[发明专利]一种推荐内容的推送方法、装置、电子设备和存储介质

权利要求书

1.一种推荐内容的推送方法，其特征在于，所述方法包括：

获取当前展示界面中当前内容的当前标签；

通过目标推荐模型对所述当前标签进行分析，得到所述当前标签对应的至少一个标签分值，其中，所述目标推荐模型是基于Q矩阵得到的；

从所述至少一个标签分值中选取分值最大的推荐分值；

根据所述Q矩阵中分值和标签的对应关系，确定所述当前标签的推荐分值对应的推荐标签，其中，所述推荐标签是用户待观看内容的标签；

从数据库中选取所述推荐标签对应的推荐内容进行推送。

2.根据权利要求1所述的方法，其特征在于，确定所述当前标签的推荐分值对应的推荐标签之后，所述方法还包括：

将所述当前标签、所述推荐标签和所述推荐内容作为训练样本，对回报矩阵进行更新，其中，所述回报矩阵中的回报值是基于样本观看标签、样本推荐标签和所述样本推荐标签对应的样本推荐内容确定的；

根据更新后的回报矩阵生成更新后的Q矩阵；

根据更新后的Q矩阵得到更新后的目标推荐模型；

基于所述更新后的目标推荐模型，针对新的当前内容确定新的推荐标签和新的推荐内容。

3.根据权利要求1所述的方法，其特征在于，通过目标推荐模型对所述当前标签进行分析之前，所述方法还包括：

建立初始Q矩阵和初始回报矩阵，其中，所述初始Q矩阵和所述初始回报矩阵中均包括N×N个初始化为0的元素值，N为标签库中标签的数量；

基于所述初始回报矩阵，通过样本观看标签、样本推荐标签和样本推荐内容确定回报矩阵；

针对历史数据库中样本内容的观看顺序，基于所述初始Q矩阵和所述回报矩阵构建Q矩阵，其中，所述Q矩阵中的每行指示一个标签，所述Q矩阵中的每列指示从当前标签跳转到下一个标签的动作；

通过所述Q矩阵生成所述目标推荐模型。

4.根据权利要求3所述的方法，其特征在于，所述基于所述初始回报矩阵，通过样本观看标签、样本推荐标签和样本推荐内容确定回报矩阵包括：

确定样本观看标签和样本推荐标签，其中，所述样本推荐标签为所述初始回报矩阵中样本观看标签的下一个标签；

确定所述样本推荐标签对应的样本推荐内容的观看时长；

在所述观看时长大于等于预设时长阈值的情况下，确定所述样本观看标签的回报值为奖励值；

在所述观看时长小于预设时长阈值的情况下，确定所述样本观看标签的回报值为惩罚值；

基于所述奖励值和所述惩罚值构建所述回报矩阵。

5.根据权利要求4所述的方法，其特征在于，所述确定样本观看标签和样本推荐标签包括：

获取历史数据库中的样本观看内容和样本推荐内容，其中，所述样本推荐内容为所述样本观看内容的下一个展示内容；

根据所述标签库，确定所述样本观看内容的样本观看标签和所述样本推荐内容的样本推荐标签。

6.根据权利要求5所述的方法，其特征在于，所述针对历史数据库中样本内容的观看顺序，基于所述初始Q矩阵和所述回报矩阵构建Q矩阵包括：

采用如下方式遍历所述历史数据库中每个样本内容：

按照所述历史数据库中样本内容的观看顺序，确定样本观看内容和样本推荐内容，其中，所述样本观看内容对应样本观看标签，所述样本推荐内容对应样本推荐标签；

基于所述样本观看标签在所述回报矩阵中的回报值，和所述样本推荐标签在所述初始Q矩阵中的矩阵值，确定所述样本观看标签的矩阵值；

基于每个矩阵值构建所述Q矩阵。

7.根据权利要求1所述的方法，其特征在于，所述通过目标推荐模型对所述当前标签进行分析，得到所述当前标签对应的至少一个标签分值包括：

确定所述当前标签在所述Q矩阵中对应的至少一个动作，其中，每个动作指示从所述当前标签跳转到所述Q矩阵中的一个待选标签；

确定从所述当前标签跳转至每个待选标签的矩阵值；

将所述矩阵值作为标签分值。