[發明專利]一種推薦概率預測方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010911642.2
• 申請日: 2020-09-02
• 公開（公告）號: CN112183818A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 李爽;謝乾龍;王興星
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/02;G06Q50/12;G06N3/04
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 任亞娟

1.一種推薦概率預測方法，其特征在于，所述方法包括：

獲得屬于不同用戶層級的多個用戶各自的用戶特征，其中，不同用戶層級的用戶對應不同的用戶參數值區間；

將待推薦信息的特征和所述多個用戶各自的特征輸入多任務推薦概率預測模型，得到所述多個用戶各自的推薦概率；

其中，所述多任務推薦概率預測模型是以樣本信息的特征和各個用戶層級的樣本用戶的特征為輸入，對多任務學習MMOE模型進行訓練得到的，所述多任務推薦概率預測模型包括多個任務網絡，每個任務網絡用于預測向一種用戶層級的樣本用戶推薦所述樣本信息的推薦概率。

2.根據權利要求1所述的方法，其特征在于，所述多任務學習MMOE模型還包括多個門開關網絡、多個專家網絡以及多個融合模塊，每個專家網絡用于從一個維度對輸入至所述多任務推薦概率預測模型的特征進行特征提取，一個門開關網絡用于輸出一種用戶層級在多個不同維度下的權重，一個融合模塊用于根據一種用戶層級在多個不同維度下的權重，對所述多個專家網絡輸出的在所述多個不同維度下提取的特征進行融合。

3.根據權利要求2所述的方法，其特征在于，所述推薦概率包括：點擊率、轉化率、點擊且轉化率；所述多個任務網絡中任一任務網絡為完整空間多任務ESMM網絡；所述每個融合模塊輸出的融合特征為一種用戶層級對應的ESMM網絡的輸入，每個ESMM網絡用于預測向一種用戶層級的樣本用戶對所述樣本信息的點擊率、轉化率、點擊且轉化率。

4.根據權利要求1-3任一所述的方法，其特征在于，在獲得屬于不同用戶層級的多個用戶各自的用戶特征之前，所述方法還包括：

獲得多個用戶在預設時間段內產生的用戶參數值的分布區間；

對所述分布區間進行分割，將分割前后信息熵差值滿足預設條件的參數值作為分層閾值；

按照所述分層閾值，將所述多個用戶劃分為預設層數的用戶層級。

5.根據權利要求4所述的方法，其特征在于，所述用戶參數值包括以下至少一者：成單均價、用戶評分、用戶下單次數。

6.根據權利要求1-3任一所述的方法，其特征在于，在得到所述多個用戶各自的推薦概率之后，所述方法還包括：

將待推薦信息推送給所述多個用戶中推薦概率大于預設概率的用戶使用的用戶終端。

7.根據權利要求1-3任一所述的方法，其特征在于，所述待推薦信息的數量是多個；所述方法還包括：

確定所述多個待推薦信息對目標用戶的推薦概率，所述目標用戶為所述多個用戶中的一個用戶；

將所述多個待推薦信息按照推薦概率降序發送給所述目標用戶使用的用戶終端。

8.一種推薦概率預測裝置，其特征在于，所述裝置包括：

第一獲得模塊，用于獲得屬于不同用戶層級的多個用戶各自的用戶特征，其中，不同用戶層級的用戶對應不同的用戶參數值區間；

第二獲得模塊，用于將待推薦信息的特征和所述多個用戶各自的特征輸入多任務推薦概率預測模型，得到所述多個用戶各自的推薦概率；

其中，所述多任務推薦概率預測模型是以樣本信息的特征和各個用戶層級的樣本用戶的特征為輸入，對多任務學習MMOE模型進行訓練得到的，所述多任務推薦概率預測模型包括多個任務網絡，每個任務網絡用于預測向一種用戶層級的樣本用戶推薦所述樣本信息的推薦概率。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-7任一所述的推薦概率預測方法中的步驟。

10.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行時實現如權利要求1-7任一所述的推薦概率預測方法中的步驟。