一种内容推荐方法、装置、电子设备和存储介质与流程

本发明涉及内容推荐，具体涉及一种内容推荐方法、装置、电子设备和存储介质。

背景技术：

1、伴随着互联网中内容的增长，人们通过互联网准确获取内容的需求也越来越高，出于提升向使用者推荐内容的准确性等目的，通常会采用从多层级、多种内容特征方式等角度出发确定向使用者推荐的内容的方案。

2、目前，在进行内容推荐时采取的主要方法是，针对每一级内容分别维护一个双塔模型进行处理。但是，每个双塔模型都设置有一个与使用者对应的用户塔，以及一个与内容对应的内容塔，采用这种方案，在存在若干个内容层级时，相较于原始的双塔模型，则需要相应倍数的存储资源和计算资源，在对双塔模型训练时也需要进行相应次数的训练，导致内容推荐的成本较高。

技术实现思路

1、本发明实施例提供一种内容推荐方法、装置、电子设备和存储介质，可以减少在进行内容推荐时所需的存储资源和计算资源，减轻模型训练压力，降低内容推荐的成本。

2、本发明实施例提供一种内容推荐方法，包括：

3、获取内容推荐对象的对象属性信息；

4、通过特征表征模型中的对象表征子模型对所述对象属性信息进行特征提取，得到所述内容推荐对象的对象描述特征，所述特征表征模型还包括至少两个内容表征子模型，不同的所述内容表征子模型对应不同的内容表征方式，所述对象表征子模型和所述内容表征子模型通过同一训练过程训练得到；

5、获取通过所述至少两个内容表征子模型对候选推荐内容提取的至少两个内容表征方式对应的内容描述特征；

6、确定通过目标内容表征方式得到的内容描述特征为候选内容描述特征，所述目标内容表征方式为所述内容表征方式中的至少一种；

7、计算所述对象描述特征和所述候选内容描述特征之间的相似度，根据所述相似度，从所述候选内容描述特征中确定所述内容推荐对象对应的参考内容描述特征；

8、基于所述参考内容描述特征，从所述候选推荐内容中确定向所述内容推荐对象推荐的目标推荐内容。

9、相应的，本发明实施例提供一种内容推荐装置，包括：

10、属性信息获取单元，用于获取内容推荐对象的对象属性信息；

11、对象特征表征单元，用于通过特征表征模型中的对象表征子模型对所述对象属性信息进行特征提取，得到所述内容推荐对象的对象描述特征，所述特征表征模型还包括至少两个内容表征子模型，不同的所述内容表征子模型对应不同的内容表征方式，所述对象表征子模型和所述内容表征子模型通过同一训练过程训练得到；

12、内容特征获取单元，用于获取通过所述至少两个内容表征子模型对候选推荐内容提取的至少两个内容表征方式对应的内容描述特征；

13、候选特征确定单元，用于确定通过目标内容表征方式得到的内容描述特征为候选内容描述特征，所述目标内容表征方式为所述内容表征方式中的至少一种；

14、相似度计算单元，用于计算所述对象描述特征和所述候选内容描述特征之间的相似度，根据所述相似度，从所述候选内容描述特征中确定所述内容推荐对象对应的参考内容描述特征；

15、推荐内容确定单元，用于基于所述参考内容描述特征，从所述候选推荐内容中确定向所述内容推荐对象推荐的目标推荐内容。

16、可选的，本发明实施例提供的内容推荐装置还包括模型训练单元，用于获取至少一组模型训练样本，每一组所述模型训练样本包括对象属性信息样本、推荐内容样本和内容访问标识，所述内容访问标识用于指示所述对象属性信息样本对应的内容推荐对象对所述推荐内容样本的访问概率；

17、获取待训练的特征表征模型，所述待训练的特征表征模型包括待训练的对象表征子模型以及至少两个待训练的内容表征子模型，不同的所述内容表征子模型对应不同的内容表征方式；

18、通过所述待训练的对象表征子模型对所述对象属性信息样本进行特征提取，得到训练对象描述特征；

19、针对各所述内容表征方式，通过与所述内容表征方式对应的所述待训练的内容表征子模型，对所述推荐内容样本进行内容表征，得到对应于所述内容表征方式的训练内容描述特征；

20、计算同一模型训练样本对应的所述训练对象描述特征与各所述训练内容描述特征之间的训练相似度，根据所述训练相似度确定所述模型训练样本对应于各所述内容表征方式的训练访问结果；

21、基于所述训练访问结果和所述内容访问标识，计算所述待训练的特征表征模型的模型损失；

22、根据所述模型损失对所述待训练的特征表征模型的模型参数进行调整，得到训练后的特征表征模型。

23、可选的，所述推荐内容样本包括与所述内容表征方式分别对应的至少两个推荐内容子样本；

24、所述模型训练单元，用于针对各所述内容表征方式，通过与所述内容表征方式对应的所述待训练的内容表征子模型，对所述内容表征方式对应的所述推荐内容子样本进行内容表征，得到对应于所述内容表征方式的训练内容描述特征；

25、根据所述训练相似度和预设的访问判断阈值，确定所述模型训练样本对应于各所述内容表征方式的训练访问结果；

26、基于所述对应于各所述内容表征方式的训练访问结果和所述内容访问标识，计算各所述内容表征方式对应的模型子损失；

27、对各所述模型子损失进行融合计算，得到所述待训练的特征表征模型的模型损失。

28、可选的，所述推荐内容样本包括与至少两个内容层级的推荐内容子样本，所述内容层级之间存在层级高低关系；

29、所述模型训练单元，用于针对各所述内容层级，通过与所述内容层级对应的所述待训练的内容表征子模型，对所述内容层级以及所述内容层级之上的内容层级的推荐内容子样本进行内容表征，得到对应于所述内容表征方式的训练内容描述特征。

30、可选的，所述模型训练单元，用于针对各所述模型训练样本，确定各所述内容表征方式对应的推荐内容子样本的内容缺失信息；

31、基于各所述推荐内容子样本的所述内容缺失信息，计算各所述内容表征方式对应的所述模型子损失的融合权重以及所述特征表征模型对应的模型控制损失；

32、根据所述融合权重和所述模型控制损失，对各所述模型子损失进行融合计算，得到所述待训练的特征表征模型的模型损失。

33、可选的，本发明实施例提供的内容推荐装置还包括样本生成单元，用于获取模型训练正样本，从所述模型训练正样本中提取历史访问对象的对象属性信息，所述模型训练正样本根据历史对象访问信息生成；

34、从所述候选推荐内容中随机选取一组内容生成训练推荐内容；

35、基于所述对象属性信息和所述训练推荐内容，生成模型训练负样本。

36、可选的，所述对象属性信息包括至少一个对象子属性信息，所述对象特征表征单元，用于解析所述对象子属性信息，得到所述对象子属性信息的取值信息；

37、对所述取值信息为离散取值的所述对象子属性信息的离散属性值进行向量搜索，得到所述离散属性值对应的离散子属性向量；

38、对所述取值信息为连续取值的所述对象子属性信息的连续属性值进行区间判断，确定所述连续属性值对应的属性值区间；

39、根据所述属性值区间进行向量搜索，得到所述连续属性值对应的连续子属性向量；

40、对所述离散子属性向量和所述连续子属性向量进行融合，得到所述内容推荐对象的对象描述特征。

41、可选的，本发明实施例提供的内容推荐装置还包括平台内容特征表征单元，用于获取内容平台中的候选推荐内容，所述候选推荐内容中包括至少两个内容层级的候选推荐层级内容；

42、针对各所述内容层级，通过所述特征表征模型中与所述内容层级对应的所述内容表征子模型，对所述层级对应的所述候选推荐层级内容进行内容表征，得到各所述内容层级的所述候选推荐层级内容的内容描述特征。

43、可选的，所述候选推荐内容中包括至少两个内容层级的候选推荐层级内容，所述内容层级之间存在层级高低关系；

44、本发明实施例提供的内容推荐装置还包括索引构建单元，用于计算所述内容描述特征之间的特征相似度，根据所述特征相似度，确定所述内容描述特征之间的相似关系；

45、基于所述层级高低关系和所述相似关系，构建所述内容描述特征对应的即时搜索索引；

46、所述候选特征确定单元，用于从所述即时搜索索引中，确定目标内容层级的目标索引；

47、将所述目标索引对应的所述目标内容层级的内容描述特征作为候选内容描述特征；

48、所述相似度计算单元，用于根据所述对象描述特征以及所述目标索引对应的相似关系，从所述候选内容描述特征中确定所述对象描述特征对应的至少一个近似内容描述特征；

49、计算所述对象描述特征和各所述近似内容描述特征之间的相似度。

50、可选的，所述候选推荐内容中包括至少两个内容层级的候选推荐层级内容，所述内容层级之间存在层级高低关系；

51、所述推荐内容确定单元，用于基于所述参考内容描述特征，获取所述参考内容描述特征对应的层级信息；

52、当所述层级信息指示所述参考内容描述特征对应的内容层级不是最低层级时，确定与所述参考内容描述特征对应的最低层级的候选推荐层级内容，获取所述候选推荐层级内容对应的最低层级内容特征；

53、计算所述对象描述特征和所述最低层级内容特征之间的相似度；

54、根据所述相似度，从所述最低层级内容特征中确定目标推荐内容特征；

55、基于所述目标推荐内容特征对应的候选推荐层级内容，确定向所述内容推荐对象推荐的目标推荐内容。

56、相应的，本发明实施例还提供一种电子设备，包括存储器和处理器；所述存储器存储有计算机程序，所述处理器用于运行所述存储器内的计算机程序，以执行本发明实施例所提供的任一种内容推荐方法中的步骤。

57、相应的，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于处理器进行加载，以执行本发明实施例所提供的任一种内容推荐方法中的步骤。

58、此外，本发明实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现本发明实施例所提供的任一种内容推荐方法中的步骤。

59、采用本发明实施例的方案，可以获取内容推荐对象的对象属性信息，通过特征表征模型中的对象表征子模型对该对象属性信息进行特征提取，得到该内容推荐对象的对象描述特征，该特征表征模型还包括至少两个内容表征子模型，不同的该内容表征子模型对应不同的内容表征方式，该对象表征子模型和该内容表征子模型通过同一训练过程训练得到，获取通过该至少两个内容表征子模型对候选推荐内容提取的至少两个内容表征方式对应的内容描述特征，确定通过目标内容表征方式得到的内容描述特征为候选内容描述特征，该目标内容表征方式为内容表征方式中的至少一种，计算该对象描述特征和该候选内容描述特征之间的相似度，根据该相似度，从该候选内容描述特征中确定该内容推荐对象对应的参考内容描述特征，基于该参考内容描述特征，从该候选推荐内容中确定向该内容推荐对象推荐的目标推荐内容；由于在本发明实施例中，在特征表征模型中仅设置一个对内容推荐对象进行特征提取的对象表征子模型，将不同的内容表征方式对应的内容表征子模型统一到同一特征表征模型中，并通过同一训练过程对特征表征模型的多个子模型进行训练，因此，可以减少在进行内容推荐时所需的存储资源和计算资源，减轻模型训练压力，降低内容推荐的成本。