申请/专利权人：广州兴趣岛信息科技有限公司

申请日：2023-08-17

公开（公告）日：2024-04-30

公开（公告）号：CN117194772B

主分类号：G06F16/9535

分类号：G06F16/9535;G06F16/9537;G06V40/18

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2023.12.26#实质审查的生效;2023.12.08#公开

摘要：本发明公开了一种基于用户标签的内容推送方法及装置，通过对用户设置的多个自定义标签进行组合，得到多个标签组合；分别将每个标签组合输入到第一内容推荐模型中，得到对应的第一推荐内容，并生成第一推荐内容序列；向用户推送所述第一推荐内容序列后，获取用户对每个第一推荐内容的有效浏览时间，选取最高有效浏览时间对应的有效标签组合，设置多个偏好值，分别将有效标签组合和每个偏好值输入到第二内容推荐模型中，得到对应的有效推荐内容，生成第二推荐内容序列，并向所述用户推送所述第二推荐内容序列；与现有技术方案相比，本发明的技术方案能在缺少用户偏好行为的前提下，提高对推荐内容推送的准确性。

主权项：1.一种基于用户标签的内容推送方法，其特征在于，包括：获取用户的多个自定义标签，对所述多个自定义标签进行组合，得到多个标签组合，并基于每个自定义标签对应的初始权重值，得到每个标签组合对应的初始权重组合值；分别将每个标签组合输入到预构建的第一内容推荐模型中，以使所述第一内容推荐模型输出每个标签组合对应的第一推荐内容，并基于所述初始权重组合值对多个第一推荐内容进行排序，生成第一推荐内容序列；构建模型结构形式为“多标签输入-多输出-多输入-单输出”的初始第一内容推荐模型，以历史标签组合为模型的多标签输入，以所述历史标签组合对应的所有历史推荐内容为模型的多输出，并以所述历史标签组合对应的所有历史推荐内容、以及每个历史推荐内容对应的历史收藏量作为模型的多输入，以历史收藏值最高值对应的历史推荐内容为模型的单输出，对所述初始第一内容推荐模型进行模型训练，直至模型收敛，得到第一内容推荐模型;向所述用户推送所述第一推荐内容序列，且获取到所述用户对所述第一推荐内容序列中每个第一推荐内容的有效浏览时间后，选取最高有效浏览时间对应的有效标签组合；设置多个偏好值，分别将所述有效标签组合和每个偏好值输入到预构建的第二内容推荐模型中，以使所述第二内容推荐模型输出每个偏好值对应的有效推荐内容，基于预设的偏好值排列顺序，对所有有效推荐内容进行排序，生成第二推荐内容序列，并向所述用户推送所述第二推荐内容序列;采用多路推荐模型构建第二内容推荐模型,针对每个偏好值构建一路推荐模型，从输入中选取与对应偏好值匹配的特征和标签组合，参与该推荐模型的推荐计算，最终将各个推荐模型的输出进行加权融合，输出每个偏好值对应的最终推荐结果;获取用户的多个自定义标签，对所述多个自定义标签进行组合，得到多个标签组合，具体包括：获取用户的多个自定义标签，其中，所述多个自定义标签包括学科标签、学习目标标签和学习进度标签，所述学科标签包括多个子学科标签，所述学习目标标签包括多个子学习目标标签；从所述学科标签中随机选取单个子学科标签，并从所述学习目标标签中随机选取单个子学习目标标签，基于所述单个子学科标签、所述单个子学习目标标签和所述学习进度标签，生成多个标签组合;基于每个自定义标签对应的初始权重值，得到每个标签组合对应的初始权重组合值，具体包括：获取所述学科标签中每个子学科标签对应的第一选取顺序，基于所述第一选取顺序对所述每个子学科标签设置对应的子学科初始权重值；获取所述学习目标标签中每个子学习目标标签对应的第二选取顺序，基于所述第二选取顺序对所述每个子学习目标标签设置对应的子学习目标初始权重值；对所述学习进度标签设置学习进度初始权重值；根据每个标签组合中对应的第一子学科标签、第一子学习目标标签和所述学习进度标签，获取所述第一子学科标签对应的第一子学科初始权重值、所述第一子学习目标标签对应的第一子学习目标初始权重值，以及所述学习进度标签对应的学习进度初始权重值，整合所述第一子学科初始权重值、所述第一子学习目标初始权重值和所述学习进度初始权重值，得到每个标签组合对应的初始权重组合值。

全文数据：

权利要求：

百度查询： 广州兴趣岛信息科技有限公司 一种基于用户标签的内容推送方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD