[发明专利]一种内容推荐方法及内容推荐系统

权利要求书

1.一种内容推荐方法，其特征在于，包括如下步骤：

步骤A：获取所有用户的内容查看历史数据，每个用户的内容查看历史数据包括该用户查看过的所有内容以及各内容的查看时间；

步骤B：按照查看时间先后顺序分别对每个用户查看过的所有内容进行排序，得到每个用户的历史查看内容序列；

步骤C：对每个用户的历史查看内容序列进行连续词袋模型训练，得到连续词袋模型，从而得到每个内容的内容向量；

步骤D：获取目标用户在预设时间窗口内查看过的内容的集合；

步骤E：从所有用户查看过的所有内容中分别提取内容向量与所述集合中的每个内容最相似的第一预设数量个内容；

步骤F：计算目标用户对提取出的所有内容中的每个内容的兴趣度；设目标用户为u，所述集合为M，提取的内容为j，内容向量与内容j最相似的第二预设数量个内容的集合为N，则目标用户u对内容j的兴趣度P_uj的计算方法为：

其中，W_ij表示内容i与内容j的内容向量相似度，P_ui表示目标用户u对内容i的兴趣度；

步骤G：根据目标用户对内容的兴趣度高低从提取出的所有内容中提取出目标用户兴趣度最高的第三预设数量个内容推荐给目标用户；

其中，所述步骤C包括如下步骤：

步骤C1：建立连续词袋模型的输入矩阵V和输出矩阵U，并对所述输入矩阵V和输出矩阵U进行随机初始化；其中，V∈R^n×|V|，U∈R^|V|×n，n表示向量维度；

步骤C2：从所述每个用户的历史查看内容序列中选取一个内容x^c作为中心内容，并读取中心内容的前后的各m个内容，并对读取出的2m个内容进行独热码编码，得到这2m个内容的独热码；该2m个内容的独热码分别表示如下：

x^(c-m),...,x^(c-1),x^(c+1),...,x^(c+m)；

步骤C3：将这2m个内容的独热码分别乘以所述输入矩阵，得到这2m个内容的输入内容向量；该2m个内容的输入内容向量分别表示如下：

v_c-m＝Vx^(c-m),...v_c-1＝Vx^(c-1),v_c+1＝Vx^(c+1),...,v_c+m＝Vx^(c+m)；v_i表示内容w_i的输入内容向量；

步骤C4：对所述2m个内容的输入内容向量求平均值

步骤C5：根据所述平均值计算得分向量z：

步骤C6：将所述得分向量转换为概率分布

步骤C7：利用交叉熵作为目标函数计算中心内容在输出矩阵U中的内容向量与所述概率分布之间的误差：其中，为步骤C6中得到的概率分布，y为中心内容在输出矩阵U中的内容向量；

步骤C8：根据所述误差得到最终的优化目标函数：

u_i表示内容w_i的输出内容向量；

步骤C9：采用梯度下降法对输出矩阵中的中心内容的内容向量和输入矩阵中的2m个内容对应的内容向量进行更新，得到最终的输入矩阵V和输出矩阵U，从而得到所述连续词袋模型。

2.如权利要求1所述的内容推荐方法，其特征在于，所述内容为网络上的视频、音乐、新闻或商品，所述查看为点击所述内容的链接。