[发明专利]内容推荐方法及装置

说明书

本发明公开了内容推荐方法及装置。涉及内容推荐领域，其中，方法通过获取内容池中多项待分类内容并进行内容识别，根据内容识别的结果选择对应的内容分类模型对待分类内容进行内容分类得到待召回内容，根据召回策略对待召回内容进行初步召回得到召回内容，根据推荐模型对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。通过控制源头，在内容发布之前就对内容进行识别并准确过滤分类，将正常内容上线曝光给用户，而低质内容将被筛选过滤不曝光给用户，避免如标题党、擦边或者低俗的低质量内容在平台上线，从而提高平台整体内容质量，保持平台用户的粘性。

技术领域

本发明涉及内容推荐领域，尤其是一种内容推荐方法及装置。

背景技术

如今在很多互联网产品尤其是内容平台中，内容推荐系统是不可或缺的一部分，其能够在用户没有显式行为的条件下为用户提供优质的个性化推荐服务。例如用户打开资讯APP，首页出现用户感兴趣的内容文章，满足用户需求，既要通过一些新颖性推荐结果，起到流量分发的作用，同时需要给用户提供精准个性化推荐，从而缩短用户的商品选择时间。这就对推荐系统的多样性和准确性提出了更高的要求。如何在注意力稀缺的现实中吸引用户关注推送的内容，是值得研究的课题。

但是一些文章的发布者为了吸引流量，发布标题党、擦边或者低俗的内容，这些内容因为博眼球吸引用户点击获得了更多的曝光推荐量，用户虽然点击阅读了内容，但是并没有获得很好的用户体验，长此以往会造成平台内容低俗化，导致用户大量流失，因此需要提出一种能够对平台发布的内容进行过滤分类，去除低俗、标题党等低质量内容，提高用户推荐内容的质量和转化率的内容推荐方法，以提高内容推荐的准确性。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的目的是提供一种能够提高用户推荐内容的质量和转化率的内容推荐方法及装置。

本发明所采用的技术方案是：

第一方面，本发明提供一种内容推荐方法，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；

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。

进一步地，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。

进一步地，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；