[發(fā)明專利]信息推薦方法、模型訓練方法及相關裝置

有效

• 申請?zhí)枺?/td>: 202011398840.X
• 申請日: 2020-12-03
• 公開（公告）號: CN112380449B
• 公開（公告）日: 2021-11-23
• 發(fā)明（設計）人: 鐘子宏
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王兆林

1.一種信息推薦方法，其特征在于，所述方法包括：

獲取預測數(shù)據(jù)集；所述預測數(shù)據(jù)集包括多個目標用戶各自對應的預測數(shù)據(jù)，所述預測數(shù)據(jù)包括預測特征數(shù)據(jù)和預測標簽，所述預測特征數(shù)據(jù)包括第T周期內所述目標用戶的用戶特征數(shù)據(jù)、以及所述第T周期內目標推薦信息的信息特征數(shù)據(jù)，所述預測標簽是根據(jù)所述第T周期內所述目標用戶對所述目標推薦信息的查看情況確定的；所述T為大于1的整數(shù)；

根據(jù)所述預測數(shù)據(jù)集中各所述預測數(shù)據(jù)包括的所述預測標簽，確定所述預測數(shù)據(jù)集中的正負樣本比例，作為預測狀態(tài)轉移概率；

通過感興趣概率預測模型，根據(jù)所述目標用戶對應的所述預測數(shù)據(jù)包括的所述預測特征數(shù)據(jù)、以及所述預測狀態(tài)轉移概率，確定第T+1周期內所述目標用戶對所述目標推薦信息的感興趣概率；

根據(jù)所述第T+1周期內所述目標用戶對所述目標推薦信息的感興趣概率，確定在所述第T+1周期內是否向所述目標用戶推薦所述目標推薦信息。

2.根據(jù)權利要求1所述的方法，其特征在于，所述方法還包括：

在所述目標用戶對應的所述預測數(shù)據(jù)包括的所述預測特征數(shù)據(jù)中，確定稀疏特征數(shù)據(jù)；

通過深度神經(jīng)網(wǎng)絡模型處理所述稀疏特征數(shù)據(jù)，得到第一目標特征數(shù)據(jù)；

以及，所述通過感興趣概率預測模型，根據(jù)所述目標用戶對應的所述預測數(shù)據(jù)包括的所述預測特征數(shù)據(jù)、以及所述預測狀態(tài)轉移概率，確定第T+1周期內所述目標用戶對所述目標推薦信息的感興趣概率，包括：

通過所述感興趣概率預測模型，根據(jù)所述第一目標特征數(shù)據(jù)、所述預測特征數(shù)據(jù)中除所述稀疏特征數(shù)據(jù)外的特征數(shù)據(jù)、以及所述預測狀態(tài)轉移概率，確定所述第T+1周期內所述目標用戶對所述目標推薦信息的感興趣概率。

3.根據(jù)權利要求1所述的方法，其特征在于，所述方法還包括：

在所述目標用戶對應的所述預測數(shù)據(jù)包括的所述預測特征數(shù)據(jù)中，確定稠密特征數(shù)據(jù)；

對所述稠密特征數(shù)據(jù)進行預處理，得到第二目標特征數(shù)據(jù)；所述預處理包括以下至少一種處理方式：去相關性處理、歸一化處理、特征離散化處理；

以及，所述通過感興趣概率預測模型，根據(jù)所述目標用戶對應的所述預測數(shù)據(jù)包括的所述預測特征數(shù)據(jù)、以及所述預測狀態(tài)轉移概率，確定第T+1周期內所述目標用戶對所述目標推薦信息的感興趣概率，包括：

通過所述感興趣概率預測模型，根據(jù)所述第二目標特征數(shù)據(jù)、所述預測特征數(shù)據(jù)中除所述稠密特征數(shù)據(jù)外的特征數(shù)據(jù)、以及所述預測狀態(tài)轉移概率，確定所述第T+1周期內所述目標用戶對所述目標推薦信息的感興趣概率。

4.根據(jù)權利要求1所述的方法，其特征在于，所述感興趣概率預測模型是基于訓練樣本數(shù)據(jù)集訓練得到的；所述訓練樣本數(shù)據(jù)集包括多個用戶各自對應的訓練樣本數(shù)據(jù)，所述訓練樣本數(shù)據(jù)包括訓練特征數(shù)據(jù)、第一訓練標簽和第二訓練標簽，所述訓練特征數(shù)據(jù)包括第T-1周期內所述用戶的用戶特征數(shù)據(jù)、以及所述第T-1周期內推薦信息的信息特征數(shù)據(jù)，所述第一訓練標簽是根據(jù)所述第T-1周期內所述用戶對所述推薦信息的查看情況確定的，所述第二訓練標簽是根據(jù)所述第T周期內所述用戶對所述推薦信息的查看情況確定的。

5.根據(jù)權利要求1或4所述的方法，其特征在于，所述用戶特征數(shù)據(jù)包括以下至少一種：用于表征個人基本信息的基礎屬性數(shù)據(jù)、用于表征用戶操作活躍度的活躍屬性數(shù)據(jù)、用于表征用戶購買情況的消費屬性數(shù)據(jù)；

所述推薦信息包括以下至少一種：商品信息、商品優(yōu)惠券。