[发明专利]信息推送方法、装置、计算机设备及计算机可读存储介质

说明书

本发明实施例涉及人工智能技术领域，公开了一种信息推送方法，该方法包括：对所有用户的已观看内容进行分类，得到多个内容分类；根据目标用户对各个所述内容分类的偏好程度以及待推荐内容与所述目标用户的已观看内容的相似度，计算所述目标用户观看各个所述待推荐内容的第一概率；根据所述目标用户所属用户类别对所述待推荐内容的评论信息，计算每个所述待推荐内容被推荐给所述目标用户的第二概率；根据所述第一概率和所述第二概率，得到每个待推荐内容的热度评分；根据所述热度评分将所述待内容推荐给目标用户。通过上述方式，本发明实施例提高了内容的推荐准确率。

技术领域

本发明实施例涉及人工智能技术领域，具体涉及一种信息推送方法、装置、计算机设备及计算机可读存储介质。

背景技术

目前，内容的推送一般通过分析用户关系内容的相似度或者用户好友已观看内容的方式使用协同过滤的方式进行相关内容的推送，或者简单根据热点内容进行内容的推送。

发明人在实施本发明实施例的过程中发现，现有在分析用户观看内容的概率时没有综合考虑用户与内容、用户与用户之间的关系以及用户对已观看内容的有效性评价，导致信息推荐的准确度较低。

发明内容

鉴于上述问题，本发明实施例提供了一种信息推送方法、装置、计算机设备及计算机可读存储介质，用于解决现有技术中存在的信息推荐准确度低的技术问题。

根据本发明实施例的一个方面，提供了一种信息推送方法，所述方法包括：

对所有用户的已观看内容进行分类，得到多个内容分类；

根据目标用户对各个所述内容分类的偏好程度以及待推荐内容与所述目标用户的已观看内容的相似度，计算所述目标用户观看各个所述待推荐内容的第一概率；所述待推荐内容为所述多个内容分类中除所述目标用户已观看内容的任意一个内容；

根据所述目标用户所属用户类别对所述待推荐内容的评论信息，计算每个所述待推荐内容被推荐给所述目标用户的第二概率；

根据所述第一概率和所述第二概率，得到每个待推荐内容的热度评分；

根据所述热度评分将所述待内容推荐给目标用户。

在一种可选的方式中，所述对所有用户的已观看内容进行分类，得到多个内容分类，包括：从所有已观看内容中选取K个内容作为分类中心；计算所有已观看内容与各个所述分类中心的相关性；根据所述相关性，得到各个已观看内容之间的相关性矩阵；迭代更新所述分类中心及所述相关性矩阵，直至满足迭代阈值，得到多个内容分类。

在一种可选的方式中，所述根据所述目标用户对各个所述内容分类的偏好程度以及待推荐内容与所述目标用户的已观看内容的相似度，计算所述目标用户观看各个所述待推荐内容的第一概率，包括：确定目标用户的各个已观看内容以及各个所述内容分类的分类中心；根据所述目标用户的各个已观看内容及各个所述内容分类的分类中心，计算所述目标用户对各个所述内容分类的偏好程度。

在一种可选的方式中，根据所述目标用户对各个所述内容分类的偏好程度以及待推荐内容与所述目标用户的已观看内容的相似度，计算所述目标用户观看各个所述待推荐内容的第一概率，包括：确定所述目标用户的已观看内容的第一特征向量；确定所述待推荐内容的第二特征向量；根据所述第一特征向量及所述第二特征向量，确定待推荐内容与所述目标用户的已观看内容的相似度。

在一种可选的方式中，所述根据所述目标用户所属用户类别对所述待推荐内容的评论信息，计算每个所述待推荐内容被推荐给所述目标用户的第二概率，包括：获取所有用户的观看信息；根据所述观看信息及词向量模型，得到各个用户的特征向量；根据所述特征向量进行聚类，得到各个用户所属的用户类别。