[发明专利]内容推荐方法、装置、设备及计算机存储介质

说明书

本申请公开了一种内容推荐方法、装置、设备及计算机存储介质，可应用于云技术、人工智能、智慧交通、辅助驾驶、地图等各种场景，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，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；将第一评估矩阵输入至已训练的内容推荐模型，获得内容推荐模型输出的第二评估矩阵；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，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；根据第二评估矩阵，向多个推荐对象分别推荐至少一个待推荐内容，通过对内容施加权重，提升了内容推荐的准确率。

技术领域

本申请涉及计算机技术领域，尤其涉及内容推荐技术领域，提供一种内容推荐方法、装置、设备及计算机存储介质。

背景技术

随着互联网技术的发展，通过互联网能够提供多种内容服务。与此对应的，服务提供商能够通过推荐系统来推荐可能感兴趣的内容，如商品、游戏以及优惠券等。因此，如何精准的进行推荐，是推荐系统比较关注的问题。

目前，在进行内容推荐时，基于协同过滤算法的推荐方法由于是基于推荐对象对于待推荐内容的评估矩阵（Rating Data）进行推荐，而无需相关的特征数据和标签数据，因而这种推荐方法能很好的解决推荐对象数据缺失问题以及新内容的推荐问题。

但是，该方法虽然能够解决推荐对象数据缺失问题以及新内容的推荐问题，但是由于该方法仅仅依赖于推荐对象针对某个推荐内容的评估值，在实际场景中的推荐准确率并不高。

发明内容

本申请实施例提供一种内容推荐方法、装置、设备及计算机存储介质，用于提升内容推荐的准确率。

一方面，提供一种内容推荐方法，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；

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。

一方面，提供一种内容推荐装置，所述装置包括：

第一评估单元，用于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；

第二评估单元，用于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；

推荐单元，用于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。

可选的，训练单元，具体用于：

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。