一种预测推荐目标的点击率的方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114756750A(43)申请公布日2022.07.15(21)申请号202210397820.3(22)申请日2022.04.15(71)申请人北京三快在线科技有限公司地址100080北京市海淀区北四环西路9号2106-030(72)发明人冯家琪肖垚李想陈胜(74)专利代理机构北京曼威知识产权代理有限公司11709专利代理师邓超(51)Int.Cl.G06F16/9535(2019.01)G06F16/9536(2019.01)G06Q50/00(2012.01)权利要求书2页说明书13页附图8页(54)发明名称一种预测推荐目标的点击率的方法及装置(57)摘要本说明书公开了一种预测推荐目标的点击率的方法及装置。通过根据预设的不同统计指标对各用户的历史行为进行统计确定的各类滑动窗口，分别对目标用户的历史行为序列的行为序列特征划分为若干子特征，并针对每类滑动窗口，将该类滑动窗口的各子特征与推荐目标对应的目标特征输入预测模型的多兴趣建模模块，确定该类滑动窗口对应的兴趣特征，并基于各类滑动窗口的兴趣特征，确定融合兴趣特征，以根据融合兴趣特征，通过该预测模型的输出模块确定目标用户对推荐目标的点击率。可基于滑动窗口将行为序列特征划分为不同粒度的子特征，基于各子特征显式地从不同角度提取表征目标用户的兴趣的特征，不易受训练样本误导，能更准确预测推荐目标的点击率。CN114756750ACN114756750A权利要求书1/2页1.一种预测推荐目标的点击率的方法，其特征在于，包括：将目标用户的历史行为序列输入预先训练的预测模型的编码模块，得到行为序列特征；通过所述预测模型的划分模块，针对预设的每类滑动窗口，通过该类滑动窗口将所述行为序列特征划分为若干子特征；所述各滑动窗口为分别根据预设的不同统计指标对各用户的历史行为进行统计确定的；将该类滑动窗口的各子特征与推荐目标对应的目标特征输入所述预测模型的多兴趣建模模块，确定该类滑动窗口对应的兴趣特征，并基于各类滑动窗口对应的兴趣特征，确定融合兴趣特征；根据所述融合兴趣特征，通过所述预测模型的输出模块，确定所述目标用户对所述推荐目标的点击率。2.如权利要求1所述的方法，其特征在于，所述统计指标至少包括基于时长的统计指标、基于用户行为类别的统计指标以及基于用户行为对应目标的类别的统计指标中的一种。3.如权利要求1或2所述的方法，其特征在于，分别根据预设的不同统计指标对各用户的历史行为，确定各滑动窗口，具体包括：针对每个统计指标，基于该统计指标，确定在该统计指标对应的时长内，每个用户对各目标的累计历史行为次数；将所述累计历史行为次数的中位数，作为窗口尺寸；根据该窗口尺寸，确定该统计指标对应的滑动窗口。4.如权利要求1所述的方法，其特征在于，所述预测模型的多兴趣建模模块包括：注意力模块以及融合模块；将该类滑动窗口的各子特征与推荐目标对应的目标特征输入所述预测模型的多兴趣建模模块，确定该类滑动窗口对应的兴趣特征，具体包括：针对该类滑动窗口的每个子特征，将该子特征与推荐目标对应的目标特征输入所述注意力模块，确定该子特征对应的兴趣子特征；基于各兴趣子特征以及权重矩阵，通过所述融合模块，确定该类滑动窗口对应的兴趣特征。5.如权利要求4所述的方法，其特征在于，所述注意力模块包括第一注意力模块以及第二注意力模块；将该子特征与推荐目标对应的目标特征输入所述注意力模块，确定该子特征对应的兴趣子特征，具体包括：根据该子特征与推荐目标对应的目标特征，通过所述第一注意力模块，确定该子特征与所述目标特征间的注意力权重；根据所述注意力权重以及该子特征，通过所述第二注意力模块，确定该子特征对应的兴趣子特征。6.如权利要求1所述的方法，其特征在于，根据所述融合兴趣特征，通过所述预测模型的输出模块，确定所述目标用户对所述推荐目标的点击率，具体包括：根据点击率的其他影响因素，通过所述预测模型的其他编码模块，确定其他影响特征；2CN114756750A权利要求书2/2页通过所述预测模型的输出模块，将所述融合兴趣特征以及所述其他影响特征拼接，得到综合特征，并根据所述综合特征，确定所述目标用户对所述推荐目标的点击率。7.如权利要求1所述的方法，其特征在于，基于各类滑动窗口对应的兴趣特征，确定融合兴趣特征，具体包括：将各类滑动窗口对应的兴趣特征与预设的零向量进行拼接，得到聚合特征；根据所述聚合特征确定聚合权重，并根据所述聚合权重对所述聚合特征进行加权，得到融合兴趣特征。8.一种预测推荐目标的点击率的装置，其特征在于，包括：输入模块，用于将目标用户的历史行为序列输入预先训练的预测模型的编码模块，得到行为序列特征；拆分模块，用于通过所述预测模型的划分模块，针对预设的每类滑动窗口，通过该类