本发明构思涉及内容推荐领域，更具体地，涉及一种内容推荐方法和装置。
背景技术：
1、最近，个性化推荐被广泛用于各种业务中。个性化推荐一般用到的特征包括用户侧和物品项目侧特征。用户侧特征包括大量的用户行为，物品项目侧特征主要是物品的元数据等信息。然而，传统的基于用户行为的推荐模型需要依赖大量的用户行为数据，但是在许多推荐场景里资源信息少、用户行为稀疏，推荐模型无法进行充分学习，导致推荐结果不准确。例如，智能电视在推荐电影、电视剧等内容的时候，遇到的问题是很多用户可能只有少量观看行为。此外，基于物品项目侧特征的推荐仅根据物品项目的元数据，而物品项目的元数据很多时候也不够充分。在跨领域推荐时，扩展性也不高。
2、此外，传统的推荐理由的生成方法是基于规则的，或者是人工运营的，或者是只显示一个一般性的类似“猜你喜欢”。然而，基于规则的推荐理由的文本质量不高，人工运营的质量难以控制，且无法自动化。
技术实现思路
1、根据本发明构思的示例实施例，提供了一种内容推荐方法，包括：获取用户画像；通过预定神经网络基于用户画像获取至少一个推荐内容；通过所述预定神经网络基于用户画像和所述至少一个推荐内容获取至少一个推荐理由；基于用户画像、所述至少一个推荐内容和所述至少一个推荐理由获取至少一个推荐结果。
2、获取用户画像的步骤可包括：通过所述预定神经网络基于用户行为获取用户画像；和/或将用户输入的搜索词作为用户画像。
3、响应于通过所述预定神经网络基于用户行为获取用户画像，可通过所述预定神经网络基于用户行为和用户画像获取所述至少一个推荐内容。
4、通过所述预定神经网络基于用户画像和所述至少一个推荐内容获取至少一个推荐理由的步骤可包括：分别针对所述至少一个推荐内容中的每个推荐内容获取相对应的推荐理由；和/或针对所述至少一个推荐内容获取一个推荐理由。
5、所述内容推荐方法还可包括：响应于预定上下文变化，基于变化后的预定上下文和获取的用户画像获取所述至少一个推荐内容。
6、用户行为和所述至少一个推荐结果可以属于不同的领域。
7、所述预定神经网络可以为大语言模型llm。
8、根据本发明构思的示例实施例，提供了一种内容推荐装置，包括：用户画像获取单元，被配置用于获取用户画像；推荐内容获取单元，被配置用于通过预定神经网络基于用户画像获取至少一个推荐内容；推荐理由获取单元，被配置用于通过所述预定神经网络基于用户画像和所述至少一个推荐内容获取至少一个推荐理由；推荐结果获取单元，被配置用于基于用户画像、所述至少一个推荐内容和所述至少一个推荐理由获取至少一个推荐结果。
9、用户画像获取单元可进一步被配置用于以下操作：通过所述预定神经网络基于用户行为获取用户画像；和/或将用户输入的搜索词作为用户画像。
10、响应于通过所述预定神经网络基于用户行为获取用户画像，推荐内容获取单元可进一步被配置用于通过所述预定神经网络基于用户行为和用户画像获取所述至少一个推荐内容。
11、推荐理由获取单元可进一步被配置用于以下操作：分别针对所述至少一个推荐内容中的每个推荐内容获取相对应的推荐理由；和/或针对所述至少一个推荐内容获取一个推荐理由。
12、推荐内容获取单元还可被配置用于以下操作：响应于预定上下文变化，基于变化后的预定上下文和获取的用户画像获取所述至少一个推荐内容。
13、用户行为和所述至少一个推荐结果可以属于不同的领域。
14、所述预定神经网络可以为大语言模型llm。
15、根据本发明构思的示例实施例，提供了一种电子设备，包括存储器和处理器，存储器上存储有计算机可执行指令，当所述指令由处理器执行时，执行前述的方法。
16、根据本发明构思的示例实施例，提供了一种计算机可读介质，其上存储有计算机可执行指令，当执行所述指令时，执行前述的方法。
17、根据本发明构思的示例实施例，通过采用一个预定神经网络来获取用户画像、推荐内容和/或推荐理由，能够更好地保证用户画像、推荐内容和/或推荐理由的一致性，使推荐更智能，推荐理由更吸引用户注意力，用户体验更好，粘性更高，并提高点击率和转化率；此外，通过llm固有的大量知识以及挖掘深层语义的能力，可更好地理解用户画像和待推荐结果之间的深层语义，即使用户交互历史较少，也能够输出较好的推荐结果；此外，通过采用llm进行不同领域、不同内容的推荐，能够更好地支持跨领域推荐。
1.一种内容推荐方法，包括：
2.如权利要求1所述的内容推荐方法，其中，获取用户画像的步骤包括：
3.如权利要求2所述的内容推荐方法，其中，响应于通过所述预定神经网络基于用户行为获取用户画像，通过所述预定神经网络基于用户行为和用户画像获取所述至少一个推荐内容。
4.如权利要求1所述的内容推荐方法，其中，通过所述预定神经网络基于用户画像和所述至少一个推荐内容获取至少一个推荐理由的步骤包括：
5.如权利要求1所述的内容推荐方法，还包括：
6.如权利要求1所述的内容推荐方法，其中，用户行为和所述至少一个推荐结果属于不同的领域。
7.如权利要求1～6之一所述的内容推荐方法，其中，所述预定神经网络为大语言模型llm。
8.一种内容推荐装置，包括：
9.如权利要求8所述的内容推荐装置，其中，用户画像获取单元进一步被配置用于以下操作：
10.如权利要求9所述的内容推荐装置，其中，响应于通过所述预定神经网络基于用户行为获取用户画像，推荐内容获取单元进一步被配置用于通过所述预定神经网络基于用户行为和用户画像获取所述至少一个推荐内容。
11.如权利要求8所述的内容推荐装置，其中，推荐理由获取单元进一步被配置用于以下操作：
12.如权利要求8所述的内容推荐装置，其中，推荐内容获取单元还被配置用于以下操作：
13.如权利要求8所述的内容推荐装置，其中，用户行为和所述至少一个推荐结果属于不同的领域。
14.如权利要求8～13之一所述的内容推荐装置，其中，所述预定神经网络为大语言模型llm。
15.一种电子设备，包括存储器和处理器，存储器上存储有计算机可执行指令，当所述指令由处理器执行时，执行前述权利要求1～7中任一项所述的方法。
16.一种计算机可读介质，其上存储有计算机可执行指令，当执行所述指令时，执行前述权利要求1～7中任一项所述的方法。
