[发明专利]一种内容推荐方法、装置、服务器及计算机可读存储介质

权利要求书

1.一种内容推荐方法，其特征在于，所述方法包括：

获得待进行内容推荐的用户的特征信息；所述用户的特征信息包括：所述用户在历史上点击内容的行为所对应的行为特征信息；

将所述用户的特征信息和待推荐内容的特征信息输入至预先构建的点击率预估模型，得到所述用户点击所述待推荐内容的点击率估计值；其中，所述点击率估计值是基于所述用户的行为特征信息与所述待推荐内容的特征信息的相似度，及所述用户对每个所述行为特征信息的选择倾向值计算得到的；计算所述用户对每个所述行为特征信息的选择倾向值的方式包括：对所述用户的各个所述行为特征信息进行求和，得到和值特征信息，根据所述各个行为特征信息的数量和所述和值特征信息，计算平均特征信息，计算所述用户的每个所述行为特征信息与所述平均特征信息的第一相似度，根据所述第一相似度，确定所述用户对每个所述行为特征信息的选择倾向值；

根据所述点击率估计值，确定给所述用户推荐所述待推荐内容的推荐策略。

2.根据权利要求1所述的方法，其特征在于，所述点击率预估模型为深度感兴趣模型；所述深度感兴趣模型包括激活单元和计算单元；

所述激活单元，用于基于所述用户的行为特征信息与所述待推荐内容的特征信息的相似度，及所述用户对每个所述行为特征信息的选择倾向值，计算每个所述行为特征信息的权重值；

所述计算单元，用于根据加权和计算所述用户点击所述待推荐内容的点击率估计值；所述加权和是利用所述权重值对所述行为特征信息进行加权求和计算得到的。

3.根据权利要求2 所述的方法，其特征在于，所述激活单元包括：第一特征连接层、第二特征连接层、第三特征连接层、第一全连接层、第二全连接层和第三全连接层；

所述第一特征连接层，用于对所述用户的行为特征信息、所述待推荐内容的特征信息以及第二相似度进行特征连接，得到第一特征信息；其中，所述第二相似度为所述用户的行为特征信息与所述待推荐内容的特征信息的差值；

所述第二特征连接层，用于对所述用户的行为特征信息、所述平均特征信息以及所述第一相似度进行特征连接，得到第二特征信息；其中，所述第一相似度为所述用户的行为特征信息与所述平均特征信息的差值；

所述第一全连接层，用于对所述第一特征信息进行全连接，得到第一全连接特征信息；

所述第二全连接层，用于对所述第二特征信息进行全连接，得到第二全连接特征信息；

所述第三特征连接层，用于连接所述第一全连接特征信息和所述第二全连接特征信息，得到第三特征信息；

所述第三全连接层，用于对所述第三特征信息进行全连接，得到每个所述行为特征信息的权重值。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述根据所述点击率估计值，确定给所述用户推荐所述待推荐内容的推荐策略的步骤，包括：

判断所述点击率估计值是否大于预设点击率；

若是，确定给所述用户推荐所述待推荐内容；

若否，确定放弃给所述用户推荐所述待推荐内容。

5.一种内容推荐装置，其特征在于，所述装置包括：

获得模块，用于获得待进行内容推荐的用户的特征信息；所述用户的特征信息包括：所述用户在历史上点击内容的行为所对应的行为特征信息；

输入模块，用于将所述用户的特征信息和待推荐内容的特征信息输入至预先构建的点击率预估模型，得到所述用户点击所述待推荐内容的点击率估计值；其中，所述点击率估计值是基于所述用户的行为特征信息与所述待推荐内容的特征信息的相似度，及所述用户对每个所述行为特征信息的选择倾向值计算得到的；计算所述用户对每个所述行为特征信息的选择倾向值的方式包括：对所述用户的各个所述行为特征信息进行求和，得到和值特征信息，根据所述各个行为特征信息的数量和所述和值特征信息，计算平均特征信息，计算所述用户的每个所述行为特征信息与所述平均特征信息的第一相似度，根据所述第一相似度，确定所述用户对每个所述行为特征信息的选择倾向值；

确定模块，用于根据所述点击率估计值，确定给所述用户推荐所述待推荐内容的推荐策略。