[發明專利]一種MMoE和LightGBM混合的預測模型的方法

在審

• 申請號: 202210611737.1
• 申請日: 2022-05-31
• 公開（公告）號: CN115168701A
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 凌靜;陳曦
• 申請（專利權）人: 長沙理工大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N20/00;G06Q30/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

本申請涉及一種MMoE和LightGBM混合的預測方法，用于購物軟件用戶行為預測對于給定的一定數量到訪過購物軟件“熱門推薦”的用戶，根據這些用戶在APP內的歷史n天的行為數據，通過算法在測試集上預測出這些用戶對于不同商品內容的行為(包括查看商品、收藏、分享、查看評論、加入購物車、購買)的發生概率。構建組合深度學習網絡；所述組合深度學習網絡包括一個MMoE模型和LightGBM模型。其中MMoE模型包含多個專家和多個門控網絡。用戶的輸入數據通過MMoE模型可以得到四個輸出，通過LightGBM可以得到一個輸出，然后考慮多個特征之間的相關性，再用得到的輸出進行加權，得到最終的預測概率。

技術領域

本申請涉及購物軟件中用戶行為預測領域，特別是涉及組合深度MMoE和LightGBM組合的學習模型的購物行為預測方法

背景技術

互聯網改變了人們的生活方式，人們的生活和學習更加便捷。人們可以充分的利用互聯網的便捷性，例如在互聯網上購物和通過互聯網相互學習。但互聯網是一個龐大的網絡，用戶群體龐大使得互聯網上的信息迅速增長，各種各樣的信息出現在互聯網上，這些信息內容相互之間差異較大，人們很難從中找到對自己有用的信息。在海量的信息中尋找自己感興趣的信息是一件困難的事情，甚至忘記自己的目標和需求。這就是信息過載問題。互聯網上的任何人可以是信息的生產者，也可以是信息的閱讀者。因為互聯網上人數多，信息的產生呈指數級增長。信息過載會是消費者，商家以及整個社會面臨的問題。

互聯網上的信息過載問題使消費者無法從中找到感興趣的部分甚至給消費者帶來困擾。消費者常常無法從海量信息中找到有用的信息，同時尋找這些信息也是一件耗時且無聊的事情。消費者從中找到正確信息的過程是很無聊且困難的。因為個人能力和可以調度的資源有限，海量的信息無法給消費者帶來好的體驗，甚至誤導消費者的選擇。消費者需要的不是海量的信息，而是需要準確的對自己有用或者感興趣的信息。雖然目前搜索引擎平臺可以幫助用戶查找信息，但大多數搜索引擎都是水平搜索，僅僅是通過消費者輸入的關鍵字來查找信息，這種搜索方式查詢出來的結果無法解決信息過載帶來的問題，反而加大了消費者的困惑。因為并非每個消費者都清楚搜索平臺的規則，而且無法使用簡短的關鍵字來表達出自己的想法，特別是一些潛意識的需求，搜索平臺也無法解決這類問題。另外不同的用戶使用搜索引擎的時候雖然關鍵字是相同的，但目的和需求是不同的，搜索引擎無法考慮到用戶的上下文和實際情況，搜索引擎給出的結果和用戶想要的結果偏差也很大。搜索結果中可能會包含一些用戶不需要的信息或者需要用戶二次識別。搜索引擎反而給用戶帶來了更大的麻煩和困惑。因此要徹底有效的解決消費者信息過載問題還需要一個更加深入和有針對性的垂直搜索平臺。

信息過載問題同時也影響著商家，商家對龐大的信息也無法處理出和識別有用的信息。在知識經濟環境中，隨著創新和生產效率的提高，商家需要從規模化經營模式向個性化化經營模式轉變。個性化經營建立在商家和消費者有效的溝通和對消費者個性化需要的深入了解為基礎，這種模式需要商家分析消費者的行為，根據不用的行為提供給不同消費者個性化的商品和服務，從而避免商家之間在相同性質上競爭。但在信息過載環境下，海量的信息帶來了一些問題，商家發布到互聯網上的商品信息被淹沒在無用的信息中，不能帶來有用的流量，給商家帶來了損失。雖然互聯網方便了商家和消費者，但互聯網上的信息過載阻礙了商家和消費的正常溝通，影響了差異化經營模式的實施效果。商家希望借助個性化平臺能夠快速找到對自己產品信息感興趣的消費者，并且給消費者推送相關信息。借助個性化平臺商家和消費者可以正常溝通和交流，徹底解決信息過載問題。

推薦系統被認為是一種解決商家和消費者之間信息過載問題的一種有效方式和平臺，它搜集用戶的歷史行為數據，分析對應的數據并向用戶推薦有效的商品信息，或者向商家推薦有效的消費者。雖然和搜索引擎都是用于信息查找和分析的，但推薦系統會主動收集和分析用戶的歷史行為數據，并根據數據建立用戶需求模型。在此基礎上再推送給用戶和商家，它比搜索引擎更加智能，能夠有效的過濾出信息，判斷出用戶真實的需要。