(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110698370.7 (22)申请日 2021.06.23 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 王良栋　丘志杰　刘书凯　张博　 饶君　 (74)专利代理 机构 北京励诚知识产权代理有限 公司 11647 专利代理师 赵爽 (51)Int.Cl. G06F 16/9535(2019.01) G06Q 30/02(2012.01) G06Q 10/10(2012.01) G06F 30/27(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 111/06(2020.01) (54)发明名称 信息推荐方法、 装置、 存储介质及计算机设 备 (57)摘要 本申请实施例公开了一种信息推荐 方法、 装 置、 存储介质及计算机设备， 其中， 该方法包括： 根据用户画像信息， 提取用户的长期兴趣特征； 根据用户历史行为数据中的点击序列信息， 提取 用户的短期兴趣 特征； 根据用户历史行为数据中 的项目属性信息， 计算用户的项目属性偏好向 量； 将用户的长期兴趣特征、 短期兴趣特征和项 目属性偏好信息进行融合处理， 以得到用户向 量； 根据用户向量对目标模型中的多个目标进行 优化， 以得到优化后的目标模型； 通过优化后的 目标模型对项目信息库中的项目信息进行处理， 以生成目标用户对应的召回信息， 并基于召回信 息进行推荐， 使得模型更能反应出用户的兴趣偏 好， 以提升模型的推荐准确性。 权利要求书3页 说明书18页 附图4页 CN 115510313 A 2022.12.23 CN 115510313 A 1.一种信息推荐方法， 其特 征在于， 所述方法包括： 根据用户画像信息， 提取用户的长期兴趣特 征； 根据用户历史行为数据中的点击序列信息， 提取用户的短期兴趣特 征； 根据所述用户历史行为数据中的项目属性信息， 计算用户的项目属性偏好向量； 将所述用户的长期兴趣特征、 短期兴趣特征和项目属性偏好信息进行融合处理， 以得 到用户向量； 根据所述用户向量对目标模型中的多个目标进行优化， 以得到优化后的目标模型； 通过所述优化后的目标模型对项目信 息库中的项目信 息进行处理， 以生成 目标用户对 应的召回信息， 并基于所述召回信息进行推荐。 2.如权利要求1所述的信息推荐方法， 其特征在于， 所述根据用户的画像信息， 提取用 户的长期兴趣特 征， 包括： 获取用户画像信息， 所述用户画像信息包括用户人口属性信息， 以及基于所述用户历 史行为数据统计得到的用户偏好信息； 根据所述用户人口属性信息和所述用户偏好信息， 提取用户的长期兴趣特 征。 3.如权利要求1所述的信 息推荐方法， 其特征在于， 所述根据所述用户历史行为数据中 的项目属性信息， 计算用户的项目属性偏好向量， 包括： 将所述用户的长期兴趣特 征和短期兴趣特 征进行融合得到第一融合向量； 对所述第一融合向量与所述项目属性信 息进行处理， 以计算出所述用户的项目属性偏 好向量。 4.如权利要求1所述的信 息推荐方法， 其特征在于， 所述多个目标包括播放目标和分享 目标， 所述根据所述用户向量对目标模型中的多个目标进行优化， 以得到优化后的目标模 型， 包括： 根据所述用户向量对目标模型中的所述播放目标和所述分享目标进行优化， 以得到优 化后的目标模型。 5.如权利要求4所述的信息推荐方法， 其特征在于， 所述目标模型包括多任务学习模 块， 所述根据所述用户向量对目标模型中的所述播放 目标和所述分享 目标进行优化， 以得 到优化后的目标模型， 包括： 通过所述多任务学习 模块对所述用户向量进行处理， 以将所述用户向量拆分成共有信 息和差异信息， 所述共有信息为所述播放 目标与所述分享 目标对应的共有信息， 所述差异 信息为所述 播放目标与所述分享目标对应的差异信息； 根据所述共有信息和所述差异信息对所述目标模型中的所述播放目标和所述分享目 标进行优化， 以得到优化后的目标模型。 6.如权利要求4所述的信息推荐方法， 其特征在于， 所述多个目标还包括留存量目标， 所述方法还 包括： 获取包含有留存量的项目反馈信息； 根据所述用户向量和所述项目反馈信息， 对目标模型中的所述播放目标、 所述分享目 标和所述留存量目标进行优化， 以得到优化后的目标模型。 7.如权利要求6所述的信 息推荐方法， 其特征在于， 根据 所述用户向量和所述项目反馈 信息， 对目标模型中的所述播放目标、 所述分享目标和所述留存量目标进 行优化， 以得到优权　利　要　求　书 1/3 页 2 CN 115510313 A 2化后的目标模型， 包括： 根据所述用户向量， 对目标模型中的所述 播放目标进行优化； 根据所述用户向量和所述项目反馈信 息， 对目标模型中的所述分享目标和所述留存量 目标进行优化； 根据优化后的所述播放目标、 所述分享目标和所述留存量目标， 得到优化后的目标模 型。 8.如权利要求1所述的信 息推荐方法， 其特征在于， 所述通过所述优化后的目标模型对 项目信息库中的项目信息进行处理， 以生成目标用户对应的召回信息， 并基于所述召回信 息进行推荐， 包括： 通过所述优化后的目标模型获取目标用户的用户向量； 计算所述目标用户的用户向量与所述项目信息库的项目信息中的项目向量之间的余 弦相似度； 根据所述 余弦相似度生成目标用户对应的召回信息； 从所述召回信息中确定出推荐信息， 并将所述推荐信息推荐给 所述目标用户。 9.如权利要求8所述的信 息推荐方法， 其特征在于， 所述根据所述余弦相似度生成 目标 用户对应的召回信息， 包括： 根据所述 余弦相似度从所述项目信息库中的项目信息中确定出第一 候选项目集； 对所述第一候选项集进行初选， 以得到第二候选目集， 其中所述第二候选项目集的项 目个数小于所述第一 候选项目集的项目个数； 对所述第二候选项目集中的候选项进行排序， 从所述排序后的第 二候选项目集中选取 排名前K位的候选项目作为所述目标用户对应的召回信息 。 10.如权利要求1所述的信息推荐方法， 其特 征在于， 所述方法还 包括； 将所述用户画像信息转换为对应的稠密 向量， 并根据用户画像信息对应的稠密 向量， 提取用户的长期兴趣特 征； 将所述点击序列信 息转换为对应的稠密向量， 并根据所述点击序列信 息对应的稠密向 量， 提取用户的短期兴趣特 征； 将所述项目属性信 息转换为对应的稠密向量， 并根据所述项目属性信 息对应的稠密向 量， 计算用户的项目属性偏好向量。 11.一种信息推荐装置， 其特 征在于， 所述装置包括： 第一提取单元， 用于根据用户画像信息， 提取用户的长期兴趣特 征； 第二提取单元， 用于根据用户历史行为数据中的点击序列信息， 提取用户的短期兴趣 特征； 计算单元， 用于根据所述用户历史行为数据中的项目属性信息， 计算用户的项目属性 偏好向量； 融合单元， 用于将所述用户的长期兴趣特征、 短期兴趣特征和项目属性偏好信息进行 融合处理， 以得到用户向量； 优化单元， 用于根据所述用户向量对目标模型中的多个目标进行优化， 以得到优化后 的目标模型； 推荐单元， 用于通过所述优化后的目标模型对项目信息库中的项目信息进行处理， 以权　利　要　求　书 2/3 页 3 CN 115510313 A 3