[發明專利]一種創建跨域遷移深度網絡的方法及設備

有效

• 申請號: 201710823201.5
• 申請日: 2017-09-13
• 公開（公告）號: CN107609116B
• 公開（公告）日: 2020-09-18
• 發明（設計）人: 程大偉;楊芳洲
• 申請（專利權）人: 星環信息科技（上海）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/06;G06F40/284
• 代理公司: 上海百一領御專利代理事務所(普通合伙) 31243
• 代理人: 佘猛;邵棟

本申請的目的是提供一種創建跨域遷移深度網絡的方法及設備，本申請通過獲取用戶在一個或多個產品領域內的樣本數據，其中，所述樣本數據包括用戶的個人信息、產品信息及用戶與產品的歷史交互信息；對所述樣本數據進行數據處理，得到特征數據，并根據所述特征數據構建訓練數據集；構建跨域遷移深度網絡的關系層，其中，所述關系層包括輸入層、嵌入層、隱藏層和輸出層；基于所構建的關系層，根據所述訓練數據集對所述跨域遷移深度網絡進行訓練，得到訓練后的跨域遷移深度網絡模型；可以分析和挖掘用戶在不同領域產品上的行為數據，從而克服數據稀疏和冷啟動的問題，得到更全面的用戶偏好。

技術領域

本申請涉及計算機領域，尤其涉及一種創建跨域遷移深度網絡的方法及設備。

背景技術

個性化推薦技術作為解決信息爆炸時代所帶來的信息過載問題的一種有效的途徑，已經成為互聯網時代不可缺少的一項技術，其能夠通過分析客戶信息數據以及客戶行為數據，挖掘客戶對于產品的偏好，并為客戶推薦出最符合其偏好的產品。當前推薦技術已經廣泛地應用于包括電子商務、新聞門戶、多媒體等多種互聯網服務型網站。近些年，隨著金融行業中金融產品日趨豐富，以及金融信息化程度的提高，個性化推薦技術也開始應用到金融產品的推薦上。

目前，常用的推薦方法主要分為兩類，一個是基于內容的推薦，另一個是基于協同過濾的推薦。其中，基于內容的推薦是根據產品的顯性的特征去給不同類型的用戶進行產品推薦；基于協同過濾的推薦分析用戶對產品的行為數據，并計算出用戶對于產品的隱性的交互特征以及偏好，并根據這些偏好對用戶進行產品推薦。

但傳統的推薦方法通常面臨著數據稀疏以及冷啟動的問題，并且只能對一種領域內的產品進行推薦，無法分析挖掘用戶在其他領域產品的行為數據。例如，對于一個從未買過理財產品的新用戶，無法得知其購買理財產品的偏好；此外上述傳統的推薦方法也無法很好的處理非結構化的特征數據以及高維稀疏化的特征數據。

發明內容

本申請的一個目的是提供一種創建跨域遷移深度網絡的方法及設備，解決現有技術中只能對一種領域內的產品進行推薦，無法分析挖掘用戶在其他領域產品的行為數據，以及數據稀疏和冷啟動的問題。

根據本申請的一個方面，提供了一種創建跨域遷移深度網絡的方法，所述方法包括：

獲取用戶在一個或多個產品領域內的樣本數據，其中，所述樣本數據包括用戶的個人信息、產品信息及用戶與產品的歷史交互信息；

對所述樣本數據進行數據處理，得到特征數據，并根據所述特征數據構建訓練數據集；

構建跨域遷移深度網絡的關系層，其中，所述關系層包括輸入層、嵌入層、隱藏層和輸出層；

基于所構建的關系層，根據所述訓練數據集對所述跨域遷移深度網絡進行訓練，得到訓練后的跨域遷移深度網絡模型。

進一步地，上述方法中，所述方法包括：

獲取用戶在待測產品領域的一個或多個候選產品；

通過訓練后的跨域遷移深度網絡模型對所述一個或多個候選產品進行預測，得到用戶對于每一候選產品的偏好值。

進一步地，上述方法中，對所述樣本數據進行數據處理，包括：

抽取所述樣本數據的用戶特征和/或產品特征，對所述用戶特征和/或產品特征對應的數據進行數據處理。

進一步地，抽取所述樣本數據的用戶特征和/或產品特征，對所述用戶特征和/或產品特征對應的數據進行數據處理，包括：

抽取所述樣本數據中的用戶特征和/或產品特征，對所述用戶特征和/或產品特征中的連續值進行離散處理，得到離散區間值；

對經離散處理得到的離散區間值及所述用戶特征和/或產品特征中的離散值進行獨熱編碼處理，得到高維稀疏的特征。