一种处理数据的方法和装置.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CN113762992A(43)申请公布日2021.12.07(21)申请号202010495399.0(22)申请日2020.06.03(71)申请人北京沃东天骏信息技术有限公司地址100176北京市北京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)发明人蒋权陈希李鑫(74)专利代理机构中原信达知识产权代理有限责任公司11219代理人张一军王安娜(51)Int.Cl.G06Q30/02(2012.01)G06Q30/06(2012.01)G06N3/08(2006.01)G06N3/04(2006.01)权利要求书2页说明书13页附图5页(54)发明名称一种处理数据的方法和装置(57)摘要本发明公开了一种处理数据的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：根据目标用户的行为特征和基础特征以及目标物品的行为特征和基础特征，生成所述目标用户的嵌入向量、行为嵌入向量、兴趣演化嵌入向量以及所述目标物品的嵌入向量；将所述目标用户的嵌入向量、行为嵌入向量、兴趣演化嵌入向量以及所述目标物品的嵌入向量拼接成所述目标用户的组合嵌入向量；将所述目标用户的组合嵌入向量输入到预先训练好的计算模型中，从而输出所述目标用户对所述目标物品的行为概率。该实施方式能够解决无法精准和高效地挖掘用户与物品之间的隐含的向量表式，无法区分用户长期、中期和近期的兴趣变化的技术问题。CN113762992ACN113762992A权利要求书1/2页1.一种处理数据的方法，其特征在于，包括：根据目标用户的行为特征和基础特征以及目标物品的行为特征和基础特征，生成所述目标用户的嵌入向量、行为嵌入向量、兴趣演化嵌入向量以及所述目标物品的嵌入向量；将所述目标用户的嵌入向量、行为嵌入向量、兴趣演化嵌入向量以及所述目标物品的嵌入向量拼接成所述目标用户的组合嵌入向量；将所述目标用户的组合嵌入向量输入到预先训练好的计算模型中，从而输出所述目标用户对所述目标物品的行为概率；其中，所述计算模型采用如下方法训练得到：根据训练样本中各个用户的行为特征和基础特征以及各个物品的行为特征和基础特征，生成各个所述用户的组合嵌入向量；采用各个所述用户的组合嵌入向量训练全连接神经网络，从而得到计算模型。2.根据权利要求1所述的方法，其特征在于，根据训练样本中各个用户的行为特征和基础特征以及各个物品的行为特征和基础特征，生成各个所述用户的组合嵌入向量，包括：采用第一图嵌入模型将训练样本中各个用户的近期行为特征和基础特征，转换成各个所述用户的嵌入向量；采用第二图嵌入模型将训练样本中各个物品的近期行为特征和基础特征，转换成各个所述物品的嵌入向量；采用注意力神经网络将训练样本中各个所述用户的不同时期的行为特征，转换成各个所述用户的行为嵌入向量；采用记忆网络模型将训练样本中各个所述用户的不同时期的行为特征，转换成各个所述用户的兴趣演化嵌入向量；将各个所述用户的嵌入向量、行为嵌入向量、兴趣演化嵌入向量以及各个所述物品的嵌入向量分别拼接成各个所述用户的组合嵌入向量。3.根据权利要求2所述的方法，其特征在于，所述第一图嵌入模型为Node2vec模型，所述第二图嵌入模型为Node2vec模型，所述记忆网络模型为分层周期记忆网络模型。4.根据权利要求2所述的方法，其特征在于，所述不同时期的行为特征包括近期的行为特征、中期的行为特征和长期的行为特征。5.根据权利要求2所述的方法，其特征在于，还包括：若所述用户的嵌入向量、行为嵌入向量、兴趣演化嵌入向量以及所述物品的嵌入向量中缺少任一维度的特征，则采用不参与计算的标记符对该维度的特征进行补齐。6.根据权利要求2所述的方法，其特征在于，根据目标用户的行为特征和基础特征以及目标物品的行为特征和基础特征，生成所述目标用户的嵌入向量、行为嵌入向量、兴趣演化嵌入向量以及所述目标物品的嵌入向量，包括：采用所述第一图嵌入模型将目标用户的近期行为特征和基础特征，转换成所述目标用户的嵌入向量；采用所述第二图嵌入模型目标物品的近期行为特征和基础特征，转换成所述目标物品的嵌入向量；采用所述注意力神经网络将所述目标用户的不同时期的行为特征，转换成所述目标用户的行为嵌入向量；2CN113762992A权利要求书2/2页采用所述记忆网络模型将所述目标用户的不同时期的行为特征，转换成所述目标用户的兴趣演化嵌入向量。7.根据权利要求1所述的方法，其特征在于，输出所述目标用户对所述目标物品的行为概率之后，还包括：将所述目标用户对各个所述目标物品的行为概率进行降序排列；筛选出行为概率靠前的N个目标物品，N为大于零的整数；将所述N个目标物品加入到所述目标用户对应的待推荐物品集合中。8.