[发明专利]内容推荐方法、训练方法、装置、设备及存储介质

权利要求书

1.一种内容推荐方法，其特征在于，所述方法包括：

获取目标用户的目标用户向量；

根据所述目标用户向量确定n组种子用户向量，所述n组种子用户向量与n条候选推荐内容对应；

调用相似人群扩散模型计算所述目标用户向量和每组所述种子用户向量的相似度分数，所述相似人群扩散模型是基于注意力机制对所述相似度分数进行计算的模型；

根据所述相似度分数对所述n条候选推荐内容进行排序，将排序在前m位的候选推荐内容，确定为向所述目标用户推荐的目标内容；

其中，n和m均为正整数，m小于或等于n。

2.根据权利要求1所述的方法，其特征在于，所述相似人群扩散模型包括：第一全连接层、第二全连接层和注意力单元；

所述调用相似人群扩散模型计算所述目标用户向量和所述候选推荐内容对应的种子用户向量之间的相似度分数，包括：

调用所述第一全连接层对所述种子用户向量进行特征提取，得到种子相似扩散向量，以及调用所述第二全连接层对所述目标用户向量进行特征提取，得到目标相似扩散向量；

调用所述注意力单元根据所述种子相似扩散向量和所述目标相似扩散向量计算得到所述种子加权向量；

计算所述种子加权向量和所述目标相似扩散向量之间的向量距离，将所述向量距离确定为所述相似度分数。

3.根据权利要求2所述的方法，其特征在于，所述注意力单元包括：局部注意力单元和全局注意力单元；

所述调用所述注意力单元根据所述种子相似扩散向量和所述目标相似扩散向量计算得到所述种子加权向量，包括：

调用所述局部注意力单元对所述目标相似扩散向量和所述种子相似扩散向量计算得到局部注意力向量；

调用所述全局注意力单元对所述种子相似扩散向量计算得到全局注意力向量；

对所述局部注意力向量和所述全局注意力向量进行加权计算，得到所述种子加权向量。

4.根据权利要求1至3任一所述的方法，其特征在于，所述根据所述目标用户向量确定n组种子用户向量，包括：

确定所述目标用户的所述n条候选推荐内容；

对于所述n条候选推荐内容中的每条候选推荐内容，确定与所述候选推荐内容对应的一组种子用户向量。

5.根据权利要求4所述的方法，其特征在于，所述对于所述n条候选推荐内容中的每条候选推荐内容，确定与所述候选推荐内容对应的一组种子用户向量，包括：

对于所述n条候选推荐内容中的每条候选推荐内容，将与所述候选推荐内容产生过互动行为的L个用户的用户向量，作为与所述候选推荐内容对应的一组种子用户向量。

6.根据权利要求5所述的方法，其特征在于，所述对于所述n条候选推荐内容中的每条候选推荐内容，将与所述候选推荐内容产生过互动行为的L个用户的用户向量，作为与所述候选推荐内容对应的一组种子用户向量，包括：

对于所述n条候选推荐内容中的每条候选推荐内容，确定与所述候选推荐内容最近产生过互动行为的L个用户的用户向量，作为与所述候选推荐内容对应的一组种子用户向量。

7.根据权利要求1至4任一所述的方法，其特征在于，所述方法还包括：

对于所述n组种子用户向量中的第i组种子用户向量，将所述第i组种子用户向量中的L个种子用户向量聚类为K个种子用户向量，K小于L，i小于n。

8.根据权利要求7所述的方法，其特征在于，所述将所述第i组种子用户向量中的L个种子用户向量聚类为K个种子用户向量，包括:

将所述L个种子用户向量采用目标聚类算法聚类为K个集合；

对于所述K个集合中的每个集合，将所述集合中的至少一个种子用户向量进行平均，得到与所述集合对应的种子用户向量；或者，对于所述K个集合中的每个集合，将所述集合中位于聚类质心的种子用户向量，确定为与所述集合对应的种子用户向量。