[发明专利]内容推荐方法、装置及系统

权利要求书

1.一种内容推荐方法，该方法为由内容推荐服务器执行的方法，包括以下步骤：

以在第一时刻获取的第一用户的第一类型信息和内容推荐模型为基础确定第一推荐内容；

将所述第一推荐内容发送给内容推荐终端，并且从所述内容推荐终端接收所述第一用户对所述第一推荐内容的反馈信息；

通过将所述第一用户的反馈信息应用到所述内容推荐模型中而更新所述内容推荐模型；

以在第二时刻获取的第二用户的第二类型信息及更新后的所述内容推荐模型为基础确定第二推荐内容，其中，所述第二时刻为第一时刻以后的时刻；以及

将所述第二推荐内容发送给所述内容推荐终端，

所述第一类型信息包括所述第一时刻的状况信息，所述第二类型信息包括所述第二时刻的状况信息，

所述第一类型信息和所述第二类型信息表示相同的类型信息，

所述第二推荐内容为与所述第一推荐内容不同的内容。

2.根据权利要求1所述的内容推荐方法，

所述第一类型信息进一步包括所述第一用户的人口统计学信息，

所述第二类型信息进一步包括所述第二用户的人口统计学信息，

所述第一类型信息和所述第二类型信息为通过视频分析导出的信息。

3.根据权利要求2所述的内容推荐方法，

所述第一用户的人口统计学信息包括所述第一用户的性别和年龄中的至少一个信息，

所述第一时刻的状况信息包括时间、星期、天气和所述第一用户所属组类型中的至少一个的信息。

4.根据权利要求1所述的内容推荐方法，

所述确定第一推荐内容的步骤包括：

以所述第一类型信息为基础提取特征向量，所述特征向量表示所述第一用户的类型；以及

将所述特征向量输入到所述内容推荐模型中而确定所述第一推荐内容，

所述内容推荐模型以多臂游戏机MAB算法为基础进行操作。

5.根据权利要求4所述的内容推荐方法，

所述提取特征向量的步骤包括：

以包括在所述第一类型信息中的人口统计学信息为基础提取第一特征向量；

以包括在所述第一类型信息中的第一时刻的状况信息的聚类结果为基础提取第二特征向量；以及

通过结合所述第一特征向量和所述第二特征向量而提取表示所述第一用户的类型的所述特征向量。

6.根据权利要求5所述的内容推荐方法，

所述聚类结果以K-均值聚类算法为基础生成。

7.根据权利要求1所述的内容推荐方法，

所述内容推荐模型为以按用户类型表示针对各内容的偏好度的累积补偿值为基础学习的模型，

通过将所述反馈信息应用到所述内容推荐模型中而更新所述内容推荐模型的步骤包括：

按预设的基准将所述第一用户的反馈信息转换为经数值化的补偿值；以及

以所述补偿值为基础更新所述内容推荐模型的关于第一类型信息的累积补偿值，其中，根据所述反馈信息的种类，所述补偿值的至少一部分具有彼此不同的值。

8.根据权利要求7所述的内容推荐方法，

所述第一推荐内容和所述第二推荐内容为店铺的品牌内容，

所述第一用户的反馈信息包括是否选择所述品牌内容、是否对所述店铺进行寻路检索、是否访问所述店铺以及是否购买所述店铺的商品中的至少一个信息。

9.一种内容推荐方法，该方法为由内容推荐服务器执行的方法，包括以下步骤：

获取用户类型信息，所述用户类型信息包括所述用户的状况信息；

在包括第一推荐策略和第二推荐策略的多个推荐策略中，以预设的各推荐策略的占有率为基础确定任一推荐策略；以及

以确定的推荐策略为基础确定推荐内容，

所述第一推荐策略为以预设的规则为基础确定所述推荐内容的策略，

所述第二推荐策略为以多臂游戏机MAB模型为基础确定所述推荐内容的策略。

10.根据权利要求9所述的内容推荐方法，

所述预设的规则为以直至预设的时刻为止通过随机推荐收集到的反馈信息为基础生成的规则。