[发明专利]内容推荐方法及装置

权利要求书

1.一种内容推荐方法，其特征在于，包括：

获取内容池中多项待分类内容并进行内容识别，得到为文本内容或视频图像内容的内容识别结果；

根据所述内容识别结果选择对应的内容分类模型对所述待分类内容进行内容分类得到待召回内容，所述内容分类模型包括：文本分类模型和视频图像分类模型；

根据召回策略对所述待召回内容进行初步召回得到召回内容，所述召回策略包括以下至少一种：内容关注召回策略、热门内容召回策略、人群属性召回策略、用户兴趣召回策略、语义标签召回策略，其中，所述人群属性召回策略为根据用户特征细分得到用户群的召回策略，所述语义标签召回策略包括获取内容池中新增内容的类别标签，将所述类别标签与用户画像中的内容兴趣标签进行匹配召回；

根据推荐模型对所述召回内容进行排序得到初步排序列表，将所述初步排序列表使用排序算法模型进行二次排序，整合得到推荐内容列表；

其中，所述推荐模型包括DIN模型，所述排序算法模型为：根据推荐模型分数、阅读完成率和内容阅读时长进行排序；

所述排序算法模型表示为：

Score＝a*f₁+b*f₂+c*f₃

其中，Score表示所述召回内容的得分，f₁是所述推荐模型返回的分数，f₂表示所述召回内容的平均阅读完成率，f₃表示所述召回内容的平均阅读时长，a、b、c分别表示f₁、f₂、f₃对应的权重值；

所述阅读完成率指：根据用户在内容上停留时长判断是否为有效阅读，若为有效阅读，根据内容总字数和当前已曝光字数计算得到阅读完成率。

2.根据权利要求1所述的一种内容推荐方法，其特征在于，所述文本分类模型为长短期记忆神经网络分类器或BERT模型；

构建所述文本分类模型的过程具体为：

获取所述文本分类模型的文本训练样本集及对应的分类标签；

对所述文本训练样本集进行文本分词得到多个特征词进行文本预处理，并计算所述特征词的词向量；

根据所述词向量生成文档模型；

将所述文档模型和所述分类标签输入到所述文本分类模型中进行模型参数训练。

3.根据权利要求2所述的一种内容推荐方法，其特征在于，所述视频图像分类模型为残差神经网络；

构建所述视频图像分类模型的过程具体为：

收集图像样本并进行图像分类标注；

对所述图像样本进行样本扩展得到图像样本，所述样本扩展包括：平移、翻转、剪切、缩放；

根据所述图像样本生成图像训练样本集；

将所述图像训练样本集和所述图像分类标注输入到所述视频图像分类模型中进行模型参数训练；

当所述视频图像内容的内容为视频时，通过截取所述视频的预设帧图像作为图像样本。

4.根据权利要求1所述的一种内容推荐方法，其特征在于，还包括：获取当前用户对所述召回内容的反馈结果，根据所述反馈结果进行召回审核，召回审核策略包括：根据用户负面评论召回审核和/或根据用户负反馈召回审核和/或指标异常召回审核。

5.根据权利要求1至4任一项所述的一种内容推荐方法，其特征在于，所述根据召回策略对所述待召回内容进行初步召回得到召回内容之后还包括初筛，所述初筛包括：曝光初筛和负评价初筛；

所述曝光初筛指：过滤已经给用户曝光过的内容；

所述负评价初筛指：获取用户历史负反馈信息，将与所述负反馈信息同类型的内容进行过滤。