[发明专利]内容推荐方法、装置与计算机可读存储介质

权利要求书

1.一种内容推荐方法，其特征在于，包括：

响应于获取到用户的操作行为，根据用户的操作行为获取用户标签兴趣度矩阵；所述用户标签兴趣度矩阵的矩阵值为用户对标签集中的各个标签的兴趣度；

将所述用户标签兴趣度矩阵与预先配置的内容标签权重矩阵输入到隐语义模型，得到用户内容兴趣度矩阵；所述内容标签权重矩阵的矩阵值为所述标签集中的各个标签在推荐内容集中的不同内容项中的权重；其中，所述内容标签权重矩阵的构建方法包括：根据所述推荐内容集中的每个内容项的内容关键词与内容同类词在所述内容项中的权重，确定所述标签集中的各个标签在所述推荐内容集中的不同内容项的权重；将所述标签集中各个标签在所述推荐内容集中的不同内容项中的权重作为矩阵值构建内容标签权重矩阵；

根据所述用户内容兴趣度矩阵获取用户对所述推荐内容集中的各个内容项的兴趣度；

根据用户对所述推荐内容集中的各个内容项的兴趣度向用户推荐所述推荐内容集中的若干个内容项。

2.如权利要求1所述的内容推荐方法，其特征在于，所述响应于获取到用户的操作行为，根据用户的操作行为获取用户标签兴趣度矩阵，包括：

响应于获取到用户的操作行为，根据用户的操作行为获取与用户的操作行为相关的行为关键词以及用户对每个行为关键词的兴趣度；

将所述行为关键词输入到预先配置的同类词模型，得到每个所述行为关键词的行为同类词及每个行为同类词的兴趣度模型值；

将每个行为同类词的兴趣度模型值乘以与所述行为同类词相对应的行为关键词的兴趣度，得到用户对每个行为同类词的兴趣度；

根据用户对每个所述行为关键词的兴趣度以及对每个所述行为同类词的兴趣度，更新用户对所述标签集中各个标签的兴趣度；

根据用户对标签集中的各个标签的兴趣度构建用户标签兴趣度矩阵。

3.如权利要求2所述的内容推荐方法，其特征在于，所述根据用户对标签集中的各个标签的兴趣度构建用户标签兴趣度矩阵，包括：

将用户对所述标签集中各个标签的兴趣度与各个标签的兴趣度更新持续时长输入到时间梯度衰减模型，得到用户对所述标签集中各个标签的实际兴趣度；所述兴趣度更新持续时长为用户对所述标签的兴趣度更新的时间到当前时间的时间差；

对所述标签集中的所有标签根据所述实际兴趣度从大到小进行排序，将前N个标签作为用户行为标签并将所述标签集中的其他标签作为非用户行为标签，将所述非用户行为标签的实际兴趣度配置为0；

将所述用户行为标签的实际兴趣度和所述非用户行为标签的实际兴趣度作为矩阵值构建所述用户标签兴趣度矩阵。

4.如权利要求1所述的内容推荐方法，其特征在于，确定所述推荐内容集中的每个内容项的内容关键词与内容同类词在所述内容项中的权重的方法包括：

通过TFIDF算法获取所述推荐内容集中的每个内容项的内容关键词与每个所述内容关键词在对应的内容项中的权重；

对于同一内容项，将每个所述内容关键词输入到预先配置的同类词模型，得到每个所述内容关键词的内容同类词及每个所述内容同类词的权重模型值；

将同一内容项中的每个所述内容同类词的权重模型值乘以与所述内容同类词相对应的内容关键词在所述内容项中的权重，得到每个内容同类词在所述内容项中的权重。

5.如权利要求4所述的内容推荐方法，其特征在于，所述将所述标签集中各个标签在所述推荐内容集中的不同内容项中的权重作为矩阵值构建内容标签权重矩阵，包括：

当所述标签集中的第i个标签在所述推荐内容集中的第j个内容项的权重大于0，将所述内容标签权重矩阵中相对应的矩阵值配置为1；

当所述标签集中的第i个标签在所述推荐内容集中的第j个内容项的权重等于0，将所述内容标签权重矩阵中相对应的矩阵值配置为0。