[發明專利]一種模型訓練以及點擊率預估方法及裝置

有效

• 申請號: 202110265834.5
• 申請日: 2021-03-11
• 公開（公告）號: CN113010780B
• 公開（公告）日: 2022-07-15
• 發明（設計）人: 曹雪智;張富崢
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/36;G06F16/955
• 代理公司: 北京曼威知識產權代理有限公司 11709
• 代理人: 方志煒

本說明書公開了一種模型訓練以及點擊率預估方法及裝置，通過根據用戶信息、產品信息、用戶歷史行為構建多模態知識圖譜的結構，以及確定該多模態知識圖譜內各節點的基礎特征，并根據該多模態知識圖譜的結構以及圖譜內各節點的基礎特征，確定各節點的增強特征，進而確定圖譜中各用戶節點與各產品節點的增強表示，以確定由用戶節點的圖譜表示和產品節點的圖譜表示構成的各訓練樣本，以及樣本標簽，并根據標簽及預測結果對該點擊率預估模型進行訓練。基于多模態知識圖譜，確定用戶節點和產品節點的圖譜表示，得到訓練樣本和樣本標簽，使得訓練出的點擊率預估模型，可基于該圖譜中的各條知識進行點擊率預估，提高了模型的預測準確率。

技術領域

本說明書涉及計算機技術領域，尤其涉及一種模型訓練以及點擊率預估方法及裝置。

背景技術

目前，隨著計算機技術的發展，如何從海量信息中選擇有價值的信息，從而為用戶推薦合適的產品，已經成為服務提供方需要解決的問題之一。而點擊率預估模型因為能夠基于用戶的歷史行為以及產品特性為用戶推薦合適的產品的特性，被廣泛應用于服務提供方為用戶提供服務的場景中。

在現有技術中，一種常用的點擊率預估方法是將用戶的用戶信息、用戶的歷史行為信息、以及產品的產品信息進行特征提取，并將提取出來的用戶特征、用戶的歷史行為特征，以及產品特征作為輸入，輸入到預先訓練好的基于深度學習的點擊率預估模型中，由該點擊率預估模型確定出該用戶對于該產品的點擊率。

但是，在缺少用戶信息以及用戶的歷史行為信息的情況下，如，冷啟動場景中，現有技術無法準確地確定出產品的點擊率，因此，為了提高點擊率預估的準確度，亟需一種改進的點擊率預估方法。

發明內容

本說明書提供模型訓練以及點擊率預估方法及裝置，以部分的解決現有技術存在的上述問題。

本說明書采用下述技術方案：

本說明書提供的點擊率預估模型的訓練方法，包括：

根據各用戶的用戶信息、各產品的產品信息，以及各用戶的歷史行為，確定多模態知識圖譜的結構，所述多模態知識圖譜中至少包括用戶節點以及產品節點；

根據各用戶的用戶信息以及各產品的產品信息，通過待訓練的點擊率預估模型的圖譜表示模塊的編碼器，確定所述多模態知識圖譜中各節點的基礎特征；

根據所述多模態知識圖譜中各節點的基礎特征以及所述多模態知識圖譜的結構，確定各節點的增強特征，其中，所述節點的增強特征可根據所述節點的相鄰節點的基礎特征確定；

根據所述多模態知識圖譜的結構、各節點的基礎特征以及增強特征，分別確定各用戶節點的圖譜表示以及各產品節點的圖譜表示；

確定由用戶節點的圖譜表示和產品節點的圖譜表示構成的各訓練樣本，并根據用戶歷史行為，確定各訓練樣本的標簽；

將各訓練樣本作為輸入，輸入待訓練的點擊率預估模型的預測模塊，并根據所述預測模塊的預測結果以及各訓練樣本的標簽，確定損失函數，并以損失函數最小為優化目標調整所述預測模塊的參數，訓練完成的所述點擊率預估模型用于對用戶點擊產品的概率進行預測。

可選地，根據各用戶的用戶信息、各產品的產品信息，以及各用戶的歷史行為，確定多模態知識圖譜的結構，具體包括：

根據各用戶的用戶信息，以及各產品的產品信息，確定所述多模態知識圖譜的各節點；

根據各用戶的用戶信息、各產品的產品信息、各用戶的歷史行為，確定所述多模態知識圖譜中的各節點的關聯關系；

根據所述多模態知識圖譜的各節點，以及所述多模態知識圖譜中的各節點的關聯關系，確定所述多模態知識圖譜的結構。