[发明专利]一种媒体内容推荐方法、装置、电子设备及存储介质

说明书

本公开关于一种媒体内容推荐方法、装置、电子设备及存储介质，该方法包括：获取目标用户的近期兴趣对象，所述近期兴趣对象表征所述目标用户账户在当前时间之前的预设时长内感兴趣的媒体内容的类别；确定所述目标用户账户对应的全量历史行为信息序列中与所述近期兴趣对象相匹配的目标历史行为信息，得到所述目标用户账户对应的目标历史行为信息序列；通过已训练的兴趣指标预估模型，根据所述目标用户账户对应的目标历史行为信息序列确定所述目标用户账户对候选媒体内容集合中各候选媒体内容的兴趣指标；所述兴趣指标用于确定向所述目标用户账户推荐的候选媒体内容。本公开提高了对媒体内容的推荐效率和推荐准确性。

技术领域

本公开涉及计算机技术领域，尤其涉及一种媒体内容推荐方法、装置、电子设备及存储介质。

背景技术

媒体内容推荐系统中通常基于点击率预估模型(ClickThroughRate,CTR)来预估用户对各候选媒体内容的感兴趣程度，进而可以基于该感兴趣程度向该用户推荐感兴趣的候选媒体内容。

由于用户历史行为信息中蕴含着用户的“兴趣点”信息，基于这些“兴趣点”信息可以给用户推荐更感兴趣的内容，因此，相关技术中采用基于检索的用户行为兴趣CTR模型，该模型包括通用搜索单元(GeneralSearchUnit，GSU)和精确搜索单元(ExactSearchUnit，ESU)。然而，相关技术中针对每个候选媒体内容都会对通用搜索单元进行一次请求，以基于该候选媒体内容对用户的全量历史行为序列进行一次搜索，也即在针对一次媒体内推荐请求的响应中，若对应有1000个候选媒体内容，那么需要向GSU单元请求1000次，导致向GSU的请求频次高，降低了预估效率低，进而降低了媒体内容的推荐效率；另外，相关技术中预估的感兴趣程度的准确性也较低，进而降低了媒体内容的推荐准确性。

发明内容

本公开提供一种媒体内容推荐方法、装置、电子设备及存储介质，以至少解决相关技术中基于检索的用户行为兴趣CTR模型进行媒体内容推荐时存在推荐效率低以及准确性差的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种媒体内容推荐方法，包括：

获取目标用户账户对应的近期兴趣对象；所述近期兴趣对象表征所述目标用户账户在当前时间之前的预设时长内感兴趣的媒体内容的类别；

确定所述目标用户账户对应的全量历史行为信息序列中，与所述近期兴趣对象相匹配的目标历史行为信息，得到所述目标用户账户对应的目标历史行为信息序列；

通过已训练的兴趣指标预估模型，根据所述目标用户账户对应的目标历史行为信息序列确定所述目标用户账户对候选媒体内容集合中各候选媒体内容的兴趣指标；所述兴趣指标用于确定向所述目标用户账户推荐的候选媒体内容。

在一个示例性的实施方式中，获取所述目标用户账户的近期历史行为信息序列，所述近期历史行为信息序列是指在当前时间之前的预设时长内所述目标用户账户针对媒体内容产生的行为信息序列；

根据所述近期历史行为信息序列中各历史行为信息对应的媒体内容，确定所述目标用户账户对应的近期兴趣对象。

在一个示例性的实施方式中，所述根据所述近期历史行为信息序列中各历史行为信息对应的媒体内容，确定所述目标用户账户对应的近期兴趣对象，包括：

确定所述近期历史行为信息序列中各历史行为信息对应的媒体内容所属的类目，得到至少一个类目；

确定所述至少一个类目中各类目对应的所述媒体内容的数量；

在所述各类目对应的所述媒体内容的数量满足预设数量分布的情况下，从所述至少一个类目中选取至少一个目标类目；所述目标类目对应的所述媒体内容的数量满足第一预设条件；

将所述至少一个目标类目确定为所述目标用户账户对应的近期兴趣对象。