基于大模型的推荐方法、装置、电子设备及存储介质与流程

本公开涉及计算机，尤其涉及深度学习、智能推荐、大模型等人工智能，具体涉及一种基于大模型的推荐方法、装置、电子设备及存储介质。

背景技术：

1、随着互联网的快速发展，各种各样的信息流产品应运而生，信息流产品以瀑布流的方式分发内容产品，常见的信息流产品如购物类应用，其对应分发的内容产品为商品；新闻类应用，其对应分发的内容产品为新闻信息等。

2、然而，目前的推荐系统，多是采用固定的话术进行内容推荐，方式单一，进而导致推荐效果差，准确性低的问题。

技术实现思路

1、本公开提供了一种基于大模型的推荐方法、装置、电子设备及存储介质。

2、根据本公开的第一方面，提供了一种基于大模型的推荐方法，包括：

3、确定目标用户对应的感兴趣内容描述信息；

4、将待推荐内容、所述感兴趣内容描述信息和当前的热门搜索语句，输入大模型中，生成所述待推荐内容对应的至少一个推荐卡片，其中所述推荐卡片中包含与所述待推荐内容关联的推荐语；

5、获取所述目标用户当前的行为特征；

6、在所述当前的行为特征满足推荐卡片的显示条件的情况下，显示至少一个待推荐内容对应的推荐卡片。

7、根据本公开的第二方面，提供了一种基于大模型的推荐装置，包括：

8、确定模块，用于确定目标用户对应的感兴趣内容描述信息；

9、生成模块，用于将待推荐内容、所述感兴趣内容描述信息和当前的热门搜索语句，输入大模型中，生成所述待推荐内容对应的至少一个推荐卡片，其中所述推荐卡片中包含与所述待推荐内容关联的推荐语；

10、获取模块，用于获取所述目标用户当前的行为特征；

11、显示模块，用于在所述当前的行为特征满足推荐卡片的显示条件的情况下，显示至少一个待推荐内容对应的推荐卡片。

12、根据本公开的第三方面，提供了一种电子设备，包括：

13、至少一个处理器；以及

14、与所述至少一个处理器通信连接的存储器；其中，

15、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的基于大模型的推荐方法。

16、根据本公开第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如第一方面所述的基于大模型的推荐方法。

17、根据本公开的第五方面，提供了一种计算机程序产品，包括计算机指令，所述计算机指令在被处理器执行时实现如第一方面所述的基于大模型的推荐方法的步骤。

18、本公开提供的基于大模型的推荐方法、装置、电子设备及存储介质，存在如下有益效果：

19、本公开实施例中，先确定目标用户对应的感兴趣内容描述信息，之后将待推荐内容、感兴趣内容描述信息和当前的热门搜索语句，输入大模型中，生成待推荐内容对应的至少一个推荐卡片，进而获取目标用户当前的行为特征，最后在当前的行为特征满足推荐卡片的显示条件的情况下，显示至少一个待推荐内容对应的推荐卡片。由此，不仅可以结合不同用户的感兴趣内容描述信息、热门搜索语句，针对同一个待推荐内容，为不同的用户生成不同的推荐卡片，使得生成的推荐卡片更贴合用户偏好，而且可以根据用户当前的行为，为用户显示推荐卡片，提高了推荐形式的多样性及准确性。

20、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种基于大模型的推荐方法，包括：

2.如权利要求1所述的方法，其中，在所述将待推荐内容、所述感兴趣内容描述信息和当前的热门搜索语句，输入大模型中，生成所述待推荐内容对应的至少一个推荐卡片，其中所述推荐卡片中包含与所述待推荐内容关联的推荐语之前，还包括：

3.如权利要求1所述的方法，其中，所述在所述当前的行为特征满足推荐卡片的显示条件的情况下，显示至少一个待推荐内容对应的推荐卡片，包括：

4.如权利要求3所述的方法，其中，所述基于所述满足的显示条件的类型，确定目标推荐内容，包括：

5.如权利要求4所述的方法，其中，所述基于所述目标用户当前消费的内容，确定所述目标推荐内容，包括：

6.如权利要求4所述的方法，其中，所述基于显示界面当前显示的内容，确定所述目标推荐内容，包括：

7.如权利要求1-6任一所述的方法，其中，在所述显示至少一个待推荐内容对应的推荐卡片之后，还包括：

8.如权利要求7所述的方法，其中，在所述确定所述推荐卡片的得分之后，还包括：

9.如权利要求7所述的方法，其中，所述获取所述推荐卡片对应的第二交互信息，包括：

10.如权利要求7所述的方法，其中，所述针对每个推荐卡片，基于点击率预测模型确定所述推荐卡片的点击率，包括：

11.如权利要求10所述的方法，其中，所述方法还包括：

12.一种基于大模型的推荐装置，包括：

13.如权利要求12所述的装置，其中，还包括第一处理模块，用于：

14.如权利要求12所述的装置，其中，所述显示模块，用于：

15.如权利要求14所述的装置，其中，所述显示模块，用于：

16.如权利要求15所述的装置，其中，所述显示模块，用于：

17.如权利要求15所述的装置，其中，所述显示模块，用于：

18.如权利要求12-17任一所述的装置，其中，还包括第二处理模块，用于：

19.如权利要求18所述的装置，其中，所述第二处理模块，还用于：

20.如权利要求18所述的装置，其中，所述第二处理模块，用于：

21.如权利要求18所述的装置，其中，所述第二处理模块，用于：

22.如权利要求21所述的装置，其中，所述装置还包括第三处理模块，用于：

23.一种电子设备，包括：

24.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-11中任一项所述的方法。

25.一种计算机程序产品，包括计算机指令，所述计算机指令被处理器执行时实现权利要求1-11中任一项所述方法的步骤。

技术总结
本公开提供了一种基于大模型的推荐方法、装置、电子设备及存储介质，涉及计算机技术领域，尤其涉及深度学习、智能推荐、大模型等人工智能技术领域。具体实现方案为：确定所述目标用户对应的感兴趣内容描述信息；将待推荐内容、所述感兴趣内容描述信息和当前的热门搜索语句，输入大模型中，生成所述待推荐内容对应的至少一个推荐卡片，其中所述推荐卡片中包含与所述待推荐内容关联的推荐语；获取所述目标用户当前的行为特征；在所述当前的行为特征满足推荐卡片的显示条件的情况下，显示至少一个待推荐内容对应的推荐卡片。

技术研发人员：王朝旭,谢强,郑宇航,秦首科,吴宗刚,邵院华,王雁,常若涵,吴晴晴,王璐,郭颂歌,李畅,曹茜,吴倩,胡小雨,刘慧捷,郭宇,薛辉,程汝峰
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：
技术公布日：2024/12/19