CN113672797B 一种内容推 荐方法及装置 （腾讯科技（深圳）有限公司）

组；确定所述用户分组对应的内容评价指标信中的用户针对已推荐内容的历史行为数据计算果从所有待推荐内容中确定推荐给所述目标用2确定所述用户分组对应的内容评价指标信息，所述内容评价指标信息根据评价结果从所有待推荐内容中确定推荐给所述目标用至少获取已推荐内容的内容评价指标的估计值以及所述用户分组对应的最终目标函确定所述最终目标函数针对所述内容评价指标的权针对每个待推荐内容，利用所述待推荐内容的内容评价指标的估所述待推荐内容的内容评价指标的估计值是根据所述待推荐内容的内容特征值和所将所述待推荐内容的内容特征值、所述目标用户的用户特所述深度神经网络模型根据样本内容的内容特征值、用户特征值以将所述已推荐内容的内容特征值、所述已推荐内容的用户特征值输入所述深度神经网络模型根据样本内容的内容特征值、用户特征值以根据所述约束条件和所述初始目标函数确定所3将所述约束条件和所述初始目标函数组合成根据所述用户分组对应的内容评价指标信息，确定所述用户分组对应的所有相关内按照过滤规则从所有相关内容中确定所述待推指标单元，用于确定所述用户分组对应的内容评价评价单元，用于根据所述内容评价指标信息，对所述目标用户的各个确定单元，用于根据评价结果从所有待推荐内容中确定推荐给所述指标单元还用于：至少获取已推荐内容的内容评价指标的估计值以及针对每个待推荐内容，利用所述待推荐内容的内容评价指标的估所述待推荐内容的内容评价指标的估计值是根据所述待推荐内容的内容特征值和所其中，所述存储器存储有可被所述至少一个处理器执行的通过执行所述存储器存储的指令实现如权利要求1~7中任一4[0004]本申请实施例提供了一种内容推荐方法及装置，用于提高内容推荐的效率和效信息是根据所述用户分组中的用户针对已推荐内容的历5[0019]所述待推荐内容的内容评价指标的估计值是根据所述待推荐内容的内容特征值[0024]至少获取已推荐内容的内容评价指标的估计值以及所述用户分组对应的最终目使得所述处理器执行本申请实施例提供的内容6户分组中的用户针对已推荐内容的历史行为数据，估计得到用户分组的内容评价指标信7[0053]人工智能(ArtificialIntelligence,AI)是利用数字计算机或者数字计算机控工智能技术主要包括计算机视觉技术、语音处理技术、以及机器学习/深度学习等几大方[0063]广告交易平台(AdvertisingExchange,ADX)是指将媒体主和广告主连接起来的实[0066]eCPM(effectiveCostPerMile,千次展示收益)是每一千次展示可以获得的广[0067]pCTR(predictClickThroughRate,预估点击通过率)是广告在某个情形下被投8[0076]相关技术中向用户推荐广告等内容一般主要考虑用户和推荐内容的不同互动行9[0087]进一步地，本申请实施例根据用户分组的特征从待推荐为针对每一个待推荐内容，将该待推荐内容的所有内容评价指标的权重和估计值进行加待推荐内容的内容评价指标的估计值，该深度神经网络模型是根据样本内容的内容特征实施例中依据样本内容估计出每一个待推荐内容的内容评价指[0090]另一方面，待推荐内容的内容评价指标的权重可以通过每一个用户分组对应一组内容评价指标的权重，权重可以预先计算得出并存储在数据库[0097]若线性规划模型的约束条件全是小于类型，那么可以通过标准化过程引入M个非[0104]梯度下降(GradientDescent)算法是迭代法的一种，可以用于求解最小二乘问损失函数和模型参数值。梯度下降法的计算过程就是沿梯度下降的方向求解极小值(也可ρk表示梯度方向上的搜索步长。梯度方向可以通过对化为无约束条件的优化问题。又由于部分约束条件的形式为不可微的项，因此，利用据实际需要灵活地应用本申请实施例提供的[0117]在基于云技术实现时，广告交易平台服务器103可以通过云计算和云存储的方式使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为[0119]云存储(cloudstorage)是在云计算概念上延伸和发展出来的一个新的概念，分件或应用接口集合起来协同工作，共同对外提供数据存储和业务访问功能的一个存储系[0124]广告交易平台服务器103基于收集的样本内容中用户特征数据、广告特征数据以[0125]广告交易平台服务器103利用优化算法模型离线计算内容评价指标的权重。广告交易平台服务器103需要确定用户分组的初始目标函数和约束条件，以及已推荐广告的内告的内容评价指标的估计值，根据梯度下降算法求解最终目标函数中权重参数的最优解，作为内容评价指标的权重。广告交易平台服务器103计算出用户分组对应的内容评价指标[0127]广告交易平台服务器103接收到广告请求后，确定目标用户的用户分组并获取对[0129]要注意的是，上文提及的应用场景仅是为了便于理解本申请的精神和原理而示[0133]这里的内容推荐请求可以是请求推送广告，也可以是请标用户的用户特征值估计得到。馈率。待推荐内容1、待推荐内容2和待推荐内容3的推荐得分由内容评价指标对应的值决的待推荐内容的内容特征值和目标用户的用户特征值估计得户分组中的用户针对已推荐内容的历史行为数据，估计得到用户分组的内容评价指标信[0169]至少获取已推荐内容的内容评价指标的估计值以及用户分组对应的最终目标函馈率等。另外，令代表需要控制波动的类目(如关注类广告、下载类广告等)，通过推荐得分Sk,j分解为内容评价指标eCPM、pCTR、1iec}(代表广告j是否属于类目c,是则k,j的公式如下：[0192]如图3所示，用于训练多目标优化算法模型的数据包括用户分组对应的初始目标评分的内容评价指标以及对应的权重。下面具体介绍多目标优化算法训练得出权重的过广告互动频率正常的用户分组，优化目标为最大化平均eCPM，约束条件的基线指标为pctr0链数据处理装置通过硬件或者软硬件的结合实现成为图1中服务器103的全部或者一部分。据用户分组中的用户针对已推荐内容的历史[0227]待推荐内容的内容评价指标的估计值是根据待推荐内容的内容特征值和目标用[0232]至少获取已推荐内容的内容评价指标的估计值以及用户分组对应的最终目标函[0247]请参考图6，其示出了本申请一个实施例提供的服务器的结构方框图。该服务器[0248]服务器1100包括中央处理单元(CPU)801、包括随机存取存储器(RAM)1102和只读存储器(ROM)1103的系统存储器1104，以及连接系统存储器1104和中央处理单元1101的系统总线1105。服务器1100还包括帮助计算机内的各个器件之间传输信息的基本输入/输出[0249]基本输入/输出系统1106包括有用于显示信息的显示器1108和用于用户输入信息统总线1105的输入输出控制器1110连接到中央处理单元1101。基本输入/输出系统1106还[0250]大容量存储设备1107通过连接到系统总线1105的大容量存储控制器(未示出)连上的远程计算机运行。也即服务器1100可以通过连接在系统总线1105上的网络接口单元[0253]存储器还包括一个或者一个以上的程序，一个或者一个以上程序存储于存储器[0254]本领域普通技术人员可以理解上述实施例的内容推荐方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，[0