[發明專利]點擊率預測方法、系統、計算機及可讀存儲介質

在審

• 申請號: 202210278622.5
• 申請日: 2022-03-21
• 公開（公告）號: CN114708013A
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 商爍;陳力思;王皓;于程遠;左俊杰;孔卓
• 申請（專利權）人: 思創數碼科技股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/04;G06N3/08
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 何世磊

本發明提供了一種點擊率預測方法、系統、計算機及可讀存儲介質，該方法包括：通過嵌入模型將用戶ID與商品ID分別轉換為對應的可輸入至神經網絡的用戶嵌入向量以及商品嵌入向量，并基于用戶ID與所述商品ID中的評分矩陣構建出對應的用戶?商品交互圖；通過圖神經網絡在所述用戶?商品交互圖中進行多輪迭代的信息傳播，并將用戶嵌入向量及其歷史行為中的所述商品嵌入向量輸入至預設的交互層以及邏輯推導層中，以得到用戶興趣向量；基于全連接神經網絡構建出點擊率預估層，并將用戶興趣向量輸入至點擊率預估層，以進行點擊率的預估。本申請能夠能夠更加準確的對點擊率進行預估，大幅提升了預估結果的準確率。

技術領域

本發明涉及數據處理技術領域，特別涉及一種點擊率預測方法、系統、計算機及可讀存儲介質。

背景技術

隨著計算機計算能力的不斷提升，線上廣告系統實現了遠超傳統廣告模式的觸達效率與實際效益。在實際電子商務環境下，由于用戶群體分布廣泛，需求多樣，同時廣告種類豐富，通過固定規則向不同用戶展示類似廣告極大限制了線上廣告系統的營收能力。點擊率預估技術就是結合不同用戶群體與待分發廣告的特征，利用神經網絡或綜合性模型在歷史數據上進行參數訓練，進而完成針對不同用戶預測對特定廣告的點擊概率任務。在實際生活中有著廣泛的應用場景。

在點擊率預估任務中，用戶往往存在歷史的記錄，這類記錄不僅保留了很長一段時間用戶對于商品的選擇或是多樣化的特征，而且還具有豐富的興趣ID。在實際應用中，用戶的興趣ID在許多任務中起著重要作用。例如，在商品推薦中，用戶是否會購買某商品不僅與他的自身屬性有關，而且與用戶最近的購買或瀏覽記錄密切相關。

然而，現有的點擊率預測方法大部分聚焦于目標商品與用戶歷史行為的匹配程度，而忽略了用戶潛在性的需求在預測任務中的重要性，從而使得預估結果具有一定的局限性，進而降低了預估結果的準確率。

發明內容

基于此，本發明的目的是提供一種點擊率預測方法、系統、計算機及可讀存儲介質，以解決現有技術的點擊率預測方法大部分聚焦于目標商品與用戶歷史行為的匹配程度，而忽略了用戶潛在性的需求在預測任務中的重要性，從而使得預估結果具有一定局限性的問題。

本發明實施例第一方面提出了一種點擊率預測方法，所述方法包括：

通過嵌入模型將用戶ID與商品ID分別轉換為對應的可輸入至神經網絡的用戶嵌入向量以及商品嵌入向量，并基于所述用戶ID與所述商品ID中的評分矩陣構建出對應的用戶-商品交互圖，所述用戶-商品交互圖包括若干節點，每一所述節點代表一個用戶或者一個商品，且存在交互關系的兩個所述節點通過邊連接，所述神經網絡包括圖神經網絡以及全連接神經網絡；

通過所述圖神經網絡在所述用戶-商品交互圖中進行多輪迭代的信息傳播，并將所述用戶嵌入向量及其歷史行為中的所述商品嵌入向量輸入至預設的交互層以及邏輯推導層中，以得到用戶興趣向量；

基于所述全連接神經網絡構建出點擊率預估層，并將所述用戶興趣向量輸入至所述點擊率預估層，以進行點擊率的預估。

本發明的有益效果是：本申請提出的點擊率預測方法首次提出在同一個模型結構中同時學習用戶ID與商品ID之間的協同信息以及用戶交互商品之間的邏輯聯系，并最終在用戶行為序列中提取出興趣信息。與此同時，本申請還強調了用戶的偏好與需求的挖掘在用戶興趣學習過程中的重要性，并提出了一個有效的用戶興趣學習方法同時對用戶偏好與需求進行建模，并應用于點擊率預估任務。并且本申請能夠有效的利用用戶-商品交互圖中的深層次協同信息以及用戶行為序列中的邏輯聯系來挖掘用戶的偏好與需求，從而能夠更加準確的對點擊率進行預估，大幅提升了預估結果的準確率，適用于大范圍的推廣與使用。

優選的，所述通過嵌入模型將用戶ID與商品ID分別轉換為對應的可輸入至神經網絡的用戶嵌入向量以及商品嵌入向量，并基于所述用戶ID與所述商品ID中的評分矩陣構建出對應的用戶-商品交互圖的步驟包括：