[發明專利]信息處理方法、裝置、設備和存儲介質

在審

• 申請號: 202011505510.6
• 申請日: 2020-12-18
• 公開（公告）號: CN112580824A
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 徐吉興;朱振龍;郎朗;單明輝
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06Q30/06
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 黃倩

1.一種信息處理方法，包括：

獲取與用戶和/或目標對象相關的屬性信息，所述屬性信息指示所述用戶和/或所述目標對象的至少一個屬性值；

通過按與多個粒度分別對應的多個分桶策略來對所述屬性信息執行分桶操作，來提取所述屬性信息在所述多個粒度上的多個單粒度特征表示；

通過合并所述多個單粒度特征表示來生成多粒度融合特征表示；以及

基于所述多粒度融合特征表示，確定所述用戶對所述目標對象的感興趣程度。

2.根據權利要求1所述的方法，其中生成所述多粒度融合特征表示包括：

確定所述多個單粒度特征表示中每對單粒度特征表示之間的相對重要程度；以及

基于所確定的相對重要程度來合并所述多個單粒度特征表示，以生成所述多粒度融合特征表示。

3.根據權利要求1所述的方法，其中提取所述多個單粒度特征表示包括：

按所述多個分桶策略來對所述屬性信息執行分桶操作，以生成所述多個粒度分別對應的多個嵌入表示；以及

利用所述多個粒度分別對應的多個特征提取模型來從所述多個嵌入表示提取多個單粒度特征表示，使所述多個單粒度特征表示之間的差異之和大于預定差異閾值。

4.根據權利要求3所述的方法，其中所述多個特征提取模型通過最小化預定的公共損失函數來訓練，在所述訓練中，所述公共損失函數基于針對所述多個特征提取模型的多個訓練單粒度特征表示與多個加權公共特征表示之間的多個特征表示差異來確定，并且

其中所述多個加權公共特征表示通過利用與所述多個粒度各自對應的多個權重來對公共特征表示來確定，所述公共特征表示基于所述多個嵌入表示來確定。

5.根據權利要求1所述的方法，其中所述屬性信息指示所述用戶和/或所述目標對象的多個屬性值；其中提取所述多個單粒度特征表示包括：對于所述多個粒度中的給定粒度，

通過對所述屬性信息執行分桶操作，來生成與所述多個屬性值分別對應的多個嵌入向量，其中所述多個嵌入向量具有相同的維度數目；

生成由所述多個嵌入向量中多個維度中相應維度的向量元素組成的多個列向量；

利用深度交叉網絡(DCN)來提取所述多個列向量各自的多個交叉特征表示；以及

至少通過合并所述多個交叉特征表示，來生成在所述給定粒度上的單粒度特征表示。

6.根據權利要求5所述的方法，其中生成在所述給定粒度上的單粒度特征表示包括：

提取所述多個嵌入向量的聯合特征表示；以及

通過合并所述多個交叉特征表示和聯合特征表示來生成在所述給定粒度上的單粒度特征表示。

7.根據權利要求1所述的方法，其中確定所述用戶對所述目標對象的感興趣程度包括：利用感興趣程度確定模型來確定所述用戶對所述目標對象的感興趣程度，

其中所述感興趣程度確定模型基于與訓練屬性信息相對應的訓練感興趣程度和相關聯的標簽來確定，所述標簽指示與所述訓練屬性信息相關聯的訓練用戶對訓練目標對象的真實感興趣程度。

8.根據權利要求1所述的方法，還包括：

將所述感興趣程度與預設閾值相比較；以及

如果確定所述感興趣程度超過所述預設閾值，向所述用戶提供關于所述目標對象的推薦信息。

9.一種用于信息處理的裝置，包括：

屬性信息獲取模塊，被配置為獲取與用戶和/或目標對象相關的屬性信息，所述屬性信息指示所述用戶和/或所述目標對象的至少一個屬性值；

單粒度特征表示提取模塊，被配置為通過按與多個粒度分別對應的多個分桶策略來對所述屬性信息執行分桶操作，來提取所述屬性信息在所述多個粒度上的多個單粒度特征表示；

多粒度融合特征表示生成模塊，被配置為：通過合并所述多個單粒度特征表示來生成多粒度融合特征表示；以及

感興趣程度確定模塊，被配置為基于所述多粒度融合特征表示，確定所述用戶對所述目標對象的感興趣程度。