[发明专利]基于深度兴趣网络的专题推荐方法及装置

权利要求书

1.一种基于深度兴趣网络的专题推荐方法，其特征在于，包括以下步骤：

获取用户信息和用户的历史点击数据，并根据所述用户信息和所述历史点击数据生成训练数据；

根据所述训练数据进行模型训练，以得到深度兴趣捕获模型；

获取物品对应的物品信息，并将所述物品信息输入到所述深度兴趣捕获模型，以通过所述深度兴趣捕获模型输出对应的物品向量，以及根据每个物品对应的物品向量计算专题向量；

获取用户的待分析点击数据，并将所述待分析点击数据输入到所述深度兴趣捕获模型，以通过所述深度兴趣捕获模型输出对应的用户向量；

根据所述用户向量和所述专题向量进行相似性检索，并根据检索结果确定专题推荐列表，以及将所述专题推荐列表推送给该用户。

2.如权利要求1所述的基于深度兴趣网络的专题推荐方法，其特征在于，所述用户的历史点击数据包括用户每次历史点击行为对应的物品信息、时间信息和各历史点击行为之间的排序信息。

3.如权利要求1所述的基于深度兴趣网络的专题推荐方法，其特征在于，所述训练数据包括离散型特征、连续型特征和序列特征；

其中，所述离散型特征包括时间信息、用户属性信息和物品分类信息，所述连续型特征包括用户历史点击物品分类统计信息，所述序列特征包括用户历史点击行为对应的物品信息序列。

4.如权利要求3所述的基于深度兴趣网络的专题推荐方法，其特征在于，所述训练数据还包括样本时间特征，其中，根据所述用户信息和所述历史点击数据生成训练数据，包括：

根据所述用户信息和所述历史点击数据生成训练样本，并计算所述训练样本与当前时间之间的时间差值，以及判断该时间差值是否大于预设的时间阈值，以便将判断结果作为样本时间特征。

5.如权利要求1-4中任一项所述的基于深度兴趣网络的专题推荐方法，其特征在于，根据所述用户信息和所述历史点击数据生成训练数据，包括：

统计每个物品对应的被点击次数，并根据统计结果确定每个物品对应的负样本选取概率，以及根据每个物品对应的负样本选取概率进行负样本的随机选择。

6.如权利要求1-4中任一项所述的基于深度兴趣网络的专题推荐方法，其特征在于，根据检索结果确定专题推荐列表，包括：

根据kmeas聚类算法对专题进行聚类，以生成多个专题类别；

根据检索结果生成待推荐专题列表，并根据所述多个专题类别和滑窗打散法对所述待推荐专题列表进行打散处理，以生成最终专题推荐列表。

7.一种计算机可读存储介质，其特征在于，其上存储有基于深度兴趣网络的专题推荐程序，该基于深度兴趣网络的专题推荐程序被处理器执行时实现如权利要求1-6中任一项所述的基于深度兴趣网络的专题推荐方法。

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如权利要求1-6中任一项所述的基于深度兴趣网络的专题推荐方法。

9.一种基于深度兴趣网络的专题推荐装置，其特征在于，包括：

获取模块，所述获取模块用于获取用户信息和用户的历史点击数据，并根据所述用户信息和所述历史点击数据生成训练数据；

训练模块，所述训练模块用于根据所述训练数据进行模型训练，以得到深度兴趣捕获模型；

兴趣捕获模块，所述兴趣捕获模块用于获取物品对应的物品信息，并将所述物品信息输入到所述深度兴趣捕获模型，以通过所述深度兴趣捕获模型输出对应的物品向量，以及根据每个物品对应的物品向量计算专题向量；

所述兴趣捕获模块还用于获取用户的待分析点击数据，并将所述待分析点击数据输入到所述深度兴趣捕获模型，以通过所述深度兴趣捕获模型输出对应的用户向量；

推荐模块，所述推荐模块用于根据所述用户向量和所述专题向量进行相似性检索，并根据检索结果确定专题推荐列表，以及将所述专题推荐列表推送给该用户。

10.如权利要求9所述基于深度兴趣网络的专题推荐装置，其特征在于，所述用户的历史点击数据包括用户每次历史点击行为对应的物品信息、时间信息和各历史点击行为之间的排序信息。