[发明专利]内容推荐方法、装置及内容推荐服务器

权利要求书

1.一种内容推荐方法，其特征在于，应用于内容推荐服务器，所述内容推荐服务器与用户终端通信连接，所述方法包括：

获取用户在第一预设时段内通过所述用户终端点击查看的第一网络资源对应的至少一个关键词，以及获取多条第二网络资源所对应的文本信息；

将所述至少一个关键词输入预设神经网络模型，得到与所述至少一个关键词对应的第一向量集，所述第一向量集包括M维第一向量；以及将所述文本信息输入所述预设神经网络模型，得到与所述文本信息对应的第二向量集，所述第二向量集包括M维第二向量，其中，M为大于0的整数；

根据所述预设神经网络模型确定所述第一向量集与所述第二向量集的相似度；

在所述相似度大于或等于预设阈值时，将所述相似度大于或等于所述预设阈值的第二向量集所对应的第二网络资源推送至所述用户终端。

2.根据权利要求1所述的方法，其特征在于，所述将所述至少一个关键词输入预设神经网络模型，得到与所述至少一个关键词对应的第一向量集，包括：

将所述至少一个关键词输入预设神经网络模型，所述预设神经网络模型基于所述至少一个关键词确定与所述至少一个关键词的含义相同或类似的词，并基于所述至少一个关键词及与所述至少一个关键词的含义相同或类似的词确定所述第一向量集。

3.根据权利要求1所述的方法，其特征在于，所述将所述文本信息输入所述预设神经网络模型，得到与所述文本信息对应的第二向量集，包括：

将所述文本信息输入所述预设神经网络模型，由所述预设神经网络模型将所述文本信息进行拆分以得到多个关键词，基于拆分得到的多个关键词确定所述第二向量集。

4.根据权利要求1所述的方法，其特征在于，所述获取用户在第一预设时段内通过所述用户终端点击查看的第一网络资源对应的至少一个关键词之前，所述方法还包括：

基于预先构建的样本词库对神经网络模型进行学习训练，将训练后得到的神经网络模型作为所述预设神经网络模型。

5.根据权利要求1所述的方法，其特征在于，所述网络资源包括文本信息、图片信息、视频信息中的至少一种。

6.根据权利要求1所述的方法，其特征在于，所述将所述相似度大于或等于预设阈值的第二向量集所对应的第二网络资源推送至所述用户终端，包括：

将与所述第二向量集对应的第二网络资源的URL信息推送至所述用户终端。

7.根据权利要求1所述的方法，其特征在于，所述预设神经网络模型包括词嵌入模型。

8.根据权利要求1所述的方法，其特征在于，所述将所述相似度大于或等于所述预设阈值的第二向量集所对应的第二网络资源推送至所述用户终端，包括：

从发布所述第一网络资源的第一平台所发布的网络资源中选取满足所述相似度大于或等于所述预设阈值的第二向量集所对应的网络资源，以作为所述第二网络资源，并将所述第二网络资源推送至所述用户终端。

9.一种内容推荐装置，其特征在于，应用于内容推荐服务器，所述内容推荐服务器与用户终端通信连接，所述装置包括：

获取单元，用于获取用户在第一预设时段内通过所述用户终端点击查看的第一网络资源对应的至少一个关键词，以及获取多条第二网络资源所对应的文本信息；

输入单元，用于将所述至少一个关键词输入预设神经网络模型，得到与所述至少一个关键词对应的第一向量集，所述第一向量集包括M维第一向量；以及将所述文本信息输入所述预设神经网络模型，得到与所述文本信息对应的第二向量集，所述第二向量集包括M维第二向量，其中，M为大于0的整数；

相似度确定单元，用于根据所述预设神经网络模型确定所述第一向量集与所述第二向量集的相似度；

推送单元，用于在所述相似度大于或等于预设阈值时，将所述相似度大于或等于所述预设阈值的第二向量集所对应的第二网络资源推送至所述用户终端。

10.一种内容推荐服务器，其特征在于，所述内容推荐服务器与用户终端通信连接，所述内容推荐服务器包括：

存储单元；

处理单元；及

内容推荐装置，包括一个或多个存储于所述存储单元中并由所述处理单元执行的软件功能模块，所述内容推荐装置包括：

获取单元，用于获取用户在第一预设时段内通过所述用户终端点击查看的第一网络资源对应的至少一个关键词，以及获取多条第二网络资源所对应的文本信息；

输入单元，用于将所述至少一个关键词输入预设神经网络模型，得到与所述至少一个关键词对应的第一向量集，所述第一向量集包括M维第一向量；以及将所述文本信息输入所述预设神经网络模型，得到与所述文本信息对应的第二向量集，所述第二向量集包括M维第二向量，其中，M为大于0的整数；

相似度确定单元，用于根据所述预设神经网络模型确定所述第一向量集与所述第二向量集的相似度；

推送单元，用于在所述相似度大于或等于预设阈值时，将所述相似度大于或等于所述预设阈值的第二向量集所对应的第二网络资源推送至所述用户终端。