[发明专利]基于深度兴趣网络的专题推荐方法及装置

说明书

本发明公开了一种基于深度兴趣网络的专题推荐方法、介质、设备及装置，其中方法包括：获取用户信息和用户的历史点击数据，并生成训练数据；训练得到深度兴趣捕获模型；获取物品对应的物品信息，并通过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，并通过深度兴趣捕获模型输出对应的用户向量；根据用户向量和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，以及将专题推荐列表推送给该用户；能够在无需建立专题对应的标签的前提下，准确地对用户进行专题推荐，降低专题推荐过程中所需耗费的人力和物力。

技术领域

本发明涉及深度学习技术领域，特别涉及一种基于深度学习网络的专题推荐方法、一种计算机可读存储介质、一种计算机设备以及一种基于深度兴趣网络的专题推荐装置。

背景技术

相关技术中，在需要为用户推荐相应的专题时，多采用画像的方式；即言，首先，基于规则统计出用户对于不同专题的偏好得分；然后，将用户最偏好的类目下的专题进行优先展示，以完成专题的推荐；然而，这种方式对于专题对应的标签依赖性强，为了提高专题推荐的准确性，必然需要耗费大量的人力物力来建立高质量的标签。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种基于深度兴趣网络的专题推荐方法，能够在无需建立专题对应的标签的前提下，准确地对用户进行专题推荐，降低专题推荐过程中所需耗费的人力和物力。

本发明的第二个目的在于提出一种计算机可读存储介质。

本发明的第三个目的在于提出一种计算机设备。

本发明的第四个目的在于提出一种基于深度兴趣网络的专题推荐装置。

为达到上述目的，本发明第一方面实施例提出了一种基于深度兴趣网络的专题推荐方法，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。

根据本发明实施例的基于深度兴趣网络的专题推荐方法，首先，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；接着，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；然后，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；接着，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；然后，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；从而实现在无需建立专题对应的标签的前提下，准确地对用户进行专题推荐，降低专题推荐过程中所需耗费的人力和物力。

另外，根据本发明上述实施例提出的基于深度兴趣网络的专题推荐方法还可以具有如下附加的技术特征：

可选地，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。

可选地，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。