[发明专利]一种内容个性化推荐系统的排序优化方法及系统

说明书

本发明公开了一种内容个性化推荐系统的排序优化方法及系统，其中方法包括：（一）获取用户点击操作，召回并生成初筛待排序内容列表；（二）根据排序模型对所述初筛待排序内容列表进行打分，生成初始内容‑排序分数关联向量；（三）基于自适应策略，对所述初始内容‑排序分数关联向量进行二次排序，得到最终的排序结果。本方法解决用户‑内容间的粘度准确性问题，并且针对上游的多种召回策略的推送内容列表，进行了自适应采样和聚合，生成了品类更加丰富、个性更加精准的内容推送列表，从而实现了个性精准推荐的内容类别多样性。本发明提高了产品推荐系统的准确率。

技术领域

本发明涉及一种推荐系统排序方法及系统，尤其涉及一种内容个性化推荐系统的排序优化方法及系统。

背景技术

目前，在互联网的内容社区平台产品中，个性化精准推荐系统是产品的技术核心。为提升产品在社区中老用户中的使用体验感，需要推送能得到用户正反馈的内容。而这个目标是由推荐系统中的召回、粗排、精排、重排等关键环节共同协作实现的。

其中，关于内容排序环节，需要起到的作用是，在用户没有显性行为的前提下，给每个用户推送真正感兴趣的内容列表。要做到用户个性化精准推送的效果，需要满足三种业务需求：第一，需要考虑该用户的历史点击行为的特性规律；第二，需要避免标题党内容或者单一品类的推送结果；第三，最重要的是确保推荐内容的多样性，让用户对于内容的推送感受到一种“熟悉又陌生”的新颖体验。

目前的排序方法中，大多数产品大多存在以下问题：1、仅仅考虑到用户行为数据（比如阅读时长、阅读完成率、点赞打赏等）；2、用较单一的深度模型方式获取比较粗糙的用户-内容间关联向量；3、由于上游的召回策略过于单一无法在排序环节进行内容多样性的策略修改。

发明内容

发明目的：本发明提出一种用户-内容间粘度准确性高的推荐系统排序优化方法。本发明的另一目的在于提供基于上述排序优化方法的排序优化系统。

技术方案：本发明所述的内容个性化推荐系统的排序优化方法，包括步骤：

（一）获取用户点击操作，召回并生成初筛待排序内容列表；

（二）根据排序模型对所述初筛待排序内容列表进行打分，生成初始内容-排序分数关联向量；

（三）基于自适应策略，对所述初始内容-排序分数关联向量进行二次排序，得到最终的排序结果。

进一步地，所述步骤（一）中，所述初筛待排序内容列表为与用户历史点击数据相关的内容id列表。

进一步地，步骤（二）中，所述排序模型包括双塔模型。

优选地，所述步骤（二）包括：

（21）根据所述初筛待排序内容列表，提取用户特征信息和内容特征信息；

（22）根据不同的排序模型，对所述用户特征信息和内容特征信息合并后的元数据或分别进行评估，选取得分最高的排序模型作为实际排序模型；

（23）在推荐系统离线的训练阶段，所述用户特征信息和内容特征信息分别输入所述实际排序模型，得到维数相同的用户嵌入向量和内容嵌入向量；

（24）对所述用户嵌入向量和内容嵌入向量进行点积计算，将点积值与用户点击的样本标签值进行交叉熵损失的计算，进行后向传播优化实际排序模型的网络参数；

（25）将待排序的用户特征信息和内容特征信息输入优化后的实际排序模型，将模型输出向量的点积结果作为排序分数，得到初始内容-排序分数关联向量。

进一步地，所述用户特征信息包括：用户点击序列的内容特征向量、用户画像指标的内容特征向量、用户点赞序列的内容特征向量。

进一步地，所述内容嵌入向量通过持续调用所述实际排序模型的内容侧的深度网络进行计算，输出嵌入层，更新并保存实际排序模型，供线上预测的新内容序列查询使用。