[发明专利]兴趣内容的推荐方法及装置、电子设备、存储介质

权利要求书

1.一种兴趣内容的推荐方法，其特征在于，包括：

获取用户的基础信息、当前第一预设时间段内的目标信息以及当前第二预设时间段内的所述目标信息；其中，所述目标信息包括在对应时间段内浏览的兴趣内容的序列以及各个所述兴趣内容的基础信息；所述第一预设时间段大于所述第二预设时间段；

分别对当前基础信息、所述当前第一预设时间段内的所述目标信息中的序列以及所述当前第二预设时间段内的所述目标信息中的序列进行特征处理，得到当前综合特征、当前长兴趣序列特征以及当前短兴趣序列特征；其中，所述当前基础信息包括所述用户的基础信息以及所述目标信息中的所述兴趣内容的基础信息；

将所述当前综合特征、所述当前长兴趣序列特征以及所述当前短兴趣序列特征输入预先训练好的推荐模型中，得到各个所述兴趣内容的打分结果；其中，所述推荐模型预先利用所述用户的基础信息、多个正样本数据以及负样本数据训练得到；一个所述正样本数据包括历史第一预设时间段内和历史第二预设时间段内的正向数据；所述正向数据包括在对应时间段内浏览并点击的兴趣内容的序列以及所述兴趣内容的基础信息；一个所述负样本数据包括所述历史第一预设时间段内和所述历史第二预设时间段内的负向数据；所述负向数据包括在对应时间段内浏览并未点击的兴趣内容的序列以及所述兴趣内容的基础信息；

基于各个所述兴趣内容的打分结果，向所述用户推荐所述兴趣内容。

2.根据权利要求1所述的方法，其特征在于，所述推荐模型的训练方法，包括：

获取所述用户的基础信息、多个所述正样本数据以及所述负样本数据；

针对每组样本数据，分别对所述样本数据中的历史基础信息以及两个序列进行特征处理，得到所述样本数据对应的特征向量；其中，每组所述样本数据包括所述用户的基础信息以及一个所述正样本数据或一个负样本数据；所述历史基础信息包括所述用户的基础信息、所述正数据样本中的所述兴趣内容的基础信息以及所述负数据样本中的所述兴趣内容的基础信息；所述样本数据对应的特征向量包括历史综合特征、历史长兴趣序列特征以及历史短兴趣序列特征；

将所述样本数据对应的特征向量输入预先训练好的所述推荐模型中，通过所述推荐模型得到各个所述兴趣内容对应的打分结果；

分别针对各个所述兴趣内容，判断所述兴趣内容的打分结果是否小于预设阈值；

若所述兴趣内容的打分结果小于所述预设阈值，则调整所述推荐模型的参数，返回执行所述将所述样本数据对应的特征向量输入预先训练好的所述推荐模型中，通过所述推荐模型得到各个所述兴趣内容对应的打分结果；

若所述兴趣内容的打分结果大于所述预设阈值，则将所述推荐模型确定为训练好的所述推荐模型。

3.根据权利要求2所述的方法，其特征在于，所述分别对所述样本数据中的历史基础信息以及两个序列进行特征处理，得到所述样本数据对应的特征向量，包括：

对所述历史基础信息中的类别型信息采用类别编码的处理方式进行特征处理，得到综合类别特征；

对所述历史基础信息中的连续型信息采用归一化的处理方式进行特征处理，得到综合连续特征；

将所述综合类别特征以及所述综合连续特征进行拼接，得到所述历史综合特征；

对两个所述序列中的类别序列采用所述类别编码的处理方式进行特征处理，得到所述长兴趣序列特征以及所述短兴趣序列特征。