[發明專利]點擊率預測方法和裝置

在審

• 申請號: 201910102000.5
• 申請日: 2019-01-31
• 公開（公告）號: CN109862432A
• 公開（公告）日: 2019-06-07
• 發明（設計）人: 蔣文瑞;楊海欽;蔡淇森;游威;朱逸
• 申請（專利權）人: 廈門美圖之家科技有限公司
• 主分類號: H04N21/466
• 分類號: H04N21/466;H04N21/442;H04N21/258;H04N21/25;H04N17/00
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 王思楠

1.一種點擊率預測方法，其特征在于，所述方法包括：

獲取候選用戶的歷史播放行為數據和候選視頻數據；

根據所述候選用戶的歷史播放行為數據和候選視頻數據，提取預設多模態模型各個模塊的輸入數據，其中，所述輸入數據包括所述候選用戶的興趣信息、所述候選視頻的反饋信息、以及所述候選視頻與所述候選用戶的交互信息；

根據所述輸入數據通過所述預設多模態模型的各個模塊訓練得到視頻點擊率預估模型；

獲取待推薦用戶數據和待推薦視頻數據，通過所述視頻點擊率預估模型得到所述待推薦用戶點擊所述待推薦視頻的點擊率預測值。

2.根據權利要求1所述的方法，其特征在于，所述根據所述輸入數據通過所述預設多模態模型的各個模塊訓練得到視頻點擊率預估模型，包括：

根據所述候選用戶的興趣信息、所述候選視頻的反饋信息、以及所述候選視頻與所述候選用戶的交互信息通過所述預設多模態模型的各個模塊進行訓練；

將訓練后的多模態模型通過對數損失函數和優化器進行優化，得到視頻點擊率預估模型。

3.根據權利要求2所述的方法，其特征在于，所述根據所述候選用戶的興趣信息、所述候選視頻的反饋信息、以及所述候選視頻與所述候選用戶的交互信息通過所述預設多模態模型的各個模塊進行訓練的步驟，包括：

根據所述候選用戶的興趣信息、所述候選視頻的反饋信息、以及所述候選視頻與所述候選用戶的交互信息，通過用戶興趣分析模塊、視覺抽取模塊和交叉特征學習模塊，分別得到所述候選用戶對所述候選視頻的興趣特征權重值、所述候選用戶對所述候選視頻的反饋特征權重值、以及所述候選用戶和所述候選視頻的交互特征權重值；

將所述候選用戶對所述候選視頻的興趣特征權重值、所述候選用戶對所述候選視頻的反饋特征權重值、以及所述候選用戶和所述候選視頻的交互特征權重值通過組合模型進行拼接操作；

將拼接后的數據經過兩層激活函數，得到所述候選用戶點擊所述候選視頻數據的點擊率預測值。

4.根據權利要求1-3任一項所述的方法，其特征在于，所述候選用戶的興趣信息包括：候選用戶特征、候選用戶行為、候選視頻的候選特征和候選用戶的歷史播放視頻的上下文特征。

5.根據權利要求1-3任一項所述的方法，其特征在于，所述候選視頻的反饋信息包括：候選視頻的封面特征和候選視頻的關鍵幀特征。

6.根據權利要求1-3任一項所述的方法，其特征在于，所述候選視頻與所述候選用戶的交互信息包括：候選用戶特征和候選視頻的候選特征。

7.一種視頻點擊率預測裝置，其特征在于，所述裝置包括：

第一獲取模塊，用于獲取候選用戶的歷史播放行為數據和候選視頻數據；

第二獲取模塊，用于根據所述候選用戶的歷史播放行為數據和候選視頻數據，提取預設多模態模型各個模塊的輸入數據，其中，所述輸入數據包括所述候選用戶的興趣信息、所述候選視頻的反饋信息、以及所述候選視頻與所述候選用戶的交互信息；

訓練模塊，用于根據所述輸入數據通過所述預設多模態模型的各個模塊訓練得到視頻點擊率預估模型；

第三獲取模塊，用于獲取待推薦用戶數據和待推薦視頻數據，通過所述視頻點擊率預估模型得到所述待推薦用戶點擊所述待推薦視頻的點擊率預測值。

8.根據權利要求7所述的裝置，其特征在于，所述訓練模塊，具體用于根據所述候選用戶的興趣信息、所述候選視頻的反饋信息、以及所述候選視頻與所述候選用戶的交互信息通過所述預設多模態模型的各個模塊進行訓練；將訓練后的多模態模型通過對數損失函數和優化器進行優化，得到視頻點擊率預估模型。