[發明專利]個性化展示圖像的生成方法及裝置、電子設備

在審

• 申請號: 201910765901.2
• 申請日: 2019-08-19
• 公開（公告）號: CN110489582A
• 公開（公告）日: 2019-11-22
• 發明（設計）人: 趙勝林;陳錫顯;蘇玉鑫;沈小勇;戴宇榮;賈佳亞;趙奕涵;張仁壽;梁志杰;陳俊標;蔡韶曼;鄧向陽
• 申請（專利權）人: 騰訊科技(深圳)有限公司
• 主分類號: G06F16/54
• 分類號: G06F16/54;G06F16/9535;G06N3/08
• 代理公司: 44232 深圳市隆天聯鼎知識產權代理有限公司
• 代理人: 劉抗美<國際申請>=<國際公布>=<進入

1.一種個性化展示圖像的生成方法，其特征在于，所述方法包括：

對目標用戶的用戶數據、關于至少一種展示圖像的展示對象數據以及所述至少一種展示圖像的文案數據進行編碼處理，得到第一特征；

對所述至少一種展示圖像進行特征提取，得到第二特征；

通過訓練后的排序模型對所述第一特征和所述第二特征進行融合處理，得到融合特征；

通過所述排序模型預測所述目標用戶對所述融合特征的點擊信息，以確定所述目標用戶的個性化展示圖像。

2.根據權利要求1所述的個性化展示圖像的生成方法，其特征在于，

所述用戶數據包括：用戶畫像數據和用戶對應的設備標識；

所述展示對象數據包括：分類數據、標識和修飾手法數據；

所述文案數據包括：文案風格和文案版式；

所述訓練后的排序模型是基于神經網絡模型、決策樹模型和極端梯度提升模型中的至少一種得到的。

3.根據權利要求1所述的個性化展示圖像的生成方法，其特征在于，所述對所述至少一種展示圖像進行特征提取，得到第二特征，包括：

將所述展示圖像輸入預訓練的神經網絡模型；

根據所述預訓練的神經網絡模型的全連接層確定圖像全連接層特征，以及根據所述預訓練的神經網絡模型的隱藏層的輸出向量的內積確定圖像風格特征。

4.根據權利要求1至3中任意一項所述的個性化展示圖像的生成方法，其特征在于，所述方法還包括：

獲取多組訓練樣本，其中，每組訓練樣本包含：用戶特征，以及至少一種展示圖像的屬性特征和關于所示屬性特征的目標點擊信息；

將所述用戶特征和所述屬性特征輸入至排序模型；

根據所述排序模型的特征融合層融合所述用戶特征和所述屬性特征，得到融合特征；

根據所述融合特征確定預測點擊信息，并基于所述預測點擊信息和所示目標點擊信息確定損失函數，以根據所示損失函數優化所述排序模型的模型參數。

5.根據權利要求4所述的個性化展示圖像的生成方法，其特征在于，所述基于所述預測點擊信息和所示目標點擊信息確定損失函數，包括：

確定所述預測點擊信息和所示目標點擊信息的交叉熵函數，作為所述損失函數。

6.根據權利要求1至3中任意一項所述的個性化展示圖像的生成方法，其特征在于，所述通過訓練后的排序模型對所述第一特征和所述第二特征進行融合處理，得到融合特征，包括：

通過所述排序模型的嵌入層對所述第一特征進行嵌入式學習，得到嵌入式特征；

通過所述排序模型的第一融合層對所述嵌入式特征進行融合處理，得到第一融合特征；

通過所述排序模型的第二融合層對將所述第一融合特征和所述第二特征進行融合處理，得到第二融合特征。

7.根據權利要求6所述的個性化展示圖像的生成方法，其特征在于，所述通過所述排序模型預測所述目標用戶對所述融合特征的點擊信息，以確定所述目標用戶的個性化展示圖像，包括：

通過所述排序模型的分類層預測所述目標用戶對所述融合特征的點擊信息；

根據預測結果確定目標融合特征，其中，所述目標融合特征包含一組關于所述目標用戶的個性化特征；

根據所述個性化特征確定所述個性化展示圖像。

8.一種個性化展示圖像的生成裝置，其特征在于，所述裝置包括：

第一特征確定模塊，被配置為對目標用戶的用戶數據、關于至少一種展示圖像的展示對象數據以及所述至少一種展示圖像的文案數據進行編碼處理，得到第一特征；

第二特征確定模塊，被配置為對所述至少一種展示圖像進行特征提取，得到第二特征；

特征融合模塊，被配置為通過訓練后的排序模型對所述第一特征和所述第二特征進行融合處理，得到融合特征；

個性化展示圖像確定模塊，被配置為通過所述排序模型預測所述目標用戶對所述融合特征的點擊信息，以確定所述目標用戶的個性化展示圖像。