[发明专利]内容推荐方法、装置及内容推荐服务器

说明书

本发明提供一种内容推荐方法、装置及内容推荐服务器，涉及计算机数据处理技术领域。该方法通过收集用户在第一预设时段内通过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，然后利用预设神经网络模型将关键词转换为第一向量集，以及将文本信息转换为第二向量集；然后确定第一向量集与第二向量集的相似度，并将多条第二网络资源中相似度大于或等于预设阈值对应的网络资源推送至用户终端。基于此，避免了因根据标签匹配造成推送内容单一的问题，使得推荐给用户的内容更加丰富。

技术领域

本发明涉及计算机数据处理技术领域，具体而言，涉及一种内容推荐方法、装置及内容推荐服务器。

背景技术

目前信息流产品推荐文章的方式，主要是根据文章的标签与用户兴趣标签匹配度，创建文章与用户之间的相关性，来推荐符合用户兴趣标签的文章。该推荐方法，依赖于用户兴趣标签的计算和文章标签的计算，用户看到的文章丰富程度依赖于自身兴趣标签情况。在现有技术中，用户与文章匹配的准确度依赖于文章标签本身的准确度，并且众多维度的标签也使匹配计算复杂化。同时，根据用户标签进行文章的推荐，会使推荐出来的文章集中于标签所对应的内容，容易造成内容的单一化。

发明内容

为了克服上述现有技术中的不足，本发明提供一种内容推荐方法、装置及内容推荐服务器。

为了实现上述目的，本发明实施例所提供的技术方案如下所示：

第一方面，本发明实施例提供一种内容推荐方法，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。

可选地，上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。

可选地，上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。

可选地，上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。

可选地，上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。

可选地，上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。