一种内容推荐方法、装置、计算机设备及介质与流程

本申请涉及计算机，尤其涉及一种内容推荐方法、装置、计算机设备及介质。

背景技术：

1、随着计算机技术和互联网技术的快速发展，内容越来越多，推荐系统也得到了很快的发展，推荐系统可以从海量的内容中提取出相关数据并进行推荐。但是推荐系统在进行推荐时，通常是推荐热度较高的数据，而随着用户需求和要求越来越高，用户希望多媒体平台可以推荐更为符合自身需求的视频，即为用户提供更为针对性的推荐。因此，如何为用户推荐更为精确的数据成为了当前数据推荐的研究热点。

技术实现思路

1、本申请实施例提供了一种内容推荐方法、装置、计算机设备及介质，可提供个性化推荐，提高内容推荐准确性。

2、本申请实施例第一方面公开了一种内容推荐方法，所述方法包括：

3、获取目标用户的用户特征，并基于所述用户特征确定对所述目标用户施加的预定特征维度的目标干预操作；

4、确定待推荐内容集，并获取待推荐内容集中待推荐内容在多个特征维度下所产生的行为数据；所述多个特征维度包括所述预定特征维度；

5、基于所述每个待推荐内容在多个特征维度下所产生的行为数据以及所述目标干预操作，从待推荐内容集中确定目标推荐内容，并向所述目标用户推荐所述目标推荐内容。

6、本申请实施例第二方面公开了一种内容推荐装置，所述装置包括：

7、确定单元，用于获取目标用户的用户特征，并基于所述用户特征确定对所述目标用户施加的预定特征维度的目标干预操作；

8、获取单元，用于确定待推荐内容集，并获取待推荐内容集中待推荐内容在多个特征维度下所产生的行为数据；所述多个特征维度包括所述预定特征维度；

9、推荐单元，用于基于所述每个待推荐内容在多个特征维度下所产生的行为数据以及所述目标干预操作，从待推荐内容集中确定目标推荐内容，并向所述目标用户推荐所述目标推荐内容。

10、本申请实施例第三方面公开了一种计算机设备，包括处理器和存储器，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。

11、本申请实施例第四方面公开了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。

12、本申请实施例第五方面公开了一种计算机程序产品或计算机程序，所述计算机程序产品或计算机程序包括程序指令，所述程序指令被处理器执行时实现上述第一方面的方法。

13、在本申请实施例中，可以获取目标用户的用户特征，并可以基于用户特征确定对目标用户施加的预定特征维度的目标干预操作；还可以确定待推荐内容集，并可以获取待推荐内容集中待推荐内容在多个特征维度下所产生的行为数据；多个特征维度包括预定特征维度；进一步可以基于每个待推荐内容在多个特征维度下所产生的行为数据以及目标干预操作，从待推荐内容集中确定目标推荐内容，并可以向目标用户推荐目标推荐内容；通过实施上述方式，在内容推荐中，针对不同用户实施定制化、个性化以及针对性的特征维度的干预操作，进而可以综合利用在各种特征维度下的行为特征以及预定特征维度下的干预操作来实现数据的推荐，以实现个性化以及针对性的内容推荐，为用户提供更为精确的数据，以提高内容推荐的精确性，还可以有效提升用户体验，并进一步提升用户的参与度和留存率。

技术特征：

1.一种内容推荐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述多个特征维度包括：点击维度、关注维度、点赞维度、评论维度、收藏维度以及分享维度中的任两种或多种；所述基于所述用户特征确定对所述目标用户施加的预定特征维度的目标干预操作，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于每个特征维度对应的第一影响概率以及第二影响概率，从所述多个特征维度的干预操作中选择出对所述目标用户施加的预定特征维度的目标干预操作，包括：

4.根据权利要求1所述的方法，其特征在于，所述多个特征维度包括：点击维度、关注维度、点赞维度、评论维度、收藏维度以及分享维度中的任两种或多种；所述多个特征维度下的行为数据包括：点击维度下的点击量、点赞维度下的点赞量、评论维度下的评论量、收藏维度下的收藏量以及分享维度下的分享量；

5.根据权利要求4所述的方法，其特征在于，所述目标干预操作关联有在多个参考用户属性下与所述多个特征维度相关的参考系数组合；所述基于所述目标干预操作，确定对所述目标用户施加预定特征维度的目标干预操作之后，在所述多个特征维度下分别对应的影响系数，包括：

6.根据权利要求2所述的方法，其特征在于，所述预测模型的训练过程包括：

7.根据权利要求6所述的方法，其特征在于，所述采用随机对照实验方式构建所述增益模型的训练样本，包括：

8.根据权利要求7所述的方法，其特征在于，所述增益模型是基于多重处理梯度提升森林算法构建的模型；所述利用所述训练样本对所述增益模型进行训练，得到预测模型，包括：

9.一种内容推荐装置，其特征在于，包括：

10.一种计算机设备，其特征在于，包括处理器和存储器，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-8任一项所述的方法。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-8任一项所述的方法。

技术总结本申请实施例公开了一种内容推荐方法、装置、计算机设备及介质，其中方法包括：获取目标用户的用户特征，并基于用户特征确定对目标用户施加的预定特征维度的目标干预操作；确定待推荐内容集，并获取待推荐内容集中待推荐内容在多个特征维度下所产生的行为数据；多个特征维度包括预定特征维度；基于待推荐内容集中待推荐内容在多个特征维度下所产生的行为数据以及目标干预操作，从待推荐内容集中确定目标推荐内容，并向目标用户推荐目标推荐内容；可提供个性化推荐，提高内容推荐准确性。技术研发人员：应舟丹,席梓添,王琴文,罗阳受保护的技术使用者：书行科技（北京）有限公司技术研发日：技术公布日：2024/10/10