[發明專利]相似用戶確定方法、向量轉化模型、裝置、介質及設備

有效

• 申請號: 202110340900.0
• 申請日: 2021-03-30
• 公開（公告）號: CN112905897B
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 曹偲;蔣能學;鄭瑋;王梓良;徐可;馬雨浩;王成林
• 申請（專利權）人: 杭州網易云音樂科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 王輝;闞梓瑄

本公開的實施方式提供了一種相似用戶確定方法、向量轉化模型、相似用戶確定裝置、計算機可讀存儲介質及電子設備，涉及數據分析與挖掘技術領域。該方法包括：獲取候選用戶的用戶數據，對用戶數據進行向量轉化處理，以生成對應的用戶行為向量和行為轉化向量；基于用戶行為向量和行為轉化向量生成候選用戶對應的候選用戶向量；確定種子用戶對應的種子用戶向量；計算候選用戶向量與種子用戶向量之間的相似度，以根據相似度從候選用戶中確定與種子用戶對應的相似用戶。本公開將用戶的點擊行為偏好和行為轉化偏好作為確定相似用戶的考慮因素，生成對應的用戶向量，以得到相似用戶的確定結果，可以進一步降低用戶的轉化成本。

技術領域

本公開的實施方式涉及數據分析與挖掘技術領域，更具體地，本公開的實施方式涉及相似用戶確定方法、向量轉化模型、相似用戶確定裝置、計算機可讀存儲介質及電子設備。

背景技術

本部分旨在為權利要求書中陳述的本公開的實施方式提供背景或上下文。此處的描述不因為包括在本部分中就承認是現有技術。

推薦系統一般根據預先提供的種子人群包，并通過Look-alike相似人群擴展算法進行人群擴量，找到潛在的目標人群以進行推薦對象的推薦從而降低對象推薦過程中的轉化成本。

Look-alike相似人群擴展技術依賴于用戶向量表示，現有的相似人群擴展算法通常僅根據用戶的點擊行為偏好確定用戶向量表示，以進行相似人群擴展。

發明內容

由于用戶向量的表達能力決定了相似人群擴量的效果的好壞，在確定用戶向量時，僅將用戶的點擊行為偏好作為向量表示的考慮因素，忽略了用戶行為的轉化偏好，推薦系統中更關注的是作用于推薦對象的用戶行為的轉化率和轉化成本，使用用戶的點擊行為進行用戶向量表示學習很難刻畫出用戶的轉化偏好。

為此，本公開提出一種改進的相似用戶確定方法，以使根據用戶數據確定用戶向量時，用戶向量可以同時學習到用戶的行為偏好和行為轉化偏好，并基于包含行為偏好和行為轉化偏好的雙目標用戶向量確定相似人群。

在本上下文中，本公開的實施方式期望提供一種相似用戶確定方法、向量轉化模型、相似用戶確定裝置、計算機可讀存儲介質及電子設備。

在本公開實施方式的第一方面中，提供了一種相似用戶確定方法，包括：獲取候選用戶的用戶數據，對用戶數據進行向量轉化處理，以生成對應的用戶行為向量和行為轉化向量；基于用戶行為向量和行為轉化向量生成候選用戶對應的候選用戶向量；確定種子用戶對應的種子用戶向量；計算候選用戶向量與種子用戶向量之間的相似度，以根據相似度從候選用戶中確定與種子用戶對應的相似用戶。

在本公開的一個實施例中，獲取預先構建的向量轉化模型；向量轉化模型包括第一子模型和第二子模型；根據候選用戶的用戶數據確定候選用戶的候選用戶特征；將候選用戶特征輸入至向量轉化模型，以通過第一子模型確定用戶行為向量，并通過第二子模型確定行為轉化向量。

在本公開的一個實施例中，向量轉化模型通過下述步驟訓練得到：獲取訓練樣本集，并獲取初始雙塔模型，以將訓練樣本集輸入至初始雙塔模型；訓練樣本集包括訓練用戶對應的訓練用戶特征和訓練推薦對象特征；基于訓練用戶特征與訓練推薦對象特征，并通過第一子模型確定訓練用戶對應的行為預測值；基于訓練用戶特征與訓練推薦對象特征，并通過第二子模型確定訓練用戶對應的行為轉化預測值；基于行為預測值和行為轉化預測值確定初始雙塔模型的損失函數；通過損失函數同步更新第一子模型的模型參數與第二子模型的模型參數，以得到向量轉化模型。