(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 202211085362.6 (22)申请日 2022.09.06 (71)申请人 中国建设银行股份有限公司 地址 100033 北京市西城区金融大街25号 申请人 建信金融科技有限责任公司 (72)发明人 安飞飞　李昱　张圳　王全礼　 李斌　罗云　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 延美花　刘芳 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/36(2019.01) G06N 5/02(2006.01) G06N 3/02(2006.01)G06K 9/62(2022.01) (54)发明名称 内容推荐方法、 系统、 终端设备、 介质及产品 (57)摘要 本申请涉及推荐系统领域， 提供一种内容推 荐方法、 系统、 终端设备、 介质及产品。 该方法包 括： 在接收到待推荐内容之后， 对每一待推荐内 容进行识别， 以获取每一待推荐内容对应的内容 信息和标签信息， 并获取目标用户对应的用户信 息和历史行为信息； 根据目标用户对应的用户信 息和历史行为信息， 以及每一待推荐内容对应的 内容信息和标签信息生成推荐数据集； 根据推荐 数据集确定目标用户对应的规则图谱； 根据规则 图谱确定目标用户对每一待推荐内容的点击概 率， 并向目标用户输出最大点击概率对应的目标 推荐内容。 本申请的方法， 可以提高了内容推荐 的准确性， 从而提升用户使用体验。 权利要求书3页 说明书11页 附图3页 CN 115374363 A 2022.11.22 CN 115374363 A 1.一种内容推荐方法， 其特 征在于， 包括： 在接收到待推荐内容之后， 对每一所述待推荐内容进行识别， 以获取每一所述待推荐 内容对应的内容信息和标签信息， 并获取目标用户对应的用户信息和历史行为信息； 根据所述目标用户对应的用户信 息和历史行为信 息， 以及每一所述待推荐内容对应的 内容信息和标签信息生成推荐数据集； 根据所述推荐数据集确定所述目标用户对应的规则图谱； 根据所述规则图谱确定所述目标用户对每一所述待推荐内容的点击概率， 并向所述目 标用户输出最大点击概 率对应的目标推荐内容。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述推荐数据集确定所述目标用 户对应的规则图谱， 具体包括： 利用规则学习算法构造所述目标用户的历史行为信 息对应的推荐规则， 所述推荐规则 包括条件信息和结果信息； 对每一所述推荐规则进行模型拟合， 以确定每一所述推荐规则对应的规则权重， 所述 规则权重包括召回率、 精确率和准确率中的一种或多种； 根据所述目标用户的用户信息、 待推荐内容的内容信息、 每一所述内容信息对应的标 签信息、 所述 目标用户对应的推荐规则以及所述推荐规则对应的规则权重， 确定所述 目标 用户对应的规则图谱。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述目标用户的用户信息、 待推 荐内容的内容信息、 每一所述内容信息对应的标签信息、 所述 目标用户对应的推荐规则以 及所述推荐规则对应的规则权 重， 确定所述目标用户对应的规则图谱， 具体包括： 根据所述目标用户的用户信息， 构建用户实体， 所述用户实体包括与每一用户信息对 应的用户属性； 根据所述待推荐内容的内容信息， 构建内容实体， 所述内容实体包括与每一内容信息 对应的内容属性； 根据所述内容信息对应的标签信息， 构建标签实体； 根据所述目标用户对应的推荐规则以及所述推荐规则对应的规则权重， 构建规则实 体； 根据所述规则实体对应的推荐规则的条件信 息或结果信 息， 分别构建所述用户实体与 所述规则实体之间的第一关系， 所述内容实体与所述规则实体之间的第二关系， 以及所述 标签实体与所述 规则实体之间的第三关系； 根据预设的内容信 息与标签信息之间的对应关系， 构建所述内容实体与所述标签实体 之间的第四关系； 根据所述用户实体、 内容实体、 标签实体、 规则实体、 第一关系、 第二关系、 第三关系和 第四关系， 确定所述目标用户对应的规则图谱。 4.根据权利要求3所述的方法， 其特征在于， 所述根据所述规则实体对应的推荐规则的 条件信息或结果信息， 分别构建所述用户实体与所述规则实体之间的第一关系， 所述内容 实体与所述规则实体之间的第二关系， 以及所述标签实体与所述规则实体之间的第三关 系， 具体包括： 判断所述用户实体中是否存在满足所述规则实体对应的推荐规则的条件信息的用户权　利　要　求　书 1/3 页 2 CN 115374363 A 2属性， 若是， 则生成所述用户实体与所述 规则实体之间的第一关系； 判断所述内容实体中是否存在满足所述规则实体对应的推荐规则的结果信息的内容 属性， 若是， 则生成所述内容实体与所述 规则实体之间的第二关系； 判断所述标签实体是否满足所述规则实体对应的推荐规则的结果信息， 若是， 则生成 所述标签实体与所述 规则实体之间的第三关系。 5.根据权利要求1 ‑4中任一项所述的方法， 其特征在于， 所述根据 所述规则图谱确定所 述目标用户对每一所述待推荐内容的点击概 率， 具体包括： 确定所述规则图谱中与所述用户实体对应的用户实体向量、 与 所述内容实体对应的内 容实体向量、 与所述标签实体对应的标签实体向量、 与所述规则实体对应的规则实体向量， 以及与各关系对应的关系向量， 所述规则实体向量为所述规则实体中的推荐规则对应的规 则权重； 获取与每一用户实体向量之间存在关系的第一规则实体向量， 并将所述用户实体向 量、 第一规则实体 向量， 以及所述用户实体 向量与所述第一规则实体 向量之间的关系向量 进行拼接， 以生成用户规则向量； 获取与每一内容实体向量或者标签实体向量之间存在 关系的第 二规则实体向量， 并将 所述内容实体向量或者标签实体 向量、 第二规则实体向量， 以及所述内容实体向量或者标 签实体向量与所述第二 规则实体向量之间的关系向量进行拼接， 以生成内容 规则向量； 对所述用户规则向量和所述内容 规则向量进行随机拼接， 以生成拼接向量； 将所述拼接向量输入训练好的神经网络模型中， 以确定所述目标用户对每一所述待推 荐内容的点击概 率。 6.根据权利要求5所述的方法， 其特征在于， 所述向所述目标用户输出最大点击概率对 应的目标推荐内容， 具体包括： 确定所述 点击概率中的最大点击概 率， 以及所述 最大点击概 率对应的目标推荐内容； 确定所述 最大点击概 率对应的推荐规则， 以及所述推荐规则的结果信息； 根据所述结果信息生成所述目标推荐内容对应的推荐理由； 向所述目标用户输出目标推荐内容， 以及所述目标推荐内容对应的推荐理由。 7.根据权利要求1 ‑4中任一项所述的方法， 其特征在于， 在所述根据 所述推荐数据集确 定所述目标用户对应的规则图谱之前， 还 包括： 对所述推荐数据集进行 预处理， 以将所述推荐数据集整理成机器学习可用的数据； 相应地， 所述 根据所述推荐数据集确定所述目标用户对应的规则图谱， 包括： 根据预处 理之后的推荐数据集， 确定所述目标用户对应的规则图谱。 8.一种内容推荐系统， 包括： 收发模块， 用于在接收到待推荐内容之后， 对每一所述待推荐内容进行识别， 以获取每 一所述待推荐内容对应的内容信息和标签信息， 并获取目标用户对应的用户信息和历史行 为信息； 处理模块， 用于根据所述目标用户对应的用户信息和历史行为信息， 以及每一所述待 推荐内容对应的内容信息和标签信息生成推荐数据集； 根据所述推荐 数据集确定所述目标 用户对应的规则图谱； 根据所述规则图谱确定所述目标用户对每一所述待推荐内容的点击 概率， 并向所述目标用户输出最大点击概 率对应的目标推荐内容。权　利　要　求　书 2/3 页 3 CN 115374363 A 3