向目标用户展示目标对象序列的方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112015788A(43)申请公布日2020.12.01(21)申请号202010885692.8(22)申请日2020.08.28(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人朱军陈渊波肖帅马健蒋在帆(74)专利代理机构北京亿腾知识产权代理事务所(普通合伙)11309代理人孙欣欣周良玉(51)Int.Cl.G06F16/248(2019.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书4页说明书12页附图3页(54)发明名称向目标用户展示目标对象序列的方法和装置(57)摘要本说明书实施例提供一种向目标用户展示目标对象序列的方法和装置，方法包括：确定待展示的目标对象序列中各目标对象的初始排序，初始排序按照各目标对象与目标用户的相关度由高到低进行排序；获取各目标对象分别对应的对象特征；将各目标对象分别对应的对象特征按照初始排序输入预先训练的重排序模型，重排序模型包括编码器和解码器，编码器对于各对象特征进行编码，得到目标对象序列对应的上下文表征向量，解码器根据上下文表征向量输出目标对象序列中各目标对象的重排序；按照重排序的各目标对象的位置，向目标用户展示目标对象序列。能够通过对目标对象的合理排序，从而基于该排序向目标用户展示目标对象序列时，达到用户反馈的最大化。CN112015788ACN112015788A权利要求书1/4页1.一种向目标用户展示目标对象序列的方法，所述方法包括：确定待展示的目标对象序列中各目标对象的初始排序，所述初始排序按照各目标对象与所述目标用户的相关度由高到低进行排序；获取所述目标对象序列中各目标对象分别对应的对象特征；将各目标对象分别对应的对象特征按照所述初始排序输入预先训练的重排序模型，所述重排序模型包括编码器和解码器，所述编码器对于所述各对象特征进行编码，得到所述目标对象序列对应的上下文表征向量，所述解码器根据所述上下文表征向量输出所述目标对象序列中各目标对象的重排序；按照所述重排序的各目标对象的位置，向所述目标用户展示所述目标对象序列。2.如权利要求1所述的方法，其中，所述获取所述目标对象序列中各目标对象分别对应的对象特征，包括：获取所述目标对象序列中各目标对象分别对应的属性特征；获取各目标对象与所述目标用户的相关度；获取所述目标用户的用户特征；根据任一目标对象的属性特征、该目标对象与所述目标用户的相关度、所述目标用户的用户特征，组合成该目标对象对应的对象特征。3.如权利要求2所述的方法，其中，所述重排序模型用于预测所述目标用户对于各目标对象的偏好度，并根据预测的偏好度对各个目标对象进行重排序；所述重排序模型基于样本对象序列进行训练；所述样本对象序列中的各样本对象具有初始排序；各样本对象具有对应的对象特征，对象特征根据样本对象的属性特征、样本对象与样本用户的相关度、样本用户的用户特征组合而成，样本对象序列具有表示样本用户对各个样本对象的用户偏好的样本标签。4.如权利要求3所述的方法，其中，所述样本标签根据所述样本用户的历史行为数据而确定。5.如权利要求4所述的方法，其中，所述历史行为数据包括是否点击的数据，和/或是否转化的数据。6.如权利要求1所述的方法，其中，所述编码器为转换器Transformer网络；所述编码器对于所述各对象特征进行编码，包括：Transformer网络基于多头注意力机制对所述各对象特征进行编码，得到所述目标对象序列对应的上下文表征向量。7.如权利要求6所述的方法，其中，Transformer网络基于多头注意力机制对所述各对象特征进行编码，包括：确定所述各对象特征分别对应的查询向量、键向量和值向量；根据第一对象特征对应的查询向量和第二对象特征对应的键向量，确定所述第二对象特征对所述第一对象特征的权重，其中，所述第一对象特征和所述第二对象特征为所述各对象特征中的任意两个对象特征；根据所述各对象特征对所述第一对象特征的权重和所述各对象特征的值向量，确定所述第一对象特征的编码向量，从而得到所述各对象特征对应的编码向量。8.如权利要求6所述的方法，其中，所述解码器包括全连接层，回归层和输出层；所述解2CN112015788A权利要求书2/4页码器根据所述上下文表征向量输出所述目标对象序列中各目标对象的重排序，包括：通过所述全连接层，将所述上下文表征向量处理为第一输出向量，所述第一输出向量具有与各目标对象相同数目的维度；在所述回归层，对所述第一输出向量施加softmax函数，得到各个目标对象的打分；通过所述输出层，按照各个目标对象的打分由高到低的顺序，输出所述目标对象序列中各目标对象的重排序。9