[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

说明书

本发明提供一种推荐个数模型的训练方法、混合内容推荐方法及装置，所述训练方法包括：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。利用本发明提供的方法，可以训练用于确定混合推荐列表中指定类型内容的推荐个数的推荐个数模型，以合理的进行混合内容推荐，提高用户体验。

技术领域

本发明涉及互联网技术领域，尤其涉及一种推荐个数模型的训练方法、混合内容推荐方法及装置。

背景技术

混合内容推荐是指，在信息流推荐中，对不同类型，例如图片、文字、图文、音频、视频等的内容，分别进行召回和排序后，再进行混合排序，将一定数量排序靠前的内容组合成列表，推荐给用户。

现有技术中主要存在三种混合内容推荐的方案：

(1)根据不同类型内容在同一排序模型中的分数，选取分数最高的top k集合推荐给用户。

但是，不同类型内容的点击率不同，点击率低的内容的分数低于其他内容的分数，会影响点击率低的内容的推荐个数；而且，每种类型内容的推荐个数随排序结果变化，依赖排序模型的打分，混合排序推荐的结果不可控。

(2)根据不同类型内容在不同排序模型中的分数，选取分数最高的top k集合推荐给用户。

但是，不同排序模型分别对不同类型内容打分，获得的每种类型内容的分数之间没有比较的意义；而且，上述方案也存在混合排序推荐的结果不可控的问题。

(3)综合考虑影响用户偏好程度的因素，基于人工经验设置明确的规则和策略，计算每种类型内容的推荐个数。

然而，当考虑的因素逐渐变多时，上述规则的设置变得复杂、难以控制，可行性较低；且上述方案依赖人工经验，效率较低。

在基于排序模型打分的基础上，针对不同类型的推荐内容，如何合理确定各类型的推荐个数，以提升推荐内容的曝光程度，最大程度的满足用户需求，需要提供相应的解决方案。

发明内容

本发明实施例提供一种推荐个数模型的训练方法、混合内容推荐方法及装置，解决现有的混合内容推荐的方案中存在的，确定各类型内容的推荐个数的方法不合理，混合内容推荐结果不可控的问题。

第一方面，本发明实施例提供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，该方法包括：

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。

在一种可能的实施方式中，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。