[發明專利]一種用戶協同過濾召回方法及裝置

有效

• 申請號: 202011465765.4
• 申請日: 2020-12-14
• 公開（公告）號: CN112528164B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 許娜娜
• 申請（專利權）人: 中國建設銀行股份有限公司
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q30/0601;G06F18/23213;G06V10/774
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 賈磊;李輝

本申請提供一種用戶協同過濾召回方法及裝置，所述方法包括：基于用戶的歷史行為數據訓練得到待召回產品的Embedding值；根據所述待召回產品的Embedding值計算用戶的Embedding值；根據所述用戶的Embedding值得到用戶聚類；根據待推薦用戶的用戶基礎信息數據、所述用戶聚類及所述待召回產品的Embedding值構建待召回產品推薦列表，以向待推薦用戶推薦待召回產品。本申請能夠基于用戶的歷史行為數據以及用戶基礎信息數據，確定用戶所屬用戶聚類，并據此構建待召回產品推薦列表，完成向待推薦用戶進行待召回產品推薦。

技術領域

本申請涉及大數據及人工智能領域，具體是一種用戶協同過濾召回方法及裝置。

背景技術

在金融及電子商務等領域中，時常需根據用戶的基礎信息數據為其推薦適合其自身的產品，也就是進行智能營銷。在智能營銷應用場景中，營銷系統可以基于用戶的歷史行為數據等去匹配最適合該用戶的產品，對該產品進行推薦。此種方法的應用范圍較廣，很多情況下是采用基于用戶協同過濾召回的方法進行的。

基于用戶協同過濾召回的方法，簡單來說，就是利用興趣相投，擁有共同經驗的群體的喜好來向待推薦用戶推薦其感興趣的產品。當一個用戶需要進行個性化推薦時，營銷系統可以先找到與其有相似興趣的其他用戶，然后將這些其他用戶喜歡而該用戶可能沒有接觸過的產品推薦給該用戶。而召回則是指從全量信息集合中觸發盡可能多的正確結果，并將結果返回給“推薦列表”。

然而，現有的基于用戶協同過濾召回方法針對某一熱門物品，對其有過歷史行為的用戶會非常多，原始數據集合會相對較大，而對于冷門物品的發現能力不足。且在現有的基于用戶協同過濾召回方法，往往只能基于有過用戶行為的產品進行推薦，而無法將新產品推薦給用戶。因此，由于以上兩種情況，在應用現有的基于用戶協同過濾召回方法構建產品矩陣時，產品矩陣的數據量往往較大且非常稀疏，這樣，一方面難以找到最近鄰居用戶集，另一方面在進行相似性計算時算力耗費也會較大，同時也難以發現用戶隱藏的興趣點。

發明內容

針對現有技術中的問題，本申請提供一種用戶協同過濾召回方法及裝置，能夠基于用戶的歷史行為數據以及用戶基礎信息數據，確定用戶所屬用戶聚類，并據此構建待召回產品推薦列表，完成向待推薦用戶進行待召回產品推薦。

為解決上述技術問題，本申請提供以下技術方案：

第一方面，本申請提供一種用戶協同過濾召回方法，包括：

基于用戶的歷史行為數據訓練得到待召回產品的Embedding值；

根據所述待召回產品的Embedding值計算用戶的Embedding值；

根據所述用戶的Embedding值得到用戶聚類；

根據待推薦用戶的用戶基礎信息數據、所述用戶聚類及所述待召回產品的Embedding值構建待召回產品推薦列表，以向待推薦用戶推薦待召回產品。

進一步地，所述基于用戶的歷史行為數據訓練得到待召回產品的Embedding值，包括：

對待召回產品的基礎特征數據進行數字化處理；

根據用戶基礎信息數據、用戶針對所述待召回產品的歷史行為數據及數字化處理后的待召回產品的基礎特征數據建立訓練數據集；

基于所述訓練數據集對邏輯回歸模型進行訓練，得到待召回產品的Embedding值。

進一步地，所述根據所述待召回產品的Embedding值計算用戶的Embedding值，包括：

針對每一用戶，根據對應的歷史行為數據生成行為漏斗數據；

根據所述行為漏斗數據計算不同歷史行為數據對應的行為權重；