一种基于多任务联合学习的点击转化率预测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115358790A(43)申请公布日2022.11.18(21)申请号202211016264.7(22)申请日2022.08.24(71)申请人重庆邮电大学地址400065重庆市南岸区南山街道崇文路2号(72)发明人韦世红张健何玮康肖寒春肖云鹏庞育才李茜王蓉贾朝龙李暾(74)专利代理机构重庆辉腾律师事务所50215专利代理师王诗思(51)Int.Cl.G06Q30/02(2012.01)G06Q30/06(2012.01)G06K9/62(2022.01)权利要求书3页说明书11页附图3页(54)发明名称一种基于多任务联合学习的点击转化率预测方法(57)摘要本发明属于电商大数据推荐领域，特别涉及一种基于多任务联合学习的点击转化率预测方法，包括获取商品信息并构建用户‑商品感兴趣度；根据获取的商品信息，获取商品节点序列和用户节点序列，根据得到的用户节点序列和商品节点序列计算该各自序列中节点与其相邻节点之间的二阶相似度；将商品节点和用户节点投影到相同的特征空间上，计算在该空间中一个节点的注意力系数，并利用该系数获得节点的聚合表示；利用用户‑商品感兴趣度对节点的聚合加权得到节点的最终嵌入表示，将最终嵌入表示的商品信息和用户信息嵌入到预测器中，通过预测器预测用户购买商品的概率；本发明可协助电商平台掌握消费群体行为特性分布，有利于广告主精准投放广告信息。CN115358790ACN115358790A权利要求书1/3页1.一种基于多任务联合学习的点击转化率预测方法，其特征在于，包括以下步骤：获取电商平台下的用户信息、商品信息、辅助信息以及用户历史行为数据信息，所述辅助信息包括与用户或商品直接关联的用户的搜索词、店铺信息、活动信息；通过用户历史行为数据信息构建用户‑商品感兴趣度；基于辅助信息，通过meta‑path随机游走策略获取用户节点序列和商品节点序列，即定义一条以节点1‑辅助信息1‑节点2‑辅助信息2‑…‑节点n‑1‑辅助信息n‑1‑节点n的元路径，去除元路径中的辅助信息得到节点序列，所述节点为商品节点或者用户节点；将商品节点和用户节点投影到相同的特征空间上，在该特征空间中指定一条由该空间中节点构成的元路径，计算该路径中一个节点对另一个节点的重要性，将当前节点的所有邻居节点对当前节点的重要进行归一化得到当前节点的注意力系数；计算在一组元路径下当前节点的注意力系数，利用该系数对当前节点的邻居节点在投影的特征空间的表示加权求和作为当前节点的聚合表示；利用用户‑商品感兴趣度对节点在所有原路径的聚合表示进行加权，得到该节点的最终嵌入表示；获取用户对商品的评分矩阵，并通过该矩阵获取用户点击矩阵和用户购买矩阵得到的用户和商品的信息分别输入预测器中计算用户对商品的点击率和转化率；用过点击率和转化率预测用户购买某一商品的概率。2.根据权利要求1所述的一种基于多任务联合学习的点击转化率预测方法，其特征在于，用户历史行为数据信息构建用户‑商品感兴趣度表示为：其中，表示用户um对商品in的感兴趣度；IsBuy、IsCollect、IsCart、IsClick、IsBrowse分别代表着用户对商品是否购买、是否收藏、是否加入购物车、是否点击、是否浏览；当用户购买该商品，则IsBuy的值为5；当用户收藏该商品，则IsCollect的值为4；当用户将该商品加入购物车，则IsCart的值为3；当用户点击该商品的值，则IsClick的值为2；当用户浏览该商品，则IsBrowse的值为1；当用户没有对商品进行购买、收藏、加入购物车、点击、浏览，则IsBuy、IsCollect、IsCart、IsClick、IsBrowse的值均为0。3.根据权利要求1所述的一种基于多任务联合学习的点击转化率预测方法，其特征在于，meta‑path随机游走策略中，给定异质网络信息并指定元路径为游走约束，通过基于元路径的随机游走策略来生成相应的节点序列，随机游走的概率表示为：其中，表示随机游走的概率，vm+1表示要生成的下一个节点，表示类型为At的节点，Φs为制定的第s条元路径；表示在节点的周围邻居中类型为At+1节点的集合，||表示求集合中元素的数量；E表示异质图中的边；φ(vm+1)表示判断下一个节点的类型，即求节点vm+1的类型；为异质网络中节点的集合，ε为异质网络中节点之2CN115358790A权利要求书2/3页间边关系的集合。4.根据权利要求1所述的一种基于多任务联合学习的点击转化率预测方法，其特征在于，节点的最终嵌入表示表示为：其中，Z＝Zu∪Zi，表示节点的最终嵌入表示，表示用户um的最终嵌入表示，表示商品iq的最终嵌入表示；表示第s条元路径Φs中的节点嵌入表示；表示在第s条元路径Φs中用户um对商品in