[發(fā)明專利]用于推薦目標對象的方法、計算設(shè)備和計算機存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010638994.5
• 申請日: 2020-07-06
• 公開（公告）號: CN111523044B
• 公開（公告）日: 2020-10-23
• 發(fā)明（設(shè)計）人: 胡強;王德龍
• 申請（專利權(quán)）人: 南京夢餉網(wǎng)絡(luò)科技有限公司;上海眾旦信息科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/04;G06N3/08
• 代理公司: 北京市金杜律師事務(wù)所 11256
• 代理人: 王茂華

1.一種用于推薦目標對象的方法，包括：

基于所獲取的、預(yù)定時間間隔中的用戶行為信息、目標對象信息和環(huán)境信息，生成輸入數(shù)據(jù)，所述輸入數(shù)據(jù)至少包括用戶針對所述目標對象的點擊特征、瀏覽特征、購買特征、目標對象特征和環(huán)境特征；

基于多個GPU的數(shù)量，將所述輸入數(shù)據(jù)平均分片成多個子輸入數(shù)據(jù)，以便至少用于被配置在所述多個GPU上的第一神經(jīng)網(wǎng)絡(luò)模型和第二神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練；

經(jīng)由所述第一神經(jīng)網(wǎng)絡(luò)模型，提取所述子輸入數(shù)據(jù)的特征，以預(yù)測所述用戶的點擊概率，所述第一神經(jīng)網(wǎng)絡(luò)模型是基于第一損失函數(shù)而優(yōu)化的；

經(jīng)由所述第二神經(jīng)網(wǎng)絡(luò)模型，提取所述子輸入數(shù)據(jù)的特征，以預(yù)測關(guān)于所述目標對象的轉(zhuǎn)化概率，所述第二神經(jīng)網(wǎng)絡(luò)模型是基于第二損失函數(shù)而優(yōu)化的，所述第二神經(jīng)網(wǎng)絡(luò)模型和所述第一神經(jīng)網(wǎng)絡(luò)模型至少共享嵌入層；以及

基于所述用戶的點擊概率、關(guān)于所述目標對象的轉(zhuǎn)化概率和第三損失函數(shù)，預(yù)測關(guān)于所述目標對象的推薦概率，所述第三損失函數(shù)是基于針對所述第一損失函數(shù)、第一預(yù)定權(quán)重、所述第二損失函數(shù)和第二預(yù)定權(quán)重的加權(quán)求和運算而確定的。

2.根據(jù)權(quán)利要求1所述的方法，還包括：

在CPU處，獲取來自所述多個GPU中的每一個GPU的用于訓(xùn)練所述第一神經(jīng)網(wǎng)絡(luò)模型和所述第二神經(jīng)網(wǎng)絡(luò)模型的梯度；

針對所述梯度進行合并，以 生成更新梯度；以及

將所述更新梯度傳播至所述每一個GPU，以便所述每一個GPU所配置的所述第一神經(jīng)網(wǎng)絡(luò)模型和所述第二神經(jīng)網(wǎng)絡(luò)模型基于所述更新梯度進行訓(xùn)練。

3.根據(jù)權(quán)利要求1所述的方法，其中生成輸入數(shù)據(jù)包括：

基于所述用戶，將預(yù)定時間間隔中的用戶行為信息進行聚類，以生成所述點擊特征、瀏覽特征和購買特征，所述點擊特征、瀏覽特征和購買特征中的每一個還包括與多個目標對象相關(guān)聯(lián)的行為特征值；

基于所述目標對象，將預(yù)定時間間隔中的目標對象信息進行聚類，以生成所述目標對象特征，所述目標對象特征至少包括針對多個目標對象的購物車操作特征；

基于所述環(huán)境信息生成環(huán)境特征，所述環(huán)境特征至少包括時間特征和位置信息；

對所述點擊特征、所述瀏覽特征和所述購買特征、所述目標對象特征和所述環(huán)境特征進行歸一化處理；以及

將經(jīng)歸一化處理的所述點擊特征、瀏覽特征和購買特征、所述目標對象特征和環(huán)境特征進行拼接，以便生成輸入特征。

4.根據(jù)權(quán)利要求1所述的方法，其中還包括：

經(jīng)由被共享的嵌入層的同一embedding矩陣將所述點擊特征、瀏覽特征和購買特征、目標對象特征和環(huán)境特征映射為向量，以便所述輸入數(shù)據(jù)共享訓(xùn)練權(quán)值。

5.根據(jù)權(quán)利要求1所述的方法，還包括：

響應(yīng)于確定所述目標對象的推薦概率大于或者等于預(yù)定閾值，在網(wǎng)頁的第一預(yù)定位置處顯示所述目標對象，所述目標對象為候選商品；

響應(yīng)于確定所述目標對象的推薦概率小于所述預(yù)定閾值，在所述網(wǎng)頁的第二預(yù)定位置處顯示所述目標對象。

6.根據(jù)權(quán)利要求1所述的方法，還包括：基于所述點擊概率、所述轉(zhuǎn)化概率和所述目標對象的推薦概率中的至少一個，確定多個目標對象在網(wǎng)頁顯示時的排序順序。

7.根據(jù)權(quán)利要求1所述的方法，還包括：

響應(yīng)于接收到預(yù)測請求，基于多模型配置文件，獲取所述第一神經(jīng)網(wǎng)絡(luò)模型和所述第二神經(jīng)網(wǎng)絡(luò)模型的模型名稱、路徑和版本，加載所述第一神經(jīng)網(wǎng)絡(luò)模型和所述第二神經(jīng)網(wǎng)絡(luò)模型。

8.一種計算設(shè)備，包括：

至少一個處理單元；

至少一個存儲器，所述至少一個存儲器被耦合到所述至少一個處理單元并且存儲用于由所述至少一個處理單元執(zhí)行的指令，所述指令當(dāng)由所述至少一個處理單元執(zhí)行時，使得所述設(shè)備執(zhí)行根據(jù)權(quán)利要求1至7任一項所述的方法的步驟。

9.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被機器執(zhí)行時實現(xiàn)根據(jù)權(quán)利要求1至7中任一項所述的方法。