提示方法、装置、设备及可读存储介质.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CN113781076A(43)申请公布日2021.12.10(21)申请号202010607112.9(22)申请日2020.06.29(71)申请人北京沃东天骏信息技术有限公司地址100076北京市经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人于均均(74)专利代理机构北京同立钧成知识产权代理有限公司11205代理人陈文香刘芳(51)Int.Cl.G06Q30/02(2012.01)G06F16/2458(2019.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书14页附图5页(54)发明名称提示方法、装置、设备及可读存储介质(57)摘要本申请实施例提供一种提示方法、装置、设备及可读存储介质，服务器根据目标对象确定出第一用户集合，获取该第一用户集合中每个用户的用户数据。服务器还获取候对象集合中各候选对象的描述数据。之后，服务器将获取到的属性数据、行为数据和描述数据输入至预先训练好的深度学习模型，使得深度学习模型输出第一用户集合这个整体对各候选对象的参考值。然后，服务器将参考值较高的一个或多个候选对象作为目标对象的关系对象。该过程中，服务器通过利用深度学习模型对目标对象和候选对象的明细数据进行分析，以从多个候选对象中挖掘出目标对象的关系对象，提高挖掘效率的同时降低对运营人员的依赖。CN113781076ACN113781076A权利要求书1/3页1.一种提示方法，其特征在于，包括：根据第一用户集合获取用户数据，所述第一用户集合中的用户是第一时间段与目标对象产生关系的用户，所述用户数据包括用于表征所述用户属性的数据和表征所述用户行为的数据；获取候选集合中各候选对象的描述数据，所述候选对象与所述目标对象是同一平台上的不同对象；利用所述用户数据和各候选对象的描述数据，使用预先训练好的深度学习模型获取所述候选集合中各候选对象的参考值，所述参考值用于指示所述第一用户集合中的用户对所述候选对象的偏好程度，深度学习模型为服务器预先利用平台的明细数据训练出的模型；根据所述候选集合中各候选对象的参考值，从所述候选集合中确定出所述目标对象的关系对象，所述关系对象为对所述目标对象存在影响的对象；输出提示信息，所述提示信息用于提示所述目标对象的关系对象。2.根据权利要求1所述的方法，其特征在于，所述利用所述用户数据和各候选对象的描述数据，使用预先训练好的深度学习模型获取所述候选集合中各候选对象的参考值之前，还包括：获取样本集，所述样本集中的样本包括正样本和负样本，所述正样本包括第二用户集合中用户的用户数据和所述目标对象的描述数据的组合，所述负样本包括所述第二用户集合中用户的用户数据和随机对象的描述数据的组合，所述第二用户集合中的用户是第二时间段与所述目标对象产生关系的用户，所述第二时间段早于所述第一时间段，所述随机对象是从所述目标对象外的其他对象中随机选择的；使用所述样本集中的样本对初始模型进行训练，以得到所述深度学习模型。3.根据权利要求2所述的方法，其特征在于，所述使用所述样本集中的样本对初始模型进行训练，以得到所述深度学习模型，包括：从所述样本包含的用户数据中用于表征用户属性的数据中，提取出所述第二用户集合中各用户的画像特征；从所述样本包含的用户数据中用于表征用户行为的数据中，提取出所述第二用户集合中各用户的动态特征，所述动态特征包括下述特征中的至少一个：所述第二用户集合中各用户的行为特征、所述第二用户集合中各用户的行为类目特征，所述行为类目特征包含用户的行为对应的类目的标识；从所述样本包含的描述数据中提取出所述目标对象、各所述随机对象的属性特征和热度特征；根据所述第二用户集合中各用户的画像特征、所述第二用户集合中各用户动态特征，以及所述目标对象、各所述随机对象的属性特征和热度特征，训练出所述深度学习模型。4.根据权利要求3所述的方法，其特征在于，对于所述样本集中的任意一个样本，所述行为类目特征至少为两个，所述方法还包括：确定至少两个行为类目特征中各行为类目特征各自的特征向量，以得到至少两个特征向量；根据所述至少两个特征向量，确定池化向量；根据所述池化向量和所述随机对象的属性向量，确定权重向量，所述属性向量是根据2CN113781076A权利要求书2/3页所述随机对象的属性特征生成的；确定所述池化向量和所述权重向量的点乘，以得到点乘向量，所述点乘向量用于表征所述第二用户集合中用户的行为类目特征与所述随机对象的关联关系。5.根据权利要求4所述的方法，其特征在于，还包括：对于所述样本集中的任意一个样本，根据所述用户的用户画像特征，确定所述用户画像特征对应的画像特征向量；根据所述用