[發明專利]用戶興趣點信息的確定方法、裝置、設備及存儲介質

在審

• 申請號: 201911418383.3
• 申請日: 2019-12-31
• 公開（公告）號: CN111159563A
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 楊晚鵬;譚怒濤
• 申請（專利權）人: 廣州市百果園信息技術有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種用戶興趣點信息的確定方法，其特征在于，包括：

獲取目標用戶對應的至少一個種子條目，并確定所述目標用戶相對各所述種子條目的行為反饋向量；

根據各所述種子條目的基本特征信息以及對應的行為反饋向量，確定所述目標用戶對應的至少一個興趣點向量；

將各所述興趣點向量確定為所述目標用戶的興趣點信息。

2.根據權利要求1所述的方法，其特征在于，根據各所述種子條目的基本特征信息以及對應的行為反饋向量，確定所述目標用戶對應的至少一個興趣點向量，包括：

根據各所述種子條目的基本特征信息構建基本特征向量；

拼接各所述種子條目的基本特征向量與行為反饋向量，形成各所述種子條目的特征拼接向量；

將各所述特征拼接向量依次作為輸入數據，輸入給定的自注意力網絡模型，獲得對應各所述種子條目輸出的注意力矩陣；

根據各所述注意力矩陣確定所述目標用戶對應的至少一個興趣點向量。

3.根據權利要求2所述的方法，其特征在于，所述根據各所述注意力矩陣確定所述目標用戶對應的至少一個興趣點向量，包括：

將各所述注意力矩陣整體作為輸入數據，輸入給定的至少一個第一全連接網絡模型，獲得各所述第一全連接網絡模型對應輸出的興趣點權重向量及興趣點投影矩陣；

確定各所述第一全連接網絡中興趣點權重向量與興趣點投影矩陣的乘積向量，將各所述乘積向量確定為所述目標用戶在各所述第一全連接網絡下對應的興趣點向量；

其中，各所述第一全連接網絡模型為網絡結構相同但所具備全連接參數不同的網絡模型；所述目標用戶所具備興趣點向量的總個數與所述第一全連接網絡模型的模型個數相同。

4.根據權利要求1所述的方法，其特征在于，還包括：

根據所述目標用戶的興趣點信息，從給定的待推薦條目集合中確定候選條目并推薦給所述目標用戶。

5.根據權利要求4所述的方法，其特征在于，所述根據所述目標用戶的興趣點信息，從給定的待推薦條目集合中確定候選條目并推薦給所述目標用戶，包括：

針對所述待推薦條目集合中的每個待推薦條目，確定所述待推薦條目的條目基本特征向量；

確定所述條目基本特征向量相對所述興趣點信息中各興趣點向量的余弦相似度值；

根據各所述余弦相似度值，確定所述待推薦條目對應的推薦得分；

根據各所述待推薦條目的推薦得分確定至少一個候選條目，并將各所述候選條目推薦給所述目標用戶。

6.根據權利要求5所述的方法，其特征在于，所述根據各所述余弦相似度值，確定所述待推薦條目對應的推薦得分，包括：

確定所述目標用戶的用戶基本特征向量以及所述待推薦條目的附加特征向量；

拼接所述用戶基本特征向量、所述待推薦條目的條目基本特征向量和附加特征向量以及各所述余弦相似度值，形成條目推薦特征向量；

將所述條目推薦特征向量作為輸入數據，輸入給定的第二全連接網絡模型，將所述第二全連接網絡模型的輸出值確定為所述待推薦條目的推薦得分。

7.根據權利要求5所述的方法，其特征在于，所述根據各所述待推薦條目的推薦得分確定至少一個候選條目，包括：

將各所述待推薦條目按照相應的推薦得分由高到低排序，將排序后處于前設定數值的待推薦條目作為候選條目；

其中，所述設定數值大于或等于1。

8.根據權利要求1-7任一項所述的方法，其特征在于，所述確定所述目標用戶相對各所述種子條目的行為反饋向量，包括：

針對每個種子條目，獲取所述目標用戶相對所述種子條目的全部行為反饋信息；

查找各所述行為反饋信息對應的編碼信息，并采用稠密向量確定機制處理各所述編碼信息獲得設定維度的行為反饋向量。

9.根據權利要求8所述的方法，其特征在于，所述目標用戶相對各種子條目的行為反饋信息包括下述至少一種：點贊行為反饋、分享行為反饋、評論行為反饋以及收藏行為反饋。