[發(fā)明專利]端云協(xié)同推薦系統(tǒng)、方法以及電子設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202210559808.8
• 申請(qǐng)日: 2022-05-23
• 公開（公告）號(hào): CN114662006B
• 公開（公告）日: 2022-09-02
• 發(fā)明（設(shè)計(jì)）人: 姚江超;王峰;楊紅霞;周靖人;吳飛;況琨
• 申請(qǐng)（專利權(quán)）人: 阿里巴巴達(dá)摩院（杭州）科技有限公司
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/9536;G06F16/958
• 代理公司: 北京合智同創(chuàng)知識(shí)產(chǎn)權(quán)代理有限公司 11545
• 代理人: 李杰;楊雷

1.一種端云協(xié)同推薦系統(tǒng)，包括：終端設(shè)備和云服務(wù)器，

所述云服務(wù)器用于：

獲取所述終端設(shè)備的用戶特征數(shù)據(jù)；

基于所述用戶特征數(shù)據(jù)輸入到控制器中，選擇多個(gè)推薦模型中匹配的推薦模型，其中，所述控制器基于用戶特征數(shù)據(jù)進(jìn)行輸入，基于所述多個(gè)推薦模型的相對(duì)推薦匹配度作為監(jiān)督標(biāo)簽訓(xùn)練得到，所述多個(gè)推薦模型包括部署在所述終端設(shè)備中的端側(cè)推薦模型、以及部署在所述云服務(wù)器中的云側(cè)推薦模型，所述相對(duì)推薦匹配度指示所述多個(gè)推薦模型對(duì)所述用戶特征數(shù)據(jù)的相對(duì)推薦效果；

基于所述匹配的推薦模型向所述終端設(shè)備進(jìn)行推薦。

2.根據(jù)權(quán)利要求1所述的端云協(xié)同推薦系統(tǒng)，其中，所述云服務(wù)器具體用于：基于所述用戶特征數(shù)據(jù)輸入到所述匹配的推薦模型，得到推薦結(jié)果。

3.根據(jù)權(quán)利要求1所述的端云協(xié)同推薦系統(tǒng)，其中，所述用戶特征數(shù)據(jù)包括應(yīng)用程序的用戶實(shí)時(shí)特征數(shù)據(jù)和用戶歷史特征數(shù)據(jù)，

相應(yīng)地，所述云服務(wù)器具體用于：將所述用戶實(shí)時(shí)特征數(shù)據(jù)和所述用戶歷史特征數(shù)據(jù)輸入到所述端側(cè)推薦模型，得到所述應(yīng)用程序的實(shí)時(shí)推薦結(jié)果。

4.根據(jù)權(quán)利要求1所述的端云協(xié)同推薦系統(tǒng)，其中，所述用戶特征數(shù)據(jù)包括應(yīng)用程序的用戶歷史特征數(shù)據(jù)，相應(yīng)地，所述云服務(wù)器具體用于：

將所述用戶歷史特征數(shù)據(jù)輸入到所述云側(cè)推薦模型，得到所述應(yīng)用程序的推薦結(jié)果。

5.一種數(shù)據(jù)集構(gòu)建方法，包括：

獲取用戶特征數(shù)據(jù)；

基于所述用戶特征數(shù)據(jù)，輸入到預(yù)先訓(xùn)練的多個(gè)模擬推薦模型中，分別得到多個(gè)推薦結(jié)果，所述多個(gè)模擬推薦模型分別用于模擬多個(gè)推薦模型，所述多個(gè)推薦模型至少包括云側(cè)推薦模型和端側(cè)推薦模型；

確定所述多個(gè)推薦結(jié)果與所述用戶特征數(shù)據(jù)之間的多個(gè)匹配度，所述多個(gè)匹配度分別指示所述多個(gè)推薦結(jié)果的推薦效果；

基于所述多個(gè)匹配度，確定模型選擇標(biāo)簽，所述模型選擇標(biāo)簽指示所述多個(gè)推薦結(jié)果之間的相對(duì)推薦效果；

基于所述用戶特征數(shù)據(jù)與所述模型選擇標(biāo)簽，構(gòu)建所述多個(gè)推薦模型的模型選擇數(shù)據(jù)集。

6.根據(jù)權(quán)利要求5所述的方法，其中，所述基于所述用戶特征數(shù)據(jù)，輸入到預(yù)先訓(xùn)練的多個(gè)模擬推薦模型中，包括：

將所述用戶特征數(shù)據(jù)輸入到序列編碼層，得到所述用戶特征數(shù)據(jù)對(duì)應(yīng)的推薦條件序列；

將所述推薦條件序列輸入到預(yù)先訓(xùn)練的多個(gè)模擬推薦模型中。

7.根據(jù)權(quán)利要求5所述的方法，其中，所述方法還包括：

獲取所述多個(gè)推薦模型各自的訓(xùn)練數(shù)據(jù)，所述訓(xùn)練數(shù)據(jù)包括推薦條件和推薦結(jié)果；

基于所述多個(gè)推薦模型各自的訓(xùn)練數(shù)據(jù)，分別訓(xùn)練所述多個(gè)模擬推薦模型。

8.一種模型訓(xùn)練方法，包括：

獲取模型選擇數(shù)據(jù)集，所述模型選擇數(shù)據(jù)集根據(jù)權(quán)利要求5-7中任一項(xiàng)所述的方法構(gòu)建；

基于所述模型選擇數(shù)據(jù)集，對(duì)控制器進(jìn)行訓(xùn)練，所述控制器用于在多個(gè)推薦模型中選擇匹配的推薦模型。

9.一種端云協(xié)同推薦方法，包括：

獲取用戶特征數(shù)據(jù)；

基于所述用戶特征數(shù)據(jù)輸入到控制器中，選擇多個(gè)推薦模型中匹配的推薦模型，其中，所述控制器基于用戶特征數(shù)據(jù)進(jìn)行輸入，基于所述多個(gè)推薦模型的相對(duì)推薦匹配度作為監(jiān)督標(biāo)簽訓(xùn)練得到，所述多個(gè)推薦模型包括端側(cè)推薦模型和云側(cè)推薦模型，所述多個(gè)推薦模型包括部署在終端設(shè)備中的端側(cè)推薦模型、以及部署在云服務(wù)器中的云側(cè)推薦模型，所述相對(duì)推薦匹配度指示所述多個(gè)推薦模型對(duì)所述用戶特征數(shù)據(jù)的相對(duì)推薦效果；

基于所述匹配的推薦模型進(jìn)行推薦。

10.一種電子設(shè)備，包括：處理器、存儲(chǔ)器、通信接口和通信總線，所述處理器、所述存儲(chǔ)器和所述通信接口通過(guò)所述通信總線完成相互間的通信；所述存儲(chǔ)器用于存放至少一可執(zhí)行指令，所述可執(zhí)行指令使所述處理器執(zhí)行如權(quán)利要求5-9中任一項(xiàng)所述的方法對(duì)應(yīng)的操作。