[發明專利]數據處理方法及裝置

在審

• 申請號: 202310438429.8
• 申請日: 2023-04-21
• 公開（公告）號: CN116501961A
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 林少川
• 申請（專利權）人: 拉扎斯網絡科技（上海）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F18/25;G06F18/214;G06F18/22
• 代理公司: 北京睿派知識產權代理有限公司 11597
• 代理人: 劉鋒

1.一種數據處理方法，其特征在于，所述方法包括：

獲取多個待處理特征信息，所述多個待處理特征信息包括用戶特征信息、用戶歷史行為特征信息、目標對象特征信息和所述目標對象的與時空特征相關的上下文特征信息；

根據所述多個待處理特征信息確定多個待輸入特征向量、用戶歷史偏好特征向量和目標對象的與時空特征相關的第一上下文特征向量，所述多個待輸入特征向量包括用戶特征向量、目標對象特征向量和用戶興趣特征向量；

將所述第一上下文特征向量分別與各所述待輸入特征向量輸入對應的多個時空特征匹配模型進行過濾處理，以確定多個時空特征匹配向量；

根據所述多個時空特征匹配向量和所述用戶歷史偏好特征向量確定組合特征向量；

將所述組合特征向量與所述第一上下文特征向量輸入時空特征融合模型進行融合處理，以確定時空特征融合向量；以及

將所述時空特征融合向量與所述第一上下文特征向量輸入點擊率預測模型以確定點擊率預測值。

2.一種數據處理模型訓練方法，其特征在于，所述方法包括：

確定多個訓練樣本，所述多個訓練樣本包括正訓練樣本和負訓練樣本，所述正訓練樣本的標簽為正，所述負訓練樣本的標簽為負；以及

將各所述訓練樣本輸入到初始化的數據處理模型中，基于所述標簽和預設的損失函數，訓練所述數據處理模型；

其中，所述數據處理模型執行如下數據處理過程：

獲取訓練樣本的多個待處理特征信息，所述多個待處理特征信息包括用戶特征信息、用戶歷史行為特征信息、目標對象特征信息和所述目標對象的與時空特征相關的上下文特征信息；

根據所述多個待處理特征信息確定多個待輸入特征向量、用戶歷史偏好特征向量和目標對象的與時空特征相關的第一上下文特征向量，所述多個待輸入特征向量包括用戶特征向量、目標對象特征向量和用戶興趣特征向量；

將所述第一上下文特征向量分別與各所述待輸入特征向量輸入對應的多個時空特征匹配模型進行過濾處理，以確定多個時空特征匹配向量；

根據所述多個時空特征匹配向量和所述用戶歷史偏好特征向量確定組合特征向量；

將所述組合特征向量與所述第一上下文特征向量輸入時空特征融合模型進行融合處理，以確定時空特征融合向量；以及

將所述時空特征融合向量與所述第一上下文特征向量輸入點擊率預測模型以確定點擊率預測值。

3.一種數據處理方法，適用于服務器，其特征在于，所述方法包括：

獲取多個待推薦對象的多個待處理特征信息，所述多個待處理特征信息包括用戶特征信息、用戶歷史行為特征信息、待推薦對象特征信息和所述待推薦對象的與時空特征相關的上下文特征信息；

將各所述待推薦對象的多個待處理特征信息輸入預先訓練的數據處理模型，以輸出各所述待推薦對象的點擊率預測值；以及

根據所述點擊率預測值從所述多個待推薦對象中確定目標對象，將所述目標對象發送至終端進行推薦；

其中，所述數據處理模型執行如下數據處理過程：

根據獲取的所述多個待處理特征信息確定多個待輸入特征向量、用戶歷史偏好特征向量和所述待推薦對象的與時空特征相關的第一上下文特征向量，所述多個待輸入特征向量包括用戶特征向量、待推薦對象特征向量和用戶興趣特征向量；

將所述第一上下文特征向量分別與各所述待輸入特征向量輸入對應的多個時空特征匹配模型進行過濾處理，以確定多個時空特征匹配向量；

根據所述多個時空特征匹配向量和所述用戶歷史偏好特征向量確定組合特征向量；

將所述組合特征向量與所述第一上下文特征向量輸入時空特征融合模型進行融合處理，以確定時空特征融合向量；以及

將所述時空特征融合向量與所述第一上下文特征向量輸入點擊率預測模型以確定點擊率預測值。

4.一種數據處理方法，適用于終端，其特征在于，所述方法包括：

向服務器發送用戶特征信息和用戶歷史行為特征信息；

響應于接收到推薦的目標對象，展示所述目標對象；

其中，所述目標對象通過如權利要求3所述的方法確定。