[发明专利]一种推荐个数模型的训练方法、混合内容推荐方法及装置

权利要求书

1.一种推荐个数模型的训练方法，用于确定混合推荐列表中指定类型内容的推荐个数，其特征在于，包括：

获取基于混合推荐列表进行内容推荐时，用户对指定类型内容的行为反馈；

根据所述行为反馈及所述混合列表中指定类型内容的实际推荐个数，确定指定类型内容的期望推荐个数；

对所述用户的属性信息、内容推荐时用户所处的上下文信息和所述用户对指定类型内容的历史操作信息中至少一种进行特征提取；

将提取的特征作为推荐个数模型的输入，以输出所述期望推荐个数为目标，调整所述推荐个数模型的参数。

2.根据权利要求1所述的方法，其特征在于，根据所述行为反馈及所述混合列表中指定类型内容的实际推荐个数，确定指定类型内容的期望推荐个数，包括：

确定用户点击所述指定类型内容的次数等于第一阈值时，将所述实际推荐个数作为期望推荐个数；

确定用户点击所述指定类型内容的次数大于第一阈值时，将所述实际推荐个数递增得到期望推荐个数；

确定用户点击所述指定类型内容的次数小于第一阈值时，将所述实际推荐个数递减得到期望推荐个数。

3.根据权利要求2所述的方法，其特征在于，所述提取的特征和对应的期望推荐个数为一个样本，调整所述推荐个数模型的参数之前，还包括：

获取包括多个样本的样本集；

确定样本集中用户点击所述指定类型内容的次数小于第一阈值，且所述实际推荐个数小于第二阈值的待筛选样本；

按设定比例筛选掉待筛选样本中的部分样本，得到更新的样本集。

4.根据权利要求1所述的方法，其特征在于，对所述用户的属性信息进行特征提取，包括：

对所述用户的性别、年龄、地理位置中至少一种进行特征提取。

5.根据权利要求1所述的方法，其特征在于，对所述内容推荐时用户所处的上下文信息进行特征提取，包括：

对所述内容推荐的时间、内容推荐时用户登录的客户端类型、内容推荐时客户端连接的网络类型中至少一种进行特征提取。

6.根据权利要求1所述的方法，其特征在于，对所述用户对指定类型内容的历史操作信息中至少一种进行特征提取，包括：

对不同历史时间窗口内，所述用户对指定类型内容的正向操作次数和/或负向操作次数进行特征提取。

7.根据权利要求1所述的方法，其特征在于，还包括：

在推荐个数模型的建模阶段，根据排序模型对不同类型内容的推荐程度评分，确定所述混合推荐列表中指定类型内容的实际推荐个数；

在推荐个数模型的更新阶段，利用所述推荐个数模型，确定所述混合推荐列表中指定类型内容的实际推荐个数。

8.一种混合排序推荐的方法，应用于推荐服务器，其特征在于，包括：

接收用户的推荐请求，获取所述用户的属性信息、内容推荐时用户所处的上下文信息和所述用户对指定类型内容的历史操作信息中至少一种；

对所述用户的属性信息、内容推荐时用户所处的上下文信息和所述用户对指定类型内容的历史操作信息中至少一种进行特征提取；

将提取的特征输入到推荐个数模型，其中，所述推荐个数模型是基于权利要求1至7中任一项所述方法训练得到的；

根据所述推荐个数模型预测的推荐个数，及不同类型内容的推荐程度评分，得到不同类型内容混合排序的混合推荐列表并发送给所述用户。

9.一种推荐个数模型的训练设备，包括存储器、处理器及存储在所述存储器上并可在所述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计算机程序时实现权利要求1至7任一项所述推荐个数模型的训练方法的步骤。

10.一种混合排序推荐的设备，包括存储器、处理器及存储在所述存储器上并可在所述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计算机程序时实现权利要求8所述混合排序推荐的方法的步骤。