[发明专利]内容推荐方法、装置、设备及计算机存储介质

权利要求书

1.一种内容推荐方法，其特征在于，所述方法包括：

基于多个推荐对象各自的对象特征和多个待推荐内容各自的内容特征，确定第一评估矩阵，所述第一评估矩阵中的每个元素表示一个推荐对象对一个待推荐内容的评估值；

将所述第一评估矩阵输入至已训练的内容推荐模型，获得所述内容推荐模型输出的第二评估矩阵；所述内容推荐模型用于在目标权重矩阵的约束下，基于协同过滤方法预测各个推荐对象对待推荐内容的评估值，所述目标权重矩阵中的每个元素表示相应待推荐内容被互动的权重，且所述目标权重矩阵的初始化是基于初始权重矩阵进行的，所述初始权重矩阵的确定过程包括：基于各个训练样本包括的样本内容各自对应的历史互动次数集合，对所述各个训练样本包括的样本内容进行聚类，获得至少一种内容类别；基于所述至少一种内容类别各自对应的互动次数参考值按秩排序，每个互动次数参考值是根据相应内容类别包括的样本内容的历史互动次数集合确定的；基于秩排序结果，确定所述至少一种内容类别各自被互动的权重，并基于所述至少一种内容类别各自被互动的权重，确定所述初始权重矩阵；

根据所述第二评估矩阵，向所述多个推荐对象分别推荐至少一个待推荐内容。

2.如权利要求1所述的方法，其特征在于，在将所述第一评估矩阵输入至内容推荐模型，获得所述内容推荐模型输出的第二评估矩阵之前，所述方法还包括：

基于各个训练样本包括的样本内容各自对应的历史互动次数集合，确定初始权重矩阵，每个历史互动次数集合包括至少一个样本对象对相应样本内容进行互动的次数；

基于所述各个训练样本各自包括的样本对象的对象特征和样本内容的内容特征，确定第三评估矩阵，所述第三评估矩阵中的每个元素表示一个样本对象对一个样本内容的评估值；

基于所述初始权重矩阵以及所述第三评估矩阵，对内容推荐模型进行训练，获得所述已训练的内容推荐模型。

3.如权利要求2所述的方法，其特征在于，基于所述初始权重矩阵以及所述第三评估矩阵，对内容推荐模型进行训练，包括：

基于所述初始权重矩阵和所述第三评估矩阵，对所述内容推荐模型进行初始化；

基于初始化后的内容推荐模型，获得第四评估矩阵，所述第四评估矩阵中的一个元素表示在相应样本内容当前被互动的权重约束下，一个样本对象对该样本内容的评估值；

基于所述第三评估矩阵与所述第四评估矩阵之间的差异值，构建所述内容推荐模型对应的损失函数；

基于所述损失函数，采用梯度下降方法对所述内容推荐模型进行参数更新。

4.如权利要求3所述的方法，其特征在于，所述内容推荐模型的参数包括目标权重矩阵、对象评估矩阵和内容评估矩阵；则基于所述初始权重矩阵和所述第三评估矩阵，对所述内容推荐模型进行初始化，包括：

以所述初始权重矩阵初始化所述目标权重矩阵；

对所述第三评估矩阵进行矩阵分解，获得初始对象特征矩阵和初始内容特征矩阵；

以所述初始对象特征矩阵初始化所述对象评估矩阵，以及以所述初始内容特征矩阵初始化所述内容评估矩阵；

基于初始化后的内容推荐模型，获得第四评估矩阵，包括：

基于所述对象评估矩阵、所述内容评估矩阵以及所述目标权重矩阵，确定各个样本对象分别对各个样本内容的评估值，获得所述第四评估矩阵。

5.如权利要求4所述的方法，其特征在于，基于所述对象评估矩阵、所述内容评估矩阵以及所述目标权重矩阵，确定各个样本对象分别对各个样本内容的评估值，包括：

基于所述第三评估矩阵包括的所有评估值，确定整体评估参考值；

基于所述第三评估矩阵中各个样本对象各自的至少一个评估值，确定各个样本对象各自对应的对象评估参考值；

基于所述第三评估矩阵中各个样本内容各自的至少一个评估值，确定各个样本内容各自对应的内容评估参考值；

基于所述对象评估矩阵、所述内容评估矩阵以及所述目标权重矩阵、所述整体评估参考值、对象评估参考值和所述内容评估参考值，确定各个样本对象分别对各个样本内容的评估值，获得所述第四评估矩阵。