[发明专利]内容推荐方法、装置、存储介质及电子设备

权利要求书

1.一种内容推荐方法，其特征在于，包括：

将待推荐内容输入预先训练的跨模态模型，以获取所述待推荐内容中各模态的第一模态特征向量；

将所述第一模态特征向量以及所述待推荐内容的标签输入预先训练的内容表征模型，以获取所述待推荐内容的第一内容特征向量；

若确定所述第一内容特征向量满足预设条件，则将所述待推荐内容推荐给用户。

2.根据权利要求1所述的方法，其特征在于，所述确定所述第一内容特征向量满足预设条件包括：

在所述第一内容特征向量与第一用户特征向量的相似度大于或者等于预设相似度阈值时，确定所述第一内容特征向量满足预设条件。

3.根据权利要求2所述的方法，其特征在于，所述将所述待推荐内容推荐给用户前，所述方法还包括：

获取用户标识信息以及用户画像数据；

将所述用户标识信息以及用户画像数据输入所述内容表征模型，以获取所述第一用户特征向量。

4.根据权利要求1所述的方法，其特征在于，所述确定所述第一内容特征向量满足预设条件包括：

在所述第一内容特征向量与用户历史浏览的目标内容的第二内容特征向量的相似度大于或者等于预设相似度阈值时，确定所述内容特征向量满足预设条件。

5.根据权利要求4所述的方法，其特征在于，所述将所述待推荐内容推荐给用户前，所述方法还包括：

获取用户历史浏览的目标内容；

将所述目标内容输入预先训练的跨模态模型，以获取所述目标内容中的各模态的第二模态特征向量；

将所述第二模态特征向量以及所述目标内容的标签输入所述预先训练的内容表征模型，以获取所述目标内容的第二内容特征向量。

6.根据权利要求1所述的方法，其特征在于，所述将所述第一模态特征向量以及所述待推荐内容的标签输入预先训练的内容表征模型前，所述方法还包括：

获取正样本和负样本；

获取与所述正样本对应的第三内容特征向量；

获取与所述负样本对应的第四内容特征向量；

根据所述正样本和所述负样本获取第二用户特征向量；

根据所述第二用户特征向量、所述第三内容特征向量以及所述第四内容特征向量构建所述内容表征模型的损失函数；

采用所述损失函数对所述内容表征模型进行训练，并在所述损失函数的取值达到最小时，完成对所述内容表征模型的训练。

7.根据权利要求1所述的方法，其特征在于，所述内容表征模型包括目标卷积神经网络以及和所述目标卷积神经网络连接的卷积层，所述将所述第一模态特征向量以及所述待推荐内容的标签输入预先训练的内容表征模型，以获取所述待推荐内容的第一内容特征向量包括：

将所述第一模态特征向量以及所述待推荐内容的标签输入所述目标卷积神经网络中的全局平均池化层，以获取压缩后的特征向量；

将所述压缩后的特征向量输入所述目标卷积神经网络中的全连接层，以获取所述第一模态特征向量的第一权重以及所述待推荐内容的标签的第二权重；

根据所述第一权重以及所述第二权重计算所述第一模态特征向量和所述待推荐内容的标签的加权值；

将所述加权值输入所述卷积层，以对所述加权值进行特征提取，获取所述待推荐内容的第一内容特征向量。

8.一种内容推荐装置，其特征在于，包括：

第一模态特征向量获取模块，用于将待推荐内容输入预先训练的跨模态模型，以获取所述待推荐内容中各模态的第一模态特征向量；

第一内容特征向量获取模块，用于将所述第一模态特征向量以及所述待推荐内容的标签输入预先训练的内容表征模型，以获取所述待推荐内容的第一内容特征向量；

待推荐内容推荐模块，用于若确定所述第一内容特征向量满足预设条件，则将所述待推荐内容推荐给用户。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至7任一项所述方法的步骤。