[发明专利]内容推荐方法、推荐模型生成方法、设备、和存储介质

权利要求书

1.一种用于内容推荐的推荐模型生成方法，其特征在于，包括：

获取用户的历史内容序列，其中所述历史内容序列为所述用户使用过的多个内容的时间序列；

将所述历史内容序列包含的所述多个内容中的一个或多个内容分别替换成预定项，以得到作为训练数据的输入序列；

根据被替换的所述一个或多个内容生成作为所述训练数据的训练数据标识的输出序列，其中所述输出序列为被替换的所述一个或多个内容的时间序列；

使用多个所述训练数据以及相应的所述训练数据标识对神经网络进行训练，以得到用于内容推荐的推荐模型。

2.根据权利要求1所述的方法，其特征在于，将所述历史内容序列包含的所述多个内容中的一个或多个内容分别替换成预定项包括：

将所述多个内容中预定数量或预定比例的内容分别替换成预定项。

3.根据权利要求1所述的方法，其特征在于，将所述历史内容序列包含的所述多个内容中的一个或多个内容分别替换成预定项包括：

从所述多个内容中随机地选择所述一个或多个内容以分别替换成预定项。

4.根据权利要求1所述的方法，其特征在于，所述预定项为如下中的至少一个：

与所有内容均不对应的无意义项；或

随机选择的内容。

5.根据权利要求1所述的方法，其特征在于，所述神经网络为卷积神经网络。

6.根据权利要求5所述的方法，其特征在于，所述卷积神经网络包括多个卷积层，其中，每个卷积层的输出分别连接到该卷积层之上的每个卷积层，作为该卷积层之上的每个卷积层的残差输入。

7.根据权利要求5所述的方法，其特征在于，所述卷积神经网络为空洞卷积神经网络。

8.根据权利要求6所述的方法，其特征在于，所述卷积神经网络的每个卷积层被配置为：将接收的残差输入与该卷积层的输入进行向量拼接，将得到的向量作为该卷积层的总输入。

9.根据权利要求1-8中任一项所述的方法，其特征在于，所述被替换的所述一个或多个内容中至少一个不是位于所述历史内容序列的尾部的内容。

10.根据权利要求1-8中任一项所述的方法，其特征在于，使用多个所述训练数据以及相应的所述训练数据标识对神经网络进行训练包括：

通过调整所述神经网络的参数，使得所述神经网络所确定的、被替换的所述一个或多个内容的出现概率最大。

11.一种内容推荐方法，其特征在于，包括：

获取用户的历史内容序列，其中所述历史内容序列为所述用户使用过的多个内容的时间序列；

在所述历史内容序列的尾部添加一预定项作为待求解内容，得到输入序列；

将所述输入序列输入训练好的推荐模型，以得到作为所述推荐模型的输出的待推荐内容，其中所述待推荐内容与所述待求解内容相对应，表示待向所述用户推荐的内容。

12.根据权利要求11所述的方法，其特征在于，所述推荐模型是根据权利要求1-10中任一项所述的用于内容推荐的推荐模型生成方法而生成的。