[發(fā)明專利]一種信息推薦的方法及裝置

有效

• 申請?zhí)枺?/td>: 202110792820.9
• 申請日: 2021-07-14
• 公開（公告）號: CN113344647B
• 公開（公告）日: 2023-05-23
• 發(fā)明（設(shè)計）人: 王詩佳;肖強(qiáng);趙逸龍;李偉生;彭正超;李勇
• 申請（專利權(quán)）人: 杭州網(wǎng)易云音樂科技有限公司
• 主分類號: G06Q30/0251
• 分類號: G06Q30/0251;G06F18/214
• 代理公司: 北京同達(dá)信恒知識產(chǎn)權(quán)代理有限公司 11291
• 代理人: 彭燕

本申請涉及計算機(jī)領(lǐng)域，提供了一種信息推薦的方法及裝置，以解決預(yù)測準(zhǔn)確度低的問題，該方法包括：響應(yīng)于信息推薦指令，獲取推薦信息集合；再基于推薦預(yù)測模型中的信息點(diǎn)擊率預(yù)測子模型、購買行為預(yù)測子模型和信息轉(zhuǎn)化率預(yù)測子模型，獲得推薦信息集合中各個推薦信息對應(yīng)的信息點(diǎn)擊率、購買行為預(yù)測率和信息轉(zhuǎn)化率；基于各個推薦信息對應(yīng)的信息點(diǎn)擊率、購買行為預(yù)測率和信息轉(zhuǎn)化率，獲得對應(yīng)的第一推薦概率，并將第一推薦概率超過設(shè)定門限值的推薦信息推送給目標(biāo)對象。在推薦預(yù)測模型中增加用于預(yù)測目標(biāo)對象購買意愿的模型，可有效提高整體模型的預(yù)測準(zhǔn)確度。

背景技術(shù)

隨著科學(xué)技術(shù)的發(fā)展，轉(zhuǎn)化率預(yù)測技術(shù)越來越普及地應(yīng)用于各個互聯(lián)網(wǎng)平臺之中，以使互聯(lián)網(wǎng)平臺精準(zhǔn)預(yù)測用戶的意圖，為用戶提供更好的服務(wù)。

在相關(guān)技術(shù)中提供了以下幾種轉(zhuǎn)化率預(yù)測方案：

方案一，調(diào)用多個預(yù)測模型，預(yù)測用戶的外賣成單轉(zhuǎn)化率；方案二，將待推薦信息的特征和用戶的特征，輸入到與該用戶所屬群體相對應(yīng)的預(yù)測模型中，以獲得該用戶的推薦概率。

但是，采用上述提出的技術(shù)方案，可能存在以下技術(shù)問題：

方案一的多個預(yù)測模型是獨(dú)立訓(xùn)練獲得的，導(dǎo)致各個預(yù)測模型的預(yù)測準(zhǔn)確度較低；

方案二的預(yù)測模型是針對用戶群體在目標(biāo)場景下的特定行為建模得到的，該預(yù)測模型只能預(yù)測少量的影響推薦概率的因素，導(dǎo)致預(yù)測模型的預(yù)測準(zhǔn)確度較低。

發(fā)明內(nèi)容

本申請實(shí)施例提供了一種信息推薦的方法及裝置，以解決相關(guān)技術(shù)提供的轉(zhuǎn)化率預(yù)測方案的預(yù)測準(zhǔn)確度低的問題。

第一方面，本申請實(shí)施例提供了一種信息推薦的方法，包括：

響應(yīng)于信息推薦指令，獲取推薦信息集合；

基于推薦預(yù)測模型中的信息點(diǎn)擊率預(yù)測子模型、購買行為預(yù)測子模型和信息轉(zhuǎn)化率預(yù)測子模型，獲得所述推薦信息集合中各個推薦信息對應(yīng)的信息點(diǎn)擊率、購買行為預(yù)測率和信息轉(zhuǎn)化率；

基于所述各個推薦信息對應(yīng)的信息點(diǎn)擊率、購買行為預(yù)測率和信息轉(zhuǎn)化率，獲得對應(yīng)的第一推薦概率，并將第一推薦概率超過設(shè)定門限值的推薦信息推送給目標(biāo)對象。

可選的，所述推薦預(yù)測模型還包括信息播放率預(yù)測子模型，所述方法還包括：

基于所述信息播放率預(yù)測子模型、信息點(diǎn)擊率預(yù)測子模型、購買行為預(yù)測子模型和信息轉(zhuǎn)化率預(yù)測子模型，獲得所述各個推薦信息對應(yīng)的信息播放率、信息點(diǎn)擊率、購買行為預(yù)測率和信息轉(zhuǎn)化率；

基于所述各個推薦信息對應(yīng)的信息播放率、信息點(diǎn)擊率、信息轉(zhuǎn)化率和購買行為預(yù)測率，獲得對應(yīng)的第二推薦概率，并將第二推薦概率超過設(shè)定門限值的推薦信息推送給所述目標(biāo)對象。

可選的，所述基于所述信息播放率預(yù)測子模型、信息點(diǎn)擊率預(yù)測子模型、購買行為預(yù)測子模型和信息轉(zhuǎn)化率預(yù)測子模型，獲得所述各個推薦信息對應(yīng)的信息播放率、信息點(diǎn)擊率、購買行為預(yù)測率和信息轉(zhuǎn)化率，包括：

獲取目標(biāo)對象的歷史推薦特征集合；

依次讀取所述各個推薦信息，其中，每讀取一個推薦信息，基于當(dāng)前讀取的所述一個推薦信息，更新所述歷史推薦特征集合，并將更新后的歷史推薦特征集合分別輸入到所述信息播放率預(yù)測子模型、所述信息點(diǎn)擊率預(yù)測子模型、所述購買行為預(yù)測子模型和所述信息轉(zhuǎn)化率預(yù)測子模型中，獲得對應(yīng)的信息播放率、信息點(diǎn)擊率、購買行為預(yù)測率和信息轉(zhuǎn)化率。

可選的，所述歷史推薦特征集合至少包括：目標(biāo)對象特征信息、歷史推薦資源的特征信息、目標(biāo)對象的資源偏好特征信息、資源使用行為特征信息；

所述基于當(dāng)前讀取的所述一個推薦信息，更新所述歷史推薦特征集合，包括：