[发明专利]内容推荐方法、训练方法、装置、设备及存储介质

说明书

本申请公开了内容推荐方法、装置、设备及存储介质，属于人工智能领域。该方法包括：获取目标用户的目标用户向量；根据目标用户向量确定n组种子用户向量，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。本申请能够解决相关技术的推荐方法准确率较低的问题。

技术领域

本申请涉及人工智能领域，特别涉及内容推荐方法、训练方法、装置、设备及存储介质。

背景技术

在内容推荐系统中，传统的推荐算法是基于用户的历史行为和内容的语义特征来进行推荐。

以基于点击率预估的推荐方法为例，服务器中设置有深度网络模型。针对候选内容集合中的每一对“用户-内容”的组合，该深度网络模型根据用户的历史点击行为、内容的语义特征和上下文特征，预测出该用户对该内容的点击概率；然后根据点击概率由高到低的顺序，将排序在前n位的内容作为信息流推荐给该用户。

在相关技术中，推荐算法往往只是根据目标用户的兴趣选择推送信息，通过分析信息内容判断用户对该信息的感兴趣程度，但这种推荐方法往往存在准确率较低的问题。

发明内容

本申请实施例提供了内容推荐方法、训练方法、装置、设备及存储介质，能够提高内容推荐的准确程度。所述技术方案如下：

根据本申请的一个方面，提供了一种内容推荐方法，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。

根据本申请的另一方面，提供了一种用户向量提取模型的训练方法，所述用户向量提取模型包括嵌入层、合并层和全连接层，所述合并层是基于自注意力机制的神经网络层，所述方法包括：

获取第一训练样本，所述第一训练样本包括多个样本用户的用户特征和对样本内容的互动记录；

将第一样本用户的用户特征输入所述用户向量提取模型，得到第一用户向量；所述第一样本用户是所述多个样本用户中的任意一个；

计算所述第一样本用户的用户向量与所述样本内容的嵌入向量的点积；

根据所述点积和所述第一样本用户对所述样本内容的互动记录，计算得到第一误差损失；

根据所述第一误差损失采用反向传播算法对所述用户向量提取模型进行训练。

根据本申请的另一方面，提供了一种相似人群扩散模型的训练方法，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，所述方法包括：

获取第二训练样本，所述第二训练样本包括：样本用户向量和样本内容对应的种子用户向量；

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样本用户向量进行特征提取，得到样本相似扩散向量；

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