[发明专利]一种基于rerank算法的内容推荐方法

权利要求书

1.一种基于rerank算法的内容推荐方法，其特征在于：其使用Pointer Network和强化学习分别做模型训练和序列优化，其按照以下处理流程依次进行：原始数据→预处理→输入层→编码层→解码层→优化→评估→循环迭代。

2.根据权利要求1所述的一种基于rerank算法的内容推荐方法，其特征在于：所述循环迭代的过程为数据优化后回到输入层再进行编码、解码、优化、评估。

3.根据权利要求1所述的一种基于rerank算法的内容推荐方法，其特征在于：所述预处理是将原始数据处理成特征为Input layer，经过编码和解码，然后输出提供给排序的列表给RL模型优化，优化后的策略参数反哺给Pointer Network。

4.根据权利要求3所述的一种基于rerank算法的内容推荐方法，其特征在于：所述Pointer Network使用Transformer建模。

5.根据权利要求3所述的一种基于rerank算法的内容推荐方法，其特征在于：所述Input layer将item和用户的相关特征做一定的处理，最终得到数据的综合表征。

6.根据权利要求1所述的一种基于rerank算法的内容推荐方法，其特征在于：所述编码基于self-attention的transformer可以并行的对item做编码，加速计算。

7.根据权利要求1所述的一种基于rerank算法的内容推荐方法，其特征在于：在解码过程通过综合所有特征以及产生出的item列表在每一步选取下一个候选item。

8.根据权利要求3所述的一种基于rerank算法的内容推荐方法，其特征在于：所述RL模型优化是从Pointer Network中采样得到训练样本，使用DDPG能够对得到不同的训练样本排列组合做充分的explorer和策略优化，得到的策略参数提供给训练网络，逐步迭代。

9.根据权利要求1所述的一种基于rerank算法的内容推荐方法，其特征在于：所述评估指标采用AUC，NDCG，精确率和反事实策略评估。

10.根据权利要求9所述的一种基于rerank算法的内容推荐方法，其特征在于：将排序评估的相关指标作为最大化reward的反馈，优化训练网络。