[发明专利]内容项推荐方法、装置、服务器以及存储介质

权利要求书

1.一种内容项推荐方法，其特征在于，所述方法包括：

获取目标用户的用户特征向量和多个内容项的内容项特征向量；

将所述目标用户的用户特征向量和所述多个内容项的内容项特征向量输入到内容项推荐模型中，由所述内容项推荐模型预测所述目标用户对每个内容项进行每种交互行为的概率，其中，所述内容项推荐模型通过如下方式生成：获取样本数据，所述样本数据包括样本用户的特征向量、所述样本用户与历史推荐信息之间的交互行为信息以及所述推荐信息的特征向量，将所述样本用户的特征向量和所述历史推荐信息的特征向量输入到初始模型中，由所述初始模型预测所述样本用户与所述历史推荐信息之间的多个交互行为的概率，基于所述多个交互行为的概率和所述样本用户与历史推荐信息之间的交互行为信息之间的差别信息，调整所述初始模型的模型参数，直至所述初始模型的模型参数符合目标截止条件时，停止训练所述初始模型，将训练后的初始模型作为所述内容项推荐模型；

基于所述每种交互行为的概率，向所述目标用户推荐所述多个内容项中的目标内容项，所述目标内容项为符合推荐条件的内容项。

2.根据权利要求1所述的内容项推荐方法，其特征在于，所述由所述内容项推荐模型预测所述目标用户对每个内容项进行每种交互行为的概率包括：

将所述目标用户的用户特征向量和每个内容项特征向量输入线性子模型中进行加权求和，得到所述每个内容项特征向量对应的第一向量；

将所述目标用户的用户特征向量和所述每个内容项特征向量输入到多个深度学习子模型中，由所述深度学习子模型输出所述每个内容项特征向量对应的第二向量；

将所述目标用户的用户特征向量和每个内容项特征向量输入到特征交叉子模型中，由所述特征交叉子模型进行特征交叉，得到所述每个内容项特征向量对应的第三向量；

基于所述每个内容项特征向量对应的第一向量、所述每个内容项特征向量对应的第二向量和所述每个内容项特征向量对应的第二向量，确定所述目标用户对每个内容项进行每种交互行为的概率。

3.根据权利要求2所述的内容项推荐方法，其特征在于，所述基于所述每个内容项特征向量对应的第一向量、所述每个内容项特征向量对应的第二向量和所述每个内容项特征向量对应的第二向量，确定所述目标用户对每个内容项进行每种交互行为的概率包括：

将所述第一向量、所述第二向量以及所述第三向量进行加权求和，得到每种交互行为的预测信息，将所述每种交互行为的预测信息映射至目标数值区间，得到所述目标用户与所述每个内容项之间的每种交互行为的概率。

4.根据权利要求1所述的内容项推荐方法，其特征在于，所述基于所述每种交互行为的概率，向所述目标用户推荐所述多个内容项中的目标内容项包括：

对所述每种交互行为的概率进行加权求和，得到每个内容项的推荐成功率；

基于所述推荐成功率，从所述多个内容项中确定所述目标内容项，所述目标内容项为所述推荐成功率最高的内容项；

将所述目标内容项推荐给所述目标用户。

5.根据权利要求4所述的内容项推荐方法，其特征在于，所述将所述目标内容项推荐给所述目标用户包括：

基于所述目标内容项生成推荐页面，将所述推荐页面发送给所述目标用户的用户终端，由所述目标用户的用户终端将所述推荐页面项呈现给所述目标用户。

6.根据权利要求1所述的内容项推荐方法，其特征在于，所述向所述目标用户推荐所述多个内容项中的目标内容项之后，所述方法还包括：基于所述目标用户与所述目标内容项之间的交互行为信息，更新所述内容项推荐模型。