[發(fā)明專利]基于多任務(wù)模型的推薦方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210723718.8
• 申請(qǐng)日: 2022-06-24
• 公開（公告）號(hào): CN115146717A
• 公開（公告）日: 2022-10-04
• 發(fā)明（設(shè)計(jì)）人: 汪利偉;仲籽彥;魏丫丫;金偉德;洪迪;劉健
• 申請(qǐng)（專利權(quán)）人: 中國電信股份有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京潤澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 莎日娜

本發(fā)明實(shí)施例提供了一種基于多任務(wù)模型的推薦方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)，包括：根據(jù)用戶手機(jī)號(hào)，從日志數(shù)據(jù)中獲取用戶行為數(shù)據(jù)；從所述用戶行為數(shù)據(jù)中篩選特征數(shù)據(jù)，所述特征數(shù)據(jù)包括基礎(chǔ)特征、交互特征以及時(shí)間片特征；采用所述特征數(shù)據(jù)，通過多任務(wù)模型進(jìn)行針對(duì)語音使用的預(yù)測任務(wù)和針對(duì)流量使用的預(yù)測任務(wù)，得到預(yù)測結(jié)果；根據(jù)所述預(yù)測結(jié)果，確定為所述用戶推薦的語音套餐和流量套餐。在本發(fā)明實(shí)施例中可以通過使用多任務(wù)模型，分別對(duì)流量和語音這兩個(gè)任務(wù)進(jìn)行預(yù)測，提高了預(yù)測效率，并且能夠更加精準(zhǔn)的匹配最合適用戶的套餐，實(shí)現(xiàn)最大程度的服務(wù)并留存用戶。

技術(shù)領(lǐng)域

本發(fā)明涉及線上營銷技術(shù)領(lǐng)域，特別是涉及一種基于多任務(wù)模型的推薦方法、一種基于多任務(wù)模型的推薦裝置、一種電子設(shè)備和一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

由于用戶入網(wǎng)時(shí)選擇的套餐往往與后續(xù)使用習(xí)慣并不匹配，導(dǎo)致用戶粘性不高，從而使得用戶流失。并且，隨著5G時(shí)代的到來，越來越多的用戶需要將手機(jī)卡從4G更換至5G，因此，為了在用戶攜號(hào)轉(zhuǎn)網(wǎng)時(shí)，能夠留存更多的用戶，如何跟用戶推薦更適合的套餐，以增加用戶對(duì)產(chǎn)品的信任和用戶的粘度成為亟待解決的問題。

發(fā)明內(nèi)容

鑒于上述問題，提出了本發(fā)明實(shí)施例以便提供一種克服上述問題或者至少部分地解決上述問題的一種基于多任務(wù)模型的推薦方法、一種基于多任務(wù)模型的推薦裝置、一種電子設(shè)備和一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

為了解決上述問題，本發(fā)明實(shí)施例公開了一種基于多任務(wù)模型的推薦方法，所述方法包括：

根據(jù)用戶手機(jī)號(hào)，從日志數(shù)據(jù)中獲取用戶行為數(shù)據(jù)；

從所述用戶行為數(shù)據(jù)中篩選特征數(shù)據(jù)，所述特征數(shù)據(jù)包括基礎(chǔ)特征、交互特征以及時(shí)間片特征；

采用所述特征數(shù)據(jù)，通過多任務(wù)模型進(jìn)行針對(duì)語音使用的預(yù)測任務(wù)和針對(duì)流量使用的預(yù)測任務(wù)，得到預(yù)測結(jié)果；

根據(jù)所述預(yù)測結(jié)果，確定為所述用戶推薦的語音套餐和流量套餐。

可選地，所述根據(jù)所述預(yù)測結(jié)果，確定為所述用戶推薦的語音套餐和流量套餐，包括：

若所述預(yù)測結(jié)果為流量和語音時(shí)長，則根據(jù)預(yù)先設(shè)置的映射關(guān)系，將流量和語音時(shí)長映射為語音套餐和流量套餐；

根據(jù)所述語音套餐和所述流量套餐，組合成基礎(chǔ)套餐，以推薦給所述用戶。

可選地，所述多任務(wù)模型包括：兩個(gè)門網(wǎng)絡(luò)、多個(gè)專家網(wǎng)絡(luò)以及兩個(gè)Tower網(wǎng)絡(luò)，所述兩個(gè)門網(wǎng)絡(luò)與所述兩個(gè)Tower網(wǎng)絡(luò)一一對(duì)應(yīng)；所述采用所述特征數(shù)據(jù)，通過多任務(wù)模型進(jìn)行針對(duì)語音使用的預(yù)測任務(wù)和針對(duì)流量使用的預(yù)測任務(wù)，得到預(yù)測結(jié)果，包括：

通過每個(gè)所述門網(wǎng)絡(luò)對(duì)所述特征數(shù)據(jù)進(jìn)行處理，以獲取每個(gè)所述門網(wǎng)絡(luò)對(duì)應(yīng)的多個(gè)專家網(wǎng)絡(luò)的權(quán)重；

通過每個(gè)所述門網(wǎng)絡(luò)對(duì)應(yīng)的多個(gè)專家網(wǎng)絡(luò)，分別對(duì)所述特征數(shù)據(jù)進(jìn)行特征提取，以得到多個(gè)第一特征；

根據(jù)每個(gè)門網(wǎng)絡(luò)對(duì)應(yīng)的多個(gè)專家網(wǎng)絡(luò)的權(quán)重，對(duì)每個(gè)門網(wǎng)絡(luò)對(duì)應(yīng)的多個(gè)第一特征，進(jìn)行加權(quán)求和，并通過每個(gè)所述門網(wǎng)絡(luò)對(duì)應(yīng)的Tower網(wǎng)絡(luò)得到所述預(yù)測結(jié)果。

可選地，所述通過每個(gè)門網(wǎng)絡(luò)對(duì)所述特征數(shù)據(jù)進(jìn)行處理，以獲取每個(gè)門網(wǎng)絡(luò)對(duì)應(yīng)的多個(gè)專家網(wǎng)絡(luò)的權(quán)重，包括：

通過每個(gè)所述門網(wǎng)絡(luò)對(duì)所述特征數(shù)據(jù)進(jìn)行特征提取，以得到多個(gè)所述專家網(wǎng)絡(luò)被每個(gè)所述門網(wǎng)絡(luò)選擇的概率；

對(duì)多個(gè)所述專家網(wǎng)絡(luò)被每個(gè)所述門網(wǎng)絡(luò)選擇的概率進(jìn)行歸一化處理，得到每個(gè)所述門網(wǎng)絡(luò)對(duì)應(yīng)的多個(gè)專家網(wǎng)絡(luò)的權(quán)重。

可選地，通過如下方式訓(xùn)練所述多任務(wù)模型：

獲取特征樣本數(shù)據(jù)，所述特征樣本數(shù)據(jù)包括基礎(chǔ)特征樣本、交互特征樣本以及時(shí)間片特征樣本；