[发明专利]一种资源推荐方法和装置

权利要求书

1.一种资源推荐方法，其特征在于，包括：

获取用户的推荐请求，所述推荐请求包括：所述用户的唯一标识；

根据所述用户的唯一标识查询神经网络模型的用户画像参数，输出所述用户的用户画像，所述用户画像参数包括所述神经网络模型根据所述用户的历史行为信息学习到的所述用户的隐层语义兴趣信息；

使用所述神经网络模型对资源推荐池中的资源进行向量化处理，得到所述资源对应的资源描述信息；

根据所述用户画像与所述资源描述信息之间的匹配度从所述资源推荐池中筛选出与所述用户匹配的资源，并将与所述用户匹配的资源推荐给所述用户。

2.根据权利要求1所述的方法，其特征在于，所述获取用户的推荐请求之前，所述方法还包括：

从所述用户的历史行为信息中获取到所述用户的推荐历史信息和点击历史信息；

根据所述推荐历史信息和所述点击历史信息生成训练语料，所述训练语料包括：所述用户点击的资源和推荐给所述用户但没有点击的资源；

使用所述训练语料对所述神经网络模型进行训练，在所述神经网络模型的网络参数满足结束条件时输出所述神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述使用所述训练语料对所述神经网络模型进行训练，包括：

当所述训练语料中的资源包括有标题时，对所述训练语料中的资源的标题进行切词，得到所述训练语料中每个资源对应的标题向量，所述标题向量包括：所述用户点击的资源的标题切词结果和推荐给所述用户但没有点击的资源的标题切词结果；

使用所述训练语料中每个资源对应的标题向量对所述神经网络模型进行训练。

4.根据权利要求3所述的方法，其特征在于，所述使用所述训练语料中每个资源对应的标题向量对所述神经网络模型进行训练，包括：

对所述标题向量中的每个词的词向量进行向量化处理，得到词向量化结果；

使用所述词向量化结果对所述神经网络模型进行训练。

5.根据权利要求4所述的方法，其特征在于，所述使用所述词向量化结果对所述神经网络模型进行训练，包括：

将所述词向量化结果输入所述神经网络模型的激活函数进行计算，得到计算结果；

将所述计算结果输入所述神经网络模型的线性函数进行计算，得到资源描述信息；

使用所述用户画像分别和所述训练语料中每个资源对应的资源描述信息进行得分计算，得到所述训练语料中每个资源对应的分值；

根据所述训练语料中每个资源对应的分值对所述神经网络模型的损失函数进行计算，并在所述损失函数达到最小时结束模型训练。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述根据所述用户画像与所述资源描述信息之间的匹配度从资源推荐池中筛选出与所述用户匹配的资源，包括：

使用所述用户画像分别和所述资源推荐池中每个资源对应的资源描述信息进行得分计算，得到所述资源推荐池中每个资源对应的分值；

根据所述资源推荐池中每个资源对应的分值确定与所述用户匹配的k个资源，k为预设的召回资源个数。

7.根据权利要求6所述的方法，其特征在于，所述将与所述用户匹配的资源推荐给所述用户，包括：

将与所述用户匹配的k个资源加入到召回队列中；

将所述召回队列推送给所述用户。

8.一种资源推荐装置，其特征在于，包括：

请求获取模块，用于获取用户的推荐请求，所述推荐请求包括：所述用户的唯一标识；

画像生成模块，用于根据所述用户的唯一标识查询神经网络模型的用户画像参数，输出所述用户的用户画像，所述用户画像参数包括所述神经网络模型根据所述用户的历史行为信息学习到的所述用户的隐层语义兴趣信息；

向量化处理模块，用于使用所述神经网络模型对资源推荐池中的资源进行向量化处理，得到所述资源对应的资源描述信息；

资源推荐模块，用于根据所述用户画像与所述资源描述信息之间的匹配度从资源推荐池中筛选出与所述用户匹配的资源，并将与所述用户匹配的资源推荐给所述用户。