一种基于深度神经网络的在线内容推荐方法

摘要

本发明公开了一种基于深度神经网络的在线内容推荐方法，在传统基于内容推荐的基础上，引入深度神经网络(Deep Neural Network,DNN)词向量工具，根据待推送内容文本信息和用户的历史行为，将内容和用户映射在高维向量空间，通过计算向量间的余弦距离，筛选过滤对推荐内容感兴趣的用户群。通过在大规模移动内容服务系统中的实验证明，本发明所提出的推荐策略相比随机推荐、ContentKNN、以及ItemCF等算法，在推荐效果上获得显著提升。

主权项

一种基于深度神经网络的在线内容推荐方法，其特征在于：包括如下步骤：S1构建关于待推送内容的内容语料重要词汇库并对其提取关键词，然后将该内容语料重要词汇库作为词向量工具的输入进行词向量模型训练，获得词向量模型；S2利用步骤S1中得到的词向量模型构建待推送内容向量；S3基于步骤S1和步骤S2得到的词向量模型和待推送内容向量，定义用户点击已推送的消息为正行为，用户未点击已推送的消息为负行为，建立每个用户的正行为向量模型和负行为向量模型；S4分别计算每个用户的正行为向量模型和负行为向量模型与步骤S2得到的待推送内容向量之间的距离，并据此确定推送目标用户。