[發明專利]數據處理方法及裝置、電子設備及可讀存儲介質

在審

• 申請號: 202210190186.6
• 申請日: 2022-02-28
• 公開（公告）號: CN114676318A
• 公開（公告）日: 2022-06-28
• 發明（設計）人: 王潤奇;方瑞玉;張路浩;胡懋地
• 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;G06N5/00;G06Q30/06;G06K9/62
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 任亞娟

本發明公開了一種數據處理方法及裝置、電子設備及可讀存儲介質。其中，該方法包括：將行為數據輸入至預先訓練完成的解釋模型中；通過解釋模型，確定行為數據對應的場景分布；根據場景分布對預設推薦模型進行訓練。本發明解決了由于相關技術中人工構建場景信息較為復雜，通過自動化模型構建場景信息，但是細分場景優化差，意義較低，對推薦模型訓練沒有指導作用的技術問題。

技術領域

本發明涉及數據分類技術領域，具體而言，涉及一種數據處理方法及裝置、電子設備及可讀存儲介質。

背景技術

用戶在電商平臺消費的過程，是其基于所處的場景進行決策的過程。對于外賣用戶來說，其所處的場景由時間(如早餐時段)、空間(如在公司、在外地)、用戶屬性(如消費水平、口味偏好)等因素共同組成。可以說，當前用戶所處的場景信息，對判斷用戶決策有重要的參考價值。

目前的個性化推薦模型，通常通過以下兩種方式補充場景信息：

1.手動構建：增加模型特征，人工對時間、空間、用戶屬性等特征做交叉，手動構建場景信息；

2.自動化模型：優化模型結構，模型自動對各類特征做抽取、交叉，隱式擬合場景信息。

申請人在實現本發明的過程中，發現相關技術中至少存在以下技術問題。

1.人工構建樣本數據成本高，且對個人的領域知識要求較高；

2.由于推薦模型往往面向用戶做精準的個性化推薦，所以用戶的歷史行為往往占據較高的權重，場景信息不能得到足夠的重視。此外，推薦模型往往基于海量數據，對頭部場景擬合效果較好，細分場景仍然存在較多優化空間。

可見，相關技術中針對上述的問題，目前尚未提出有效的解決方案。

發明內容

本發明實施例提供了一種數據處理方法及裝置、電子設備及可讀存儲介質，以至少解決由于相關技術中人工構建場景信息較為復雜，通過自動化模型構建場景信息，但是細分場景優化差，意義較低，對推薦模型訓練沒有指導作用的技術問題。

根據本發明實施例的一個方面，提供了一種數據處理方法，包括：將行為數據輸入至預先訓練完成的解釋模型中；通過所述解釋模型，確定所述行為數據對應的場景分布；根據所述場景分布對預設推薦模型進行訓練。

進一步地，所述行為數據包括場景信息以及行為信息，其中，通過所述解釋模型，確定所述行為數據對應的場景分布，包括：通過所述解釋模型，根據所述場景信息以及所述行為信息確定所述場景分布。

進一步地，根據所述場景分布對預設推薦模型進行訓練，包括：將所述場景分布中的所述場景信息以及所述行為信息作為輸入特征，所述概率分布作為訓練目標，對所述預設推薦模型進行訓練。

進一步地，根據所述場景分布對預設推薦模型進行訓練，包括：將所述場景分布中的所述場景信息作為節點，對所述預設推薦模型進行訓練。

進一步地，所述行為數據還包括實體信息，其中，根據所述場景分布對預設推薦模型進行訓練，包括：將所述實體信息轉換對應的實體向量，根據所述實體向量所述預設推薦模型進行訓練。

根據本發明實施例的另一方面，還提供了一種數據處理裝置，包括：輸入模塊，用于將行為數據輸入至預先訓練完成的解釋模型中；確定模塊，用于通過所述解釋模型，確定所述行為數據對應的場景分布；訓練模塊，用于根據所述場景分布對預設推薦模型進行訓練。

進一步地，所述行為數據包括場景信息以及行為信息，其中，所述確定模塊包括：確定子模塊，用于通過所述解釋模型，根據所述場景信息以及所述行為信息確定所述場景分布。

進一步地，所述訓練模塊，包括：第一訓練子模塊，用于將所述場景分布中的所述場景信息以及所述行為信息作為輸入特征，所述概率分布作為訓練目標，對所述預設推薦模型進行訓練。