技术特征：
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
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。
9.一种终端设备，包括处理器，以及与所述处理器通信连接的存储器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1至7中任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至7中任一项所述的方法。11.一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法。
技术总结
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。从而提升用户使用体验。从而提升用户使用体验。
技术研发人员：安飞飞 李昱 张圳 王全礼 李斌 罗云
受保护的技术使用者：建信金融科技有限责任公司
技术研发日：2022.09.06
技术公布日：2022/11/22