服务排序方法、装置、存储介质及电子设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115033757A(43)申请公布日2022.09.09(21)申请号202210716385.6(22)申请日2022.06.22(71)申请人北京金堤科技有限公司地址100098北京市海淀区知春路65号院1号楼B座20层2001号(72)发明人李国库(74)专利代理机构北京英创嘉友知识产权代理事务所(普通合伙)11447专利代理师卢夏子(51)Int.Cl.G06F16/9035(2019.01)G06F16/9038(2019.01)G06Q30/02(2012.01)G06Q30/06(2012.01)权利要求书2页说明书11页附图6页(54)发明名称服务排序方法、装置、存储介质及电子设备(57)摘要本公开涉及一种服务排序方法、装置、存储介质及电子设备，该方法包括：获取目标用户对多个服务的多组行为数据，一组所述行为数据包括：所述目标用户对一个服务的操作数据，以及所述目标用户的用户数据和所述服务的服务数据；基于所述操作数据对应的行为类型，确定所述多组行为数据对应的多个等级；将所述多组行为数据和所述多个等级输入服务评分模型，以得到所述多个服务的评分；根据所述多个服务的评分，确定对应于所述目标用户的所述多个服务的排序。上述方法能够针对不同客户的需求输出的服务排序，能够基于用户的个性化需求以及服务的多维度特征对服务进行排序，能够广泛适用于不同需求的用户，能够解决局限性问题，提高适用性。CN115033757ACN115033757A权利要求书1/2页1.一种服务排序方法，其特征在于，包括：获取目标用户对多个服务的多组行为数据，一组所述行为数据包括：所述目标用户对一个服务的操作数据，以及所述目标用户的用户数据和所述服务的服务数据；基于所述操作数据对应的行为类型，确定所述多组行为数据对应的多个等级；将所述多组行为数据和所述多个等级输入服务评分模型，以得到所述多个服务的评分；根据所述多个服务的评分，确定对应于所述目标用户的所述多个服务的排序。2.根据权利要求1所述的方法，其特征在于，在所述获取多个服务对应的多组行为数据之前，所述方法还包括：获取多组训练数据，一组所述训练数据包括：一个样本用户对一个样本服务的操作数据，以及所述样本用户的用户数据和所述样本服务的服务数据；基于操作行为的类型确定所述多组训练数据对应的多个等级；基于所述多组训练数据中的所述操作数据确定所述多组训练数据的样本类型，所述样本类型包括正样本或负样本；根据所述多组训练数据、所述多组训练数据对应的多个等级以及所述样本类型，对初始服务评分模型进行训练，得到完成训练的所述服务评分模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述多组训练数据中的所述操作数据确定所述多组训练数据的样本类型，包括：将所述多组训练数据中所述操作数据属于交互操作的训练数据确定为所述正样本，所述交互操作包括搜索、点击、浏览、点赞、收藏、分享、评论或付费；将所述多组训练数据中所述操作数据属于无交互操作的训练数据进行负采样操作后到的训练数据作为所述负样本。4.根据权利要求2所述的方法，其特征在于，所述根据所述多组训练数据、所述多组训练数据对应的多个等级以及所述样本类型，对初始服务评分模型进行训练，得到完成训练的所述服务评分模型，包括：基于所述多组训练数据对应的多个等级，确定所述多组训练数据分别对应的权重；将所述多组训练数据、所述多组训练数据分别对应的权重以及所述样本类型输入所述初始服务评分模型进行训练，以得到所述服务评分模型。5.根据权利要求1所述的方法，其特征在于，所述将所述多组行为数据和所述多个等级输入服务评分模型，以得到所述多个服务的评分，包括：基于每组所述行为数据中的所述用户数据和所述服务数据，获取扩充特征数据，得到进行特征扩充后的多组行为数据；将所述特征扩充后的多组行为数据和所述多个等级输入所述服务评分模型，以得到所述多个服务的评分。6.根据权利要求1所述的方法，其特征在于，所述根据所述多个服务的评分，确定对应于所述目标用户的所述多个服务的排序，包括：获取当前的热门服务类型；基于所述多个服务的评分以及所述热门服务类型，确定对应于所述目标用户的所述多个服务的排序。2CN115033757A权利要求书2/2页7.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于所述多个服务的排序向所述目标用户输出一个或多个服务的信息。8.根据权利要求1‑7任一项所述的方法，其特征在于，所述目标用户的用户数据包括所述目标用户的用户属性和用户行为特征，所述服务的服务数据包括所述服务的服务属性和服务交互特征。9.根据权利要求8所述的方法，其特征在于，所述用户属性包括：用户地区、所处行业、年龄、性别、用户身份、关注行业和关注企业列表中的至