[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

说明书

本申请是关于一种内容推荐方法、装置、服务器及计算机可读存储介质，方法包括：获得待进行内容推荐的用户的特征信息；用户的特征信息包括：用户在历史上点击内容的行为所对应的行为特征信息；将用户的特征信息和待推荐内容的特征信息输入至点击率预估模型，得到用户点击待推荐内容的点击率估计值；点击率估计值是基于用户的行为特征信息与待推荐内容的特征信息的相似度，及用户对每个行为特征信息的选择倾向值计算得到的；根据点击率估计值，确定给用户推荐待推荐内容的推荐策略。这样，该点击率预估模型既考虑了用户的行为与待推荐内容的关系，又考虑了用户选择行为的倾向性，使得可以得到更准确的点击率估计值，从而可以更精准地进行内容推荐。

技术领域

本申请涉及互联网技术领域，特别是涉及一种内容推荐方法、装置、服务器及计算机可读存储介质。

背景技术

随着互联网技术的发展，网络用户越来越频繁地浏览视频网站、新闻网站和购物网站等网站所推荐的内容。

但是，目前的视频网站、新闻网站和购物网站等网站向每个用户所推荐的内容是一样的。而对于不同用户而言，每个用户所感兴趣的视频、新闻或物品是不相同的。这样，使得网站所推荐的内容无法满足用户的个性化需求。

发明内容

为克服相关技术中存在的问题，本申请提供一种内容推荐方法、装置、服务器及计算机可读存储介质。

根据本申请实施例的第一方面，提供一种内容推荐方法，该方法包括：

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

将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，得到用户点击待推荐内容的点击率估计值；其中，点击率估计值是基于用户的行为特征信息与待推荐内容的特征信息的相似度，及用户对每个行为特征信息的选择倾向值计算得到的；

根据点击率估计值，确定给用户推荐待推荐内容的推荐策略。

可选地，点击率预估模型为深度感兴趣模型；深度感兴趣模型包括激活单元和计算单元；

激活单元，用于基于用户的行为特征信息与待推荐内容的特征信息的相似度，及用户对每个行为特征信息的选择倾向值，计算每个行为特征信息的权重值；

计算单元，用于根据加权和计算用户点击待推荐内容的点击率估计值；加权和是利用权重值对行为特征信息进行加权求和计算得到的。

可选地，计算用户对每个行为特征信息的选择倾向值的方式包括：

对用户的各个行为特征信息进行求和，得到和值特征信息；

根据各个行为特征信息的数量和和值特征信息，计算平均特征信息；

计算用户的每个行为特征信息与平均特征信息的第一相似度；

根据第一相似度，确定用户对每个行为特征信息的选择倾向值。

可选地，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；

第一特征连接层，用于对用户的行为特征信息、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，第二相似度为用户的行为特征信息与待推荐内容的特征信息的差值；

第二特征连接层，用于对用户的行为特征信息、平均特征信息以及第一相似度进行特征连接，得到第二特征信息；其中，第一相似度为用户的行为特征信息与平均特征信息的差值；

第一全连接层，用于对第一特征信息进行全连接，得到第一全连接特征信息；

第二全连接层，用于对第二特征信息进行全连接，得到第二全连接特征信息；