
S102,确定各属性指标的价值评分。
在获取与相似内容具有关联关系的属性指标后,针对各属性指标,确定该属性指标的价值评分。示例性的,可以确定该相似内容在预设时间段内热度指标的价值评分,或者与相似内容具有关联关系的作者指标的价值评分,或者与相似内容具有关联关系的网站指标的价值评分,或者该相似内容的内容指标的价值评分。
S103,根据各属性指标的价值评分,确定待推荐内容的价值评分。
针对所确定的各属性指标的价值评分,可以将各属性指标的价值评分均值确定为待推荐内容的价值评分,或者将各属性指标的价值评分的最大值确定为待推荐内容的价值评分,或者将各属性指标的价值评分的中位数确定为待推荐内容的价值评分,或者将各属性指标的价值评分累加和确定为待推荐内容的价值评分,或者为各属性指标设置权重因子,利用加权求和的方式,计算得到待推荐内容的价值评分。其中,权重因子可以预先根据经验进行设置,或者根据需求进行设置,还可以通过训练的模型获取,本公开实施例对此不做具体限定。
S104,基于待推荐内容的价值评分,向指定用户推荐待推荐内容。
在确定待推荐内容的价值评分之后,一种实施方式中,可以按照待推荐内容的价值评分由大到小的顺序进行排序,进而向指定用户推荐排序靠前的N个待推荐内容,N的取值可根据实际需求进行设置。一种实施方式中,还可以设定评分阈值,进而向指定用户推荐价值评分大于评分阈值的待推荐内容,评分阈值可根据实际需求进行设置。
本公开实施例中,根据待推荐内容相似内容的多个属性指标的价值评分,确定待推荐内容的价值评分,避免了使用单一因素对待推荐内容的价值进行评判,使得所确定的待推荐内容的价值评分更合理、准确,进而基于待推荐内容的价值评分,向指定用户所推荐的待推荐内容的创作价值更高,有利于提高为用户提供有创作价值内容的效率。
在一种可能的实施方式中,相似内容的多个属性指标可以包括:热度指标、作者指标、网站指标以及内容指标中的至少两项。相应的,上述步骤S102确定各属性指标的价值评分,可以包括如图2所示的属性指标价值评分确定方法中的至少两项。
参见图2,本公开实施例中属性指标价值评分确定方法可以包括以下步骤:
S201,获取相似内容第一历史时间段内的热度指标,并基于第一历史时间段内的热度指标,确定相似内容在预设时间段内热度指标的价值评分。
本公开实施例中,可以获取相似内容第一历史时间段内每一天的热度指标,其中,第一历史时间段例如可以是当前时间之前的一个月,两个月或三个月等。进而,根据相似内容第一历史时间段内每一天的热度指标,确定相似内容在预设时间段内热度指标的价值评分。示例性的,可以获取相似内容当前时间之前的一个月内每一天的热度指标,根据这一个月内每一天的热度指标,确定相似内容在当前时间之后一周内热度指标的价值评分。
实际应用中,上述相似内容可能取自不同的数据源,该数据源例如可以是不同的网络平台等。针对同一数据源,可以统计24小时内相似内容的数量,并对该数量进行归一化处理,然后,将所有数据源中相似内容数量归一化处理的结果进行相加,再乘以一个预设的固定数值,得到该相似内容在一天内的热度指标,其中,预设的固定数值可以是根据经验设置的数值,例如可以是1000,10000或者100000等。基于相似的方法,可以获取相似内容第一历史时间段内每一天的热度指标。
S202,获取与相似内容具有关联关系的作者指标,并确定作者指标的价值评分。
以相似内容为主题名称包含待推荐内容的文章,或者主题名称与待推荐内容的相似度大于一定阈值的文章为例进行说明,每篇文章都有作者,将文章作者的属性信息确定为与相似内容具有关联关系的作者指标。
具体的,作者会有相应的主页,在该主页中可以知晓该作者的粉丝数、发布的文章数,以及这些文章的质量,作者的等级等,进而可以根据作者的粉丝数,所发布的文章数,发布的文章质量以及该作者的等级等属性信息,确定该作者的价值。
S203,获取与相似内容具有关联关系的网站指标,并确定网站指标的价值评分。
相似内容可能取自不同的网络平台,对应有具体的网站,将该网站的属性信息确定为与相似内容具有关联关系的网站指标。在该网站中可以知晓网站中发布的文章数,以及这些文章的质量,网站的等级等,进而可以根据网站中所发布的文章数,发布的文章质量以及该网站的等级等属性信息,确定该网站的价值。
S204,获取相似内容第二历史时间段内的内容指标,并确定内容指标的价值评分。
第二历史时间段例如可以是当前时间之前的一周,两周,三周等,内容指标可以是用户对相似内容进行操作的互动数据指标,例如阅读量、评论数、点赞数以及转发数等。
可以获取相似内容当前时间之前的一周内的阅读量、评论数、点赞数以及转发数等,进而根据这些互动数据指标,确定该相似内容的价值评分,即得到内容指标的价值评分。
本公开实施例中,并不对S201-S204的执行顺序进行限定,可以顺序执行,也可以并行同时执行,均在本申请的保护范围内。
本公开实施例中,根据上述方式确定待推荐内容相似内容各属性指标的价值评分,进而根据各属性指标的价值评分,确定待推荐内容的价值评分,避免了使用单一因素对待推荐内容的价值进行评判,使得所确定的待推荐内容的价值评分更合理、准确,进而基于待推荐内容的价值评分,向指定用户所推荐的待推荐内容的创作价值更高,有利于提高为用户提供有创作价值内容的效率。
在一种可能的实施方式中,上述步骤S103根据各属性指标的价值评分,确定待推荐内容的价值评分,可以包括:
根据至少两项属性指标的价值评分及其对应的权重因子,确定待推荐内容的价值评分。
相似内容的多个属性指标可以包括:热度指标、作者指标、网站指标以及内容指标中的至少两项,进而可以根据至少两项属性指标的价值评分及其对应的权重因子,计算待推荐内容的价值评分。其中,各权重因子可以根据实际需求或者经验进行设置,还可以通过训练的模型获取,各权重因子之和为1。
示例性的,可以根据相似内容在预设时间段内热度指标的价值评分以及热度权重因子,作者指标的价值评分以及作者权重因子,网站指标的价值评分以及网站权重因子,内容指标的价值评分以及内容权重因子,计算待推荐内容的价值评分。具体的,可以利用如下表达式进行计算:
其中,Vv表示待推荐内容的价值评分,表示热度权重因子,Vh表示相似内容在预设时间段内热度指标的价值评分,表示作者权重因子,Va表示作者指标的价值评分,表示网站权重因子,Vw表示网站指标的价值评分,表示内容权重因子,Vc表示内容指标的价值评分。
实际应用中,可以采用上述至少两项属性指标的价值评分及其对应的权重因子,计算待推荐内容的价值评分。
本公开实施例中,采用至少两项属性指标的价值评分及其对应的权重因子,计算待推荐内容的价值评分,避免了使用单一因素对待推荐内容的价值进行评判,使得所确定的待推荐内容的价值评分更合理、准确,进而基于待推荐内容的价值评分,向指定用户所推荐的待推荐内容的创作价值更高,有利于提高为用户提供有创作价值内容的效率。
在一种可能的实施方式中,上述步骤S201的实施方式可以包括:
基于上述第一历史时间段内的热度指标,确定相似内容在预设时间段内的热度指标;以及基于相似内容在预设时间段内的热度指标,确定相似内容在预设时间段内热度指标的价值评分。
本公开实施例中,可以根据所获取的相似内容第一历史时间段内的热度指标,预测相似内容在预设时间段内的热度指标,进而基于相似内容在预设时间段内的热度指标,进一步确定相似内容在预设时间段内热度指标的价值评分。
示例性的,可以根据所获取的相似内容当前时间之前的一个月内每一天的热度,预测相似内容当前时间之后一周内的热度指标,并根据所预测的热度指标,计算相似内容当前时间之后一周内热度指标的价值评分。
根据所获取的相似内容第一历史时间段内的热度指标,预测相似内容在预设时间段内的热度指标,进一步预测相似内容在预设时间段内热度指标的价值评分,可以知晓该相似内容在预设时间段内的受关注程度,进而为待推荐内容价值的确定提供依据。
在一种可能的实施方式中,上述基于第一历史时间段内的热度指标,确定相似内容在预设时间段内的热度指标,可以包括:
基于第一历史时间段内的热度指标,热度指标对应的时间戳,预设时间段的长度,利用预先训练好的热度预测模型对预设时间段内的热度指标进行预测,得到相似内容在预设时间段内的热度指标。
其中,预先训练好的热度预测模型是根据样本内容第一历史时间段内的热度指标,热度指标对应的时间戳,预设时间段的长度以及样本内容在预设时间段内的热度指标训练得到的。
可以以天为时间单位,获取相似内容第一历史时间段内每一天的热度指标,利用预先训练好的热度预测模型,对相似内容预设时间段内的热度指标进行预测。
热度预测模型例如可以是Prophet模型,Prophet模型可以利用已知的时间序列的时间戳和相应的值,需要预测的时间序列的长度,对未来时间序列走势进行预测。当然,本公开实施例中还可以利用其它模型或者手段实现对相似内容预设时间段内的热度指标的预测,并不仅限于Prophet模型。
示例性的,可以将相似内容当前时间之前一个月内每一天的热度指标、每一天的热度指标对应的时间戳,以及需要预测的当前时间之后一周的长度,输入Prophet模型中,得到当前时间之后一周的热度指标,该当前时间之后一周的热度指标,可以是当前时间之后一周内每一天的热度指标。
本公开实施例中,可以利用预先训练好的热度预测模型,实现对相似内容预设时间段内的热度指标进行预测,以便于更准确的对相似内容在预设时间段内热度指标的价值评分进行确定。
在一种可能的实施方式中,上述基于相似内容在预设时间段内的热度指标,确定相似内容在预设时间段内热度指标的价值评分,可以包括:
基于相似内容在预设时间段内的热度指标,以及相似内容的当前热度指标,利用牛顿冷却定律,得到相似内容在预设时间段内热度指标的价值评分。
牛顿冷却定律表示:温度高于周围环境的物体向周围媒质传递热量逐渐冷却时所遵循的规律。当物体表面与周围存在温度差时,单位时间从单位面积散失的热量与温度差成正比,比例系数称为热传递系数。
在相似内容在预设时间段内的热度指标与当前热度指标之间存在差值的情况下,可以直接利用牛顿冷却定律,计算相似内容在预设时间段内热度指标的价值评分。
示例性的,可以根据相似内容当前时间之后一周内每一天的热度指标,相似内容的当前热度指标,利用牛顿冷却定律,计算相似内容当前时间之后一周内每一天热度指标的价值评分,进而,将相似内容当前时间之后一周内每一天热度指标的价值评分的均值,确定为相似内容当前时间之后一周内热度指标的价值评分。
本公开实施例中,可以在预测得到相似内容在预设时间段内的热度指标的情况下,利用牛顿冷却定律,计算相似内容在预设时间段内热度指标的价值评分,以预测该相似内容在预设时间段内的受关注程度,进而为待推荐内容价值的确定提供依据。
在一种可能的实施方式中,上述步骤S202的实施方式可以包括:
获取与相似内容具有关联关系的作者指标,并确定作者指标对应的主页;确定主页的知名度,并将主页的知名度确定为作者指标的价值评分。
将相似内容对应的作者的属性信息确定为与相似内容具有关联关系的作者指标,作者会有相应的主页,可以计算该主页的知名度(People Rank),将该主页的知名度确定为该作者的价值。
People Rank是基于PageRank的理论,以每个微博账户的“关注”为链出链接,“粉丝”为链入链接的关系。PageRank的基本思想是:网页的重要性排序是由网页间的链接关系所决定的。
相似内容可能包含多个,一个相似内容也可能对应多个作者,针对每一作者,可以计算该作者对应主页的知名度,得到该作者的价值,然后,将各相似内容分别对应的不同作者的价值进行归一化处理之后取平均值,得到作者指标的价值评分。此处主页知名度的计算方式可以参见相关技术中的主页知名度的计算方式,此处不做具体限定。
本公开实施例中,提供了一种计算与相似内容具有关联关系的作者指标的价值评分的方法,具体的,确定与相似内容具有关联关系的作者指标,计算各作者对应的主页的知名度,得到作者指标的价值评分,将作者指标的价值评分作为确定待推荐内容价值的一个因素,避免了相关技术中仅使用热度这一单一因素对待推荐内容的价值进行评判,使得所确定的待推荐内容的价值评分更合理、准确,进而基于待推荐内容的价值评分,向指定用户所推荐的待推荐内容的创作价值更高,有利于提高为用户提供有创作价值内容的效率。
在一种可能的实施方式中,上述步骤S203的实施方式可以包括:
获取与相似内容具有关联关系的网站指标,并确定网站指标对应的知名度;将网站指标对应的知名度确定为网站指标的价值评分。
将相似内容的来源网站的属性信息确定为与相似内容具有关联关系的网站指标,与作者对应的主页类似的,可以计算各网站对应的知名度,得到网站指标的价值评分。
具体的,相似内容可能包含多个,一个相似内容也可能对应多个网站,可以针对每一网站,计算该网站的知名度,得到该网站的价值,将各相似内容分别对应的不同网站的价值进行归一化处理之后取平均值,得到网站指标的价值评分。此处网站知名度的计算方式可以参见相关技术中的主页知名度的计算方式,此处不做具体限定。
本公开实施例中,提供了一种计算与相似内容具有关联关系的网站指标的价值评分的方法,具体的,确定与相似内容具有关联关系的网站指标,计算各网站对应的知名度,得到网站指标的价值评分,将网站指标的价值评分作为确定待推荐内容价值的一个因素,避免了相关技术中仅使用热度这一单一因素对待推荐内容的价值进行评判,使得所确定的待推荐内容的价值评分更合理、准确,进而基于待推荐内容的价值评分,向指定用户所推荐的待推荐内容的创作价值更高,有利于提高为用户提供有创作价值内容的效率。
在一种可能的实施方式中,上述步骤S204的实施方式可以包括:
获取相似内容第二历史时间段内的内容指标,根据各内容指标,以及各内容指标对应的权重系数,计算内容指标的价值评分。
其中,内容指标可以包括:阅读量、评论数、点赞数以及转发数等。第二历史时间段例如可以是当前时间之前的一周,两周,三周等。各内容指标对应的权重系数可以根据实际需求或者经验进行设置,还可以通过训练的模型获取,各权重系数之和为1。
示例性的,可以获取相似内容当前时间之前的一周内的阅读量、评论数、点赞数以及转发数,基于统计概念95th perception(95分数点),将各内容指标,以及各内容指标对应的权重系数进行加权求和,计算得到内容指标的价值评分,例如采用如下表达式计算内容指标的价值评分:
Vc=阅读量*c1+评论数*c2+点赞数*c3+转发数*c4
其中,Vc表示内容指标的价值评分,c1表示阅读量的权重系数,c2表示评论数的权重系数,c3表示点赞数的权重系数,c2表示转发数的权重系数。
本公开实施例中,利用历史时间段内相似内容的阅读量、评论数、点赞数以及转发数等内容指标,计算该相似内容的价值,将该价值确定为相似内容内容指标的价值评分,并将其作为确定待推荐内容价值的一个因素,避免了相关技术中仅使用热度这一单一因素对待推荐内容的价值进行评判,使得所确定的待推荐内容的价值评分更合理、准确,进而基于待推荐内容的价值评分,向指定用户所推荐的待推荐内容的创作价值更高,有利于提高为用户提供有创作价值内容的效率。
示例性的,如图3所示,针对待推荐内容,获取待推荐内容的相似内容的多个属性指标,分别确定待推荐内容的相似内容在预设时间段内热度指标的价值评分,与待推荐内容的相似内容具有关联关系的作者指标的价值评分,与待推荐内容的相似内容具有关联关系的网站指标的价值评分,以及待推荐内容的相似内容第二历史时间段内内容指标的价值评分,再进行属性指标的融合,得到待推荐内容的价值评分,进而向指定用户推荐价值评分较高,比较有利于提高创作价值的待推荐内容。具体的,可以根据至少两项属性指标的价值评分及其对应的权重因子,确定待推荐内容的价值评分。
本公开实施例提供了一种内容推荐装置,参见图4,所述装置包括:
获取模块401,用于获取待推荐内容的相似内容及相似内容的多个属性指标;
第一确定模块402,用于确定各属性指标的价值评分;
第二确定模块403,用于根据各属性指标的价值评分,确定待推荐内容的价值评分;
推荐模块404,用于基于待推荐内容的价值评分,向指定用户推荐待推荐内容。
本公开实施例中,根据待推荐内容相似内容的多个属性指标的价值评分,确定待推荐内容的价值评分,避免了使用单一因素对待推荐内容的价值进行评判,使得所确定的待推荐内容的价值评分更合理、准确,进而基于待推荐内容的价值评分,向指定用户所推荐的待推荐内容的创作价值更高,有利于提高为用户提供有创作价值内容的效率。
在一种可能的实施方式中,相似内容的多个属性指标包括:热度指标、作者指标、网站指标以及内容指标中的至少两项;上述第一确定模块402,包括:
第一确定子模块,用于获取相似内容第一历史时间段内的热度指标,并基于第一历史时间段内的热度指标,确定相似内容在预设时间段内热度指标的价值评分;
第二确定子模块,用于获取与相似内容具有关联关系的作者指标,并确定作者指标的价值评分;
第三确定子模块,用于获取与相似内容具有关联关系的网站指标,并确定网站指标的价值评分;
第四确定子模块,用于获取相似内容第二历史时间段内的内容指标,并确定内容指标的价值评分。
在一种可能的实施方式中,上述第二确定模块403,具体用于:
根据至少两项属性指标的价值评分及其对应的权重因子,确定待推荐内容的价值评分。
在一种可能的实施方式中,上述第一确定子模块,包括:
第一确定单元,用于基于第一历史时间段内的热度指标,确定相似内容在预设时间段内的热度指标;
第二确定单元,用于基于相似内容在预设时间段内的热度指标,确定相似内容在预设时间段内热度指标的价值评分。
在一种可能的实施方式中,上述第一确定单元,具体用于:基于第一历史时间段内的热度指标,热度指标对应的时间戳,预设时间段的长度,利用预先训练好的热度预测模型对预设时间段内的热度指标进行预测,得到相似内容在预设时间段内的热度指标;其中,预先训练好的热度预测模型是根据样本内容第一历史时间段内的热度指标,热度指标对应的时间戳,预设时间段的长度以及样本内容在预设时间段内的热度指标训练得到的。
在一种可能的实施方式中,上述第二确定单元,具体用于:基于相似内容在预设时间段内的热度指标,以及相似内容的当前热度指标,利用牛顿冷却定律,得到相似内容在预设时间段内热度指标的价值评分。
在一种可能的实施方式中,上述第二确定子模块,具体用于:
获取与相似内容具有关联关系的作者指标,并确定作者指标对应的主页;
确定主页的知名度,并将主页的知名度确定为作者指标的价值评分。
在一种可能的实施方式中,上述第三确定子模块,具体用于:
获取与相似内容具有关联关系的网站指标,并确定网站指标对应的知名度;
将网站指标对应的知名度确定为网站指标的价值评分。
在一种可能的实施方式中,上述第四确定子模块,具体用于:
获取相似内容第二历史时间段内的内容指标,其中,内容指标包括:阅读量、评论数、点赞数以及转发数;
根据各内容指标,以及各内容指标对应的权重系数,计算内容指标的价值评分。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。需要说明的是,本实施例中的人头模型并不是针对某一特定用户的人头模型,并不能反映出某一特定用户的个人信息。需要说明的是,本实施例中的二维人脸图像来自于公开数据集。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
其中,电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开中任一所述的内容推荐方法。
一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行本公开中任一所述的内容推荐方法。
一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现本公开中任一所述的内容推荐方法。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如内容推荐方法。例如,在一些实施例中,内容推荐方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的内容推荐方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行内容推荐方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (19)
1.一种内容推荐方法,包括:
获取待推荐内容的相似内容及所述相似内容的多个属性指标;其中,所述相似内容的多个属性指标包括:热度指标、作者指标、网站指标以及内容指标中的至少两项;所述热度指标表示所述相似内容的受关注程度,所述作者指标表示发布所述相似内容的作者的属性信息,所述网站指标表示发布所述相似内容的网站的属性信息,所述内容指标表示针对所述相似内容的互动数据;
确定各所述属性指标的价值评分;
根据各所述属性指标的价值评分,确定所述待推荐内容的价值评分;
基于所述待推荐内容的价值评分,向指定用户推荐所述待推荐内容。
2.根据权利要求1所述的方法,其中,所述确定各所述属性指标的价值评分,包括以下步骤中的至少两项:
获取所述相似内容第一历史时间段内的热度指标,并基于所述第一历史时间段内的热度指标,确定所述相似内容在预设时间段内热度指标的价值评分;
获取与所述相似内容具有关联关系的作者指标,并确定所述作者指标的价值评分;
获取与所述相似内容具有关联关系的网站指标,并确定所述网站指标的价值评分;
获取所述相似内容第二历史时间段内的内容指标,并确定所述内容指标的价值评分。
3.根据权利要求1或2所述的方法,其中,所述根据各所述属性指标的价值评分,确定所述待推荐内容的价值评分,包括:
根据至少两项属性指标的价值评分及其对应的权重因子,确定所述待推荐内容的价值评分。
4.根据权利要求2所述的方法,其中,所述基于所述第一历史时间段内的热度指标,确定所述相似内容在预设时间段内热度指标的价值评分,包括:
基于所述第一历史时间段内的热度指标,确定所述相似内容在预设时间段内的热度指标;
基于所述相似内容在预设时间段内的热度指标,确定所述相似内容在预设时间段内热度指标的价值评分。
5.根据权利要求4所述的方法,其中,所述基于所述第一历史时间段内的热度指标,确定所述相似内容在预设时间段内的热度指标,包括:
基于所述第一历史时间段内的热度指标,所述热度指标对应的时间戳,预设时间段的长度,利用预先训练好的热度预测模型对预设时间段内的热度指标进行预测,得到所述相似内容在预设时间段内的热度指标;其中,所述预先训练好的热度预测模型是根据样本内容第一历史时间段内的热度指标,热度指标对应的时间戳,预设时间段的长度以及样本内容在预设时间段内的热度指标训练得到的。
6.根据权利要求4所述的方法,其中,所述基于所述相似内容在预设时间段内的热度指标,确定所述相似内容在预设时间段内热度指标的价值评分,包括:
基于所述相似内容在预设时间段内的热度指标,以及所述相似内容的当前热度指标,利用牛顿冷却定律,得到所述相似内容在预设时间段内热度指标的价值评分。
7.根据权利要求2所述的方法,其中,所述获取与所述相似内容具有关联关系的作者指标,并确定所述作者指标的价值评分,包括:
获取与所述相似内容具有关联关系的作者指标,并确定所述作者指标对应的主页;
确定所述主页的知名度,并将所述主页的知名度确定为所述作者指标的价值评分。
8.根据权利要求2所述的方法,其中,所述获取与所述相似内容具有关联关系的网站指标,并确定所述网站指标的价值评分,包括:
获取与所述相似内容具有关联关系的网站指标,并确定所述网站指标对应的知名度;
将所述网站指标对应的知名度确定为所述网站指标的价值评分。
9.根据权利要求2所述的方法,所述获取所述相似内容第二历史时间段内的内容指标,并确定所述内容指标的价值评分,包括:
获取所述相似内容第二历史时间段内的内容指标,其中,所述内容指标包括:阅读量、评论数、点赞数以及转发数;
根据各所述内容指标,以及各所述内容指标对应的权重系数,计算所述内容指标的价值评分。
10.一种内容推荐装置,包括:
获取模块,用于获取待推荐内容的相似内容及所述相似内容的多个属性指标;其中,所述相似内容的多个属性指标包括:热度指标、作者指标、网站指标以及内容指标中的至少两项;所述热度指标表示所述相似内容的受关注程度,所述作者指标表示发布所述相似内容的作者的属性信息,所述网站指标表示发布所述相似内容的网站的属性信息,所述内容指标表示针对所述相似内容的互动数据;
第一确定模块,用于确定各所述属性指标的价值评分;
第二确定模块,用于根据各所述属性指标的价值评分,确定所述待推荐内容的价值评分;
推荐模块,用于基于所述待推荐内容的价值评分,向指定用户推荐所述待推荐内容。
11.根据权利要求10所述的装置,其中,所述第一确定模块,包括:
第一确定子模块,用于获取所述相似内容第一历史时间段内的热度指标,并基于所述第一历史时间段内的热度指标,确定所述相似内容在预设时间段内热度指标的价值评分;
第二确定子模块,用于获取与所述相似内容具有关联关系的作者指标,并确定所述作者指标的价值评分;
第三确定子模块,用于获取与所述相似内容具有关联关系的网站指标,并确定所述网站指标的价值评分;
第四确定子模块,用于获取所述相似内容第二历史时间段内的内容指标,并确定所述内容指标的价值评分。
12.根据权利要求10或11所述的装置,其中,所述第二确定模块,具体用于:
根据至少两项属性指标的价值评分及其对应的权重因子,确定所述待推荐内容的价值评分。
13.根据权利要求11所述的装置,其中,所述第一确定子模块,包括:
第一确定单元,用于基于所述第一历史时间段内的热度指标,确定所述相似内容在预设时间段内的热度指标;
第二确定单元,用于基于所述相似内容在预设时间段内的热度指标,确定所述相似内容在预设时间段内热度指标的价值评分。
14.根据权利要求13所述的装置,其中,
所述第一确定单元,具体用于:基于所述第一历史时间段内的热度指标,所述热度指标对应的时间戳,预设时间段的长度,利用预先训练好的热度预测模型对预设时间段内的热度指标进行预测,得到所述相似内容在预设时间段内的热度指标;其中,所述预先训练好的热度预测模型是根据样本内容第一历史时间段内的热度指标,热度指标对应的时间戳,预设时间段的长度以及样本内容在预设时间段内的热度指标训练得到的;
第二确定单元,具体用于:基于所述相似内容在预设时间段内的热度指标,以及所述相似内容的当前热度指标,利用牛顿冷却定律,得到所述相似内容在预设时间段内热度指标的价值评分。
15.根据权利要求11所述的装置,其中,所述第二确定子模块,具体用于:
获取与所述相似内容具有关联关系的作者指标,并确定所述作者指标对应的主页;
确定所述主页的知名度,并将所述主页的知名度确定为所述作者指标的价值评分。
16.根据权利要求11所述的装置,其中,所述第三确定子模块,具体用于:
获取与所述相似内容具有关联关系的网站指标,并确定所述网站指标对应的知名度;
将所述网站指标对应的知名度确定为所述网站指标的价值评分。
17.根据权利要求11所述的装置,其中,所述第四确定子模块,具体用于:
获取所述相似内容第二历史时间段内的内容指标,其中,所述内容指标包括:阅读量、评论数、点赞数以及转发数;
根据各所述内容指标,以及各所述内容指标对应的权重系数,计算所述内容指标的价值评分。
18.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。
19.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111621838.9A CN114297489B (zh) | 2021-12-28 | 2021-12-28 | 一种内容推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111621838.9A CN114297489B (zh) | 2021-12-28 | 2021-12-28 | 一种内容推荐方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114297489A CN114297489A (zh) | 2022-04-08 |
CN114297489B true CN114297489B (zh) | 2023-04-07 |
Family
ID=80969025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111621838.9A Active CN114297489B (zh) | 2021-12-28 | 2021-12-28 | 一种内容推荐方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114297489B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021162B (zh) * | 2014-05-28 | 2017-09-22 | 小米科技有限责任公司 | 一种为多媒体资源打分的方法及装置 |
US11086936B2 (en) * | 2016-12-30 | 2021-08-10 | Spotify Ab | Media content item recommendation system |
CN113688310B (zh) * | 2021-07-23 | 2023-08-29 | 北京中科闻歌科技股份有限公司 | 一种内容推荐方法、装置、设备及存储介质 |
CN113821727A (zh) * | 2021-09-24 | 2021-12-21 | 武汉卓尔数字传媒科技有限公司 | 物品推荐方法、计算机设备及计算机可读存储介质 |
-
2021
- 2021-12-28 CN CN202111621838.9A patent/CN114297489B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114297489A (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113407851B (zh) | 基于双塔模型的确定推荐信息的方法、装置、设备和介质 | |
CN111612581A (zh) | 一种物品推荐的方法、装置、设备及存储介质 | |
CN113806660B (zh) | 数据评估方法、训练方法、装置、电子设备以及存储介质 | |
CN114036398A (zh) | 内容推荐和排序模型训练方法、装置、设备以及存储介质 | |
CN113268560A (zh) | 用于文本匹配的方法和装置 | |
CN113422986A (zh) | 用于直播间推荐的方法、装置、设备、介质和程序产品 | |
CN107291835B (zh) | 一种搜索词的推荐方法和装置 | |
CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
CN114297489B (zh) | 一种内容推荐方法、装置、电子设备及存储介质 | |
CN115293291B (zh) | 排序模型的训练方法、排序方法、装置、电子设备及介质 | |
CN113722593B (zh) | 事件数据处理方法、装置、电子设备和介质 | |
CN115186163B (zh) | 搜索结果排序模型的训练与搜索结果排序方法、装置 | |
CN114036397B (zh) | 数据推荐方法、装置、电子设备和介质 | |
CN116090438A (zh) | 主题处理方法、装置、电子设备及存储介质 | |
CN114139052B (zh) | 用于智能推荐的排序模型训练方法、智能推荐方法及装置 | |
CN115563310A (zh) | 一种关键业务节点的确定方法、装置、设备及介质 | |
CN112818221B (zh) | 实体的热度确定方法、装置、电子设备及存储介质 | |
CN115203564A (zh) | 信息流推荐方法、装置及计算机程序产品 | |
CN113626175B (zh) | 数据处理的方法和装置 | |
CN114817476A (zh) | 语言模型的训练方法、装置、电子设备和存储介质 | |
CN113792232A (zh) | 页面特征计算方法、装置、电子设备、介质及程序产品 | |
CN112418898A (zh) | 基于多时间窗口融合的物品需求数据分析方法和装置 | |
CN112989276A (zh) | 信息推送系统的评价方法和装置 | |
CN111695036A (zh) | 内容推荐方法及装置 | |
CN113343090B (zh) | 用于推送信息的方法、装置、设备、介质和产品 |
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 |