一种内容推荐方法、通信设备及计算机可读存储介质与流程

技术特征：
1.一种内容推荐方法，其特征在于，包括：在终端启动应用和/或通过账号登录所述应用的情况下，获取用户行为识别结果，所述用户行为识别结果为预先通过目标识别模型识别用户行为数据得到的识别结果，所述用户行为识别结果包括多用户行为或单用户行为，所述用户行为数据关联所述终端和/或所述账号，所述目标识别模型通过训练样本行为特征集训练得到，所述训练样本行为特征集包括行为标记为多用户行为的s条样本行为特征以及行为标记为单用户行为的t条样本行为特征，s和t均为正整数；基于所述用户行为识别结果进行内容推荐。2.根据权利要求1所述的方法，其特征在于，所述基于所述用户行为识别结果进行内容推荐，包括：在所述用户行为识别结果为多用户行为的情况下，根据预先获取的k个用户的行为画像，输出第一内容，其中，所述k个用户的行为画像为预先根据k类行为数据构建得到，所述k类行为数据为预先根据所述用户行为识别结果对所述用户行为数据进行聚类得到，k为大于1的整数；在接收到对所述第一内容中目标内容的第一输入的情况下，根据所述目标内容以及所述k类行为数据，从所述k个用户中确定目标用户；从所述k个用户的行为画像中，获取所述目标用户的行为画像；基于所述目标用户的行为画像，推荐第二内容。3.根据权利要求1所述的方法，其特征在于，所述基于所述用户行为识别结果进行内容推荐，包括：在所述用户行为识别结果为单用户行为的情况下，根据预先获取的k个用户的行为画像，推荐第三内容，所述k个用户的行为画像为预先根据k类行为数据构建得到，所述k类行为数据为预先根据所述用户行为识别结果对所述用户行为数据进行聚类得到，k为1。4.根据权利要求2或3所述的方法，其特征在于，所述基于所述用户行为识别结果进行内容推荐之前，还包括：获取所述用户行为数据；根据所述用户行为数据，生成用户行为特征；将所述用户行为特征输入到所述目标识别模型进行用户行为识别，得到所述用户行为识别结果。5.根据权利要求4所述的方法，其特征在于，所述将所述用户行为特征输入到所述目标识别模型进行用户行为识别，得到所述用户行为识别结果之后，还包括：在所述用户行为识别结果为所述单用户行为的情况下，设置所述k为1，或者，在所述用户行为识别结果为所述多用户行为的情况下，设置所述k为大于1的整数，所述k为聚类数；根据所述k的取值，对所述用户行为数据进行聚类，得到所述k类行为数据。6.根据权利要求5所述的方法，其特征在于，所述用户行为数据包括m个行为内容，m为正整数；其中，所述根据所述k的取值，对所述用户行为数据进行聚类，得到所述k类行为数据，包括：根据所述k的取值以及所述m个行为内容的第一特征向量进行聚类，得到所述k类行为
数据，其中，所述m个行为内容的第一特征向量预先通过所述目标识别模型进行特征学习得到。7.根据权利要求1所述的方法，其特征在于，所述目标识别模型通过以下训练方式得到：获取多条历史行为内容序列，其中，一条历史行为内容序列包括一个用户的历史行为内容；基于所述多条历史行为内容序列，构建目标行为样本集；根据所述目标行为样本集以及所述多条历史行为内容序列中的历史行为内容，生成所述训练样本行为特征集；基于所述训练样本行为特征集对初始识别模型进行训练，得到所述目标识别模型。8.根据权利要求7所述的方法，其特征在于，所述基于所述多条历史行为内容序列，构建目标行为样本集，包括：针对所述多条历史行为内容序列中的每条历史行为内容序列，对所述历史行为内容序列进行分段，得到所述历史行为内容序列的分段行为内容；根据所述多条历史行为内容序列的分段行为内容进行拼接，得到所述目标行为样本集，所述目标行为样本集中包括多条拼接行为内容序列。9.根据权利要求8所述的方法，其特征在于，所述目标行为样本集中包括第一行为样本集和第二行为样本集，所述第一行为样本集中包括s条拼接行为内容序列，所述第二行为样本集包括t条拼接行为内容序列；其中，所述s条拼接行为内容序列中任一序列为不同用户的至少两个分段行为内容拼接而成，且所述s条拼接行为内容序列中任一序列的第一相似度小于第一预设阈值，一个拼接行为内容序列的第一相似度为所述拼接行为内容序列对应的不同用户的历史行为内容序列的第二特征向量之间的相似度，所述历史行为内容序列的第二特征向量通过所述历史行为内容序列中各行为内容的嵌入向量得到，一个行为内容的嵌入向量通过所述行为内容的身份标识进行向量映射得到；所述t条拼接行为内容序列包括q条拼接内容序列以及h条拼接行为内容序列，所述q条拼接行为内容序列中任一序列为相同用户的至少两个分段行为内容拼接而成，所述h条拼接行为内容序列中任一序列为不同用户的至少两个分段行为内容拼接而成，所述h条拼接内容序列中任一序列的第二相似度大于第二预设阈值，一个拼接行为内容序列的第二相似度为所述拼接行为内容序列对应的不同用户的历史行为内容序列的第二特征向量之间的相似度。10.根据权利要求9所述的方法，其特征在于，所述训练样本行为特征集中任一条样本行为特征包括一阶特征向量以及二阶特征矩阵；所述根据所述目标行为样本集以及所述多条历史行为内容序列中的历史行为内容，生成训练样本行为特征集，包括：对所述多条历史行为内容序列中的历史行为内容进行并集处理，得到全量行为内容集；按照所述全量行为内容集中行为内容的排列顺序，生成所述目标行为样本集中每条拼接行为内容序列的一阶特征向量，其中，任一一阶特征向量的维度与所述全量行为内容集
中行为内容的数量相同，且任一一阶特征向量中的目标位置的值为第一预设值，以及除所述目标位置之外的其他位置的值为第二预设值，所述目标位置与目标行为内容在所述全量行为内容集中的顺序位置匹配，所述目标行为内容为所述一阶特征向量对应的拼接行为内容序列的行为内容；根据所述全量行为内容集中行为内容的数量，生成所述目标行为样本集中每条拼接行为内容序列的二阶特征矩阵，任一二阶特征矩阵的行数以及列数均与所述全量行为内容集中行为内容的数量相同；其中，所述s条样本行为特征与所述s条拼接行为内容序列对应，所述t条样本行为特征与所述t条拼接行为内容序列对应。11.根据权利要求10所述的方法，其特征在于，所述根据所述全量行为内容集中行为内容的数量，生成所述目标行为样本集中每条拼接行为内容序列的二阶特征矩阵，包括：对于所述目标行为样本集中每条拼接行为内容序列，在所述全量行为内容集中第i个行为内容以及第j个行为内容均在所述拼接行为内容序列中的情况下，将所述拼接行为内容序列的二阶特征矩阵中第i行第j列的值设为第一预设值；在所述全量行为内容集中第i个行为内容以及第j个行为内容中至少一项不在所述拼接行为内容序列中的情况下，将所述拼接行为内容序列的二阶特征矩阵中第i行第j列的值设为第二预设值；其中，1≤i≤n，1≤j≤n，n为所述全量行为内容集中行为内容的数量。12.根据权利要求2所述的方法，其特征在于，所述根据所述目标内容以及所述k类行为数据，从所述k个用户中确定目标用户，包括：根据所述目标内容的第一特征向量以及所述k类行为数据中各类行为数据的聚类中心特征向量，从所述k类行为数据中确定目标类行为数据；将所述目标类行为数据对应的用户确定为所述目标用户；其中，参考类行为数据的聚类中心特征向量根据所述参考类行为数据中各行为内容的第一特征向量得到，所述参考类行为数据为所述k类行为数据中的任一类行为数据。13.一种通信设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上权利要求1-12中任意一项所述内容推荐方法中的步骤。14.一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上权利要求1-12中任意一项所述内容推荐方法中的步骤。

技术总结
本发明涉及推荐技术领域，提供一种内容推荐方法、通信设备及计算机可读存储介质，以解决推荐精确性较差问题。该方法包括：在终端启动应用和/或通过账号登录应用的情况下获取用户行为识别结果，用户行为识别结果为预先通过目标识别模型识别用户行为数据得到的识别结果，用户行为识别结果包括多用户行为或单用户行为，目标识别模型通过训练样本行为特征集训练得到，基于用户行为识别结果进行内容推荐。可通过目标识别模型识别终端和/或账号的用户行为数据，确定是单用户行为还是多用户行为，且目标识别模型是通过多用户行为的S条样本行为特征和单用户行为的T条样本行为特征训练得到，是利用用户行为识别结果进行内容的推荐，可提高推荐精确性。可提高推荐精确性。可提高推荐精确性。


技术研发人员：桂祖宏 李琳 顾明 刘霄 邹易展
受保护的技术使用者：中国移动通信集团有限公司
技术研发日：2022.06.16
技术公布日：2022/9/13