[發(fā)明專利]信息推薦模型訓(xùn)練方法和裝置、信息推薦方法和裝置

在審

• 申請?zhí)枺?/td>: 202010094811.8
• 申請日: 2020-02-17
• 公開（公告）號: CN110930203A
• 公開（公告）日: 2020-03-27
• 發(fā)明（設(shè)計(jì)）人: 孫玥
• 申請（專利權(quán)）人: 京東數(shù)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(mào)易促進(jìn)委員會專利商標(biāo)事務(wù)所 11038
• 代理人: 劉劍波

本公開提供一種信息推薦模型訓(xùn)練方法和裝置、信息推薦方法和裝置。信息推薦模型訓(xùn)練裝置提取用戶歷史行為特征信息和用戶屬性信息，其中用戶歷史行為特征信息包括與用戶行為相關(guān)聯(lián)的歷史場景特征信息；利用嵌入層分別對歷史場景特征信息和用戶屬性信息進(jìn)行轉(zhuǎn)換處理，以得到對應(yīng)的歷史場景特征向量和用戶屬性特征向量；利用歷史場景特征向量和用戶屬性特征向量對深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，以得到信息推薦模型。本公開通過利用用戶的場景特征，以便實(shí)現(xiàn)信息的精準(zhǔn)投放。

技術(shù)領(lǐng)域

本公開涉及信息處理領(lǐng)域，特別涉及一種信息推薦模型訓(xùn)練方法和裝置、信息推薦方法和裝置。

背景技術(shù)

廣告推薦從推薦內(nèi)容的產(chǎn)生方法上，可以分為基于規(guī)則和基于機(jī)器學(xué)習(xí)的廣告推薦方法。基于規(guī)則的方法需要在投放廣告前人工定義一系列的投放規(guī)則，如投放給男性用戶、學(xué)生等。這類方法由于根據(jù)預(yù)定的投放規(guī)則進(jìn)行投放，因此缺乏靈活性和準(zhǔn)確性。基于機(jī)器學(xué)習(xí)的廣告推薦方法主要選擇用戶畫像、歷史行為等特征作為學(xué)習(xí)模型的輸入，以選擇與用戶匹配度最高的廣告。這類方法由于忽略了用戶看廣告時所處的場景，即忽略了用戶看廣告的時間和地點(diǎn)等信息，而用戶通常在不同的時間和地點(diǎn)對廣告內(nèi)容的需求也會有所不同。因此在忽略用戶場景信息的情況下，無法實(shí)現(xiàn)精準(zhǔn)的廣告投放。

發(fā)明內(nèi)容

本公開提供一種信息推薦模型訓(xùn)練方案和相應(yīng)的信息推薦方案。通過利用用戶的場景特征，以便實(shí)現(xiàn)信息的精準(zhǔn)投放。

根據(jù)本公開實(shí)施例的第一方面，提供一種信息推薦模型訓(xùn)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(guān)聯(lián)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(jìn)行轉(zhuǎn)換處理，以得到對應(yīng)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(xué)習(xí)模型進(jìn)行訓(xùn)練，以得到信息推薦模型。

在一些實(shí)施例中，所述歷史場景特征信息包括用戶行為的發(fā)生時段、行為發(fā)生所在地、行為發(fā)生所在興趣點(diǎn)類型、以及行為發(fā)生地與用戶常駐地距離中的至少一項(xiàng)。

在一些實(shí)施例中，所述用戶屬性信息包括用戶畫像和用戶統(tǒng)計(jì)信息中的至少一項(xiàng)。

在一些實(shí)施例中，上述方法還包括：根據(jù)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(guān)系，生成用戶特征索引表。

在一些實(shí)施例中，上述方法還包括：根據(jù)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(guān)系，生成向量嵌入索引表。

根據(jù)本公開實(shí)施例的第二方面，提供一種信息推薦模型訓(xùn)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(guān)聯(lián)的歷史場景特征信息；轉(zhuǎn)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(jìn)行轉(zhuǎn)換處理，以得到對應(yīng)的歷史場景特征向量和用戶屬性特征向量；訓(xùn)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(xué)習(xí)模型進(jìn)行訓(xùn)練，以得到信息推薦模型。

根據(jù)本公開實(shí)施例的第三方面，提供一種信息推薦模型訓(xùn)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(zhí)行實(shí)現(xiàn)如上述任一實(shí)施例所述的信息推薦模型訓(xùn)練方法。

根據(jù)本公開實(shí)施例的第四方面，提供一種信息推薦方法，包括：從用戶發(fā)送的信息推薦請求中提取出用戶標(biāo)識和當(dāng)前場景特征信息；獲取與所述用戶標(biāo)識相關(guān)聯(lián)的用戶屬性特征向量；將所述當(dāng)前場景特征信息轉(zhuǎn)換為對應(yīng)的當(dāng)前場景特征向量；利用經(jīng)上述任一實(shí)施例所述的信息推薦模型對所述用戶屬性特征向量和所述當(dāng)前場景特征向量進(jìn)行處理，以得到與所述用戶的當(dāng)前場景相匹配的推薦信息。

在一些實(shí)施例中，獲取與所述用戶標(biāo)識相關(guān)聯(lián)的用戶屬性特征向量包括：根據(jù)上述任一實(shí)施例所述的用戶特征索引表，獲取與所述用戶標(biāo)識相關(guān)聯(lián)的用戶屬性特征向量。