[发明专利]用户特征提取模型的训练方法、内容推荐方法及装置

说明书

本公开公开了一种用户特征提取模型的训练方法、内容推荐方法、装置、设备、介质和产品，涉及深度学习、智能推荐等领域。用户特征提取模型的训练方法包括：针对多个历史内容中的每个历史内容，获取针对每个历史内容的用户标识和内容标识；基于用户标识和内容标识彼此之间的关联关系，确定多个数据序列，其中，关联关系指示了针对同一个历史内容的用户标识和内容标识相关联，每个数据序列包括至少两个用户标识，至少两个用户标识中任意相邻的两个用户标识基于相同的内容标识彼此关联；利用多个数据序列，训练用户特征提取模型。

技术领域

本公开涉及人工智能技术领域，尤其涉及深度学习、智能推荐等领域，更具体地，涉及一种用户特征提取模型的训练方法、内容推荐方法、装置、电子设备、介质和程序产品。

背景技术

在网络上提供内容的用户多种多样，相关技术通常可以将用户提供的内容推荐给对该内容感兴趣的其他用户，对内容感兴趣的其他用户通常已经关注提供内容的用户。例如，提供内容的用户为用户A，当用户B已经关注用户A时，可以将用户A所提供的内容推荐给用户B。但是，当关注用户A的用户B的数量较少时，将导致用户A所提供的内容的推荐效果不佳，使得用户A所推荐的内容难以得到更多用户的关注。

发明内容

本公开提供了一种用户特征提取模型的训练方法、内容推荐方法、装置、电子设备、存储介质以及计算机程序产品。

根据本公开的一方面，提供了一种用户特征提取模型的训练方法，包括：针对多个历史内容中的每个历史内容，获取针对每个历史内容的用户标识和内容标识；基于所述用户标识和所述内容标识彼此之间的关联关系，确定多个数据序列，其中，所述关联关系指示了针对同一个历史内容的用户标识和内容标识相关联，每个数据序列包括至少两个用户标识，所述至少两个用户标识中任意相邻的两个用户标识基于相同的内容标识彼此关联；利用所述多个数据序列，训练所述用户特征提取模型。

根据本公开的另一方面，提供了一种内容推荐方法，包括：确定与目标用户相关联的第一用户，基于所述第一用户的用户特征，从至少一个第二用户中确定出目标第二用户，其中，所述目标第二用户的用户特征与所述第一用户的用户特征之间的相似度满足预设相似度条件，所述第一用户的用户特征和所述至少一个第二用户的用户特征是利用如上所述的用户特征提取模型得到的；将针对所述目标第二用户的待推荐内容向所述目标用户进行推荐。

根据本公开的另一方面，提供了一种用户特征提取模型的训练装置，包括：第一获取模块、第一确定模块以及训练模块。其中，第一获取模块，用于针对多个历史内容中的每个历史内容，获取针对每个历史内容的用户标识和内容标识。第一确定模块，用于基于所述用户标识和所述内容标识彼此之间的关联关系，确定多个数据序列，其中，所述关联关系指示了针对同一个历史内容的用户标识和内容标识相关联，每个数据序列包括至少两个用户标识，所述至少两个用户标识中任意相邻的两个用户标识基于相同的内容标识彼此关联。训练模块，用于利用所述多个数据序列，训练所述用户特征提取模型。

根据本公开的另一方面，提供了一种内容推荐装置，包括：第六确定模块、第七确定模块以及推荐模块。其中，第六确定模块，用于确定与目标用户相关联的第一用户。第七确定模块，用于基于所述第一用户的用户特征，从至少一个第二用户中确定出目标第二用户，其中，所述目标第二用户的用户特征与所述第一用户的用户特征之间的相似度满足预设相似度条件，所述第一用户的用户特征和所述至少一个第二用户的用户特征是利用如上所述的用户特征提取模型得到的。推荐模块，用于将针对所述目标第二用户的待推荐内容向所述目标用户进行推荐。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的用户特征提取模型的训练方法。