[發明專利]信息推薦模型訓練方法和裝置、信息推薦方法和裝置

在審

• 申請號: 202010094811.8
• 申請日: 2020-02-17
• 公開（公告）號: CN110930203A
• 公開（公告）日: 2020-03-27
• 發明（設計）人: 孫玥
• 申請（專利權）人: 京東數字科技控股有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 中國國際貿易促進委員會專利商標事務所 11038
• 代理人: 劉劍波

1.一種信息推薦模型訓練方法，包括：

提取用戶歷史行為特征信息和用戶屬性信息，其中所述用戶歷史行為特征信息包括與用戶行為相關聯的歷史場景特征信息；

利用嵌入層分別對所述歷史場景特征信息和用戶屬性信息進行轉換處理，以得到對應的歷史場景特征向量和用戶屬性特征向量；

利用所述歷史場景特征向量和用戶屬性特征向量對深度學習模型進行訓練，以得到信息推薦模型。

2.根據權利要求1所述的方法，其中，

所述歷史場景特征信息包括用戶行為的發生時段、行為發生所在地、行為發生所在興趣點類型、以及行為發生地與用戶常駐地距離中的至少一項。

3.根據權利要求1所述的方法，其中，

所述用戶屬性信息包括用戶畫像和用戶統計信息中的至少一項。

4.根據權利要求1-3中任一項所述的方法，還包括：

根據所述用戶屬性信息與所述用戶屬性特征向量之間的映射關系，生成用戶特征索引表。

5.根據權利要求4所述的方法，還包括：

根據所述歷史場景特征信息與所述歷史場景特征向量之間的映射關系，生成向量嵌入索引表。

6.一種信息推薦模型訓練裝置，包括：

提取模塊，被配置為提取用戶歷史行為特征信息和用戶屬性信息，其中所述用戶歷史行為特征信息包括與用戶行為相關聯的歷史場景特征信息；

轉換處理模塊，被配置為利用嵌入層分別對所述歷史場景特征信息和用戶屬性信息進行轉換處理，以得到對應的歷史場景特征向量和用戶屬性特征向量；

訓練模塊，被配置為利用所述歷史場景特征向量和用戶屬性特征向量對深度學習模型進行訓練，以得到信息推薦模型。

7.一種信息推薦模型訓練裝置，包括：

存儲器，被配置為存儲指令；

處理器，耦合到存儲器，處理器被配置為基于存儲器存儲的指令執行實現如權利要求1-5中任一項的方法。

8.一種信息推薦方法，包括：

從用戶發送的信息推薦請求中提取出用戶標識和當前場景特征信息；

獲取與所述用戶標識相關聯的用戶屬性特征向量；

將所述當前場景特征信息轉換為對應的當前場景特征向量；

利用經權利要求1-5中任一項所述的信息推薦模型對所述用戶屬性特征向量和所述當前場景特征向量進行處理，以得到與所述用戶的當前場景相匹配的推薦信息。

9.根據權利要求8所述的方法，其中，獲取與所述用戶標識相關聯的用戶屬性特征向量包括：

根據用戶特征索引表，獲取與所述用戶標識相關聯的用戶屬性特征向量，其中利用嵌入層對用戶屬性信息進行轉換處理，以得到對應的用戶屬性特征向量，根據所述用戶屬性信息與所述對應的用戶屬性特征向量之間的映射關系生成所述用戶特征索引表。

10.根據權利要求9所述的方法，其中，將所述當前場景特征信息轉換為對應的當前場景特征向量包括：

根據向量嵌入索引表，獲取與所述用戶的當前場景特征信息相對應的當前場景特征向量，其中利用嵌入層對用戶歷史行為特征信息中包括的與用戶行為相關聯的歷史場景特征信息進行轉換處理，以得到對應的歷史場景特征向量，根據所述歷史場景特征信息與所述對應的歷史場景特征向量之間的映射關系，生成所述向量嵌入索引表。

11.一種信息推薦裝置，包括：

提取模塊，被配置為從用戶發送的信息推薦請求中提取出用戶標識和當前場景特征信息；

第一特征向量獲取模塊，被配置為獲取與所述用戶標識相關聯的用戶屬性特征向量；

第二特征向量獲取模塊，被配置為將所述當前場景特征信息轉換為對應的當前場景特征向量；

信息處理模塊，被配置為利用經權利要求1-6中任一項所述的信息推薦模型對所述用戶屬性特征向量和所述當前場景特征向量進行處理，以得到與所述用戶的當前場景相匹配的推薦信息。