[发明专利]商品信息偏好模型训练和预测方法、装置及电子设备

说明书

本发明实施例提供一种商品信息偏好模型训练和预测方法、装置及电子设备，其中，商品信息偏好模型训练方法包括：获取已标注的用户关于指定商品长期偏好情况的长期特征数据；对所述长期特征数据进行训练，得到用于预测用户对指定商品具有长期偏好的长期模型；获取已标注的用户关于投放渠道近期接受情况的短期特征数据；对所述短期特征数据进行训练，得到用于预测用户对投放渠道具有近期偏好的短期模型；将所述长期模型与所述短期模型进行集成学习，得到用于兼顾预测用户对指定商品具有长期偏好，且在投放渠道具有近期偏好的集成模型。本发明实施例的方案，能够方便实现商品信息的精准投放，进而提高商品转换率。

技术领域

本申请涉及计算机技术领域，尤其涉及一种商品信息偏好模型训练和预测方法、装置及电子设备

背景技术

在众多商品信息推送的场景中，为了实现精准的商品信息投放，进而提高后期的商品转化率，通常需要预先对用户喜欢某种商品的偏好情况进行预测，然后根据预测结果判定是否需要对该用户进行商品信息的投放，从而提高信息投放的精准性和有效性。

在现有的针对用户对商品信息偏好的预测模型中，常采用比较单一的特征信息如用户基础信息、用户在电商购买商品的购买行为信息等作为特征数据进行训练学习，致使训练出的预测模型不能实现精准预测用户对商品信息偏好的目的，从而影响商品的转换率。

发明内容

本发明提供了一种商品信息偏好模型训练和预测方法、装置及电子设备，能够更加准确的预测用户对商品信息的偏好情况，方便实现商品信息的精准投放，进而提高商品转换率。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，提供了一种商品信息偏好模型训练方法，包括：

获取已标注的用户关于指定商品长期偏好情况的长期特征数据；

对所述长期特征数据进行训练，得到用于预测用户对指定商品具有长期偏好的长期模型；

获取已标注的用户关于投放渠道近期接受情况的短期特征数据；

对所述短期特征数据进行训练，得到用于预测用户对投放渠道具有近期偏好的短期模型；

将所述长期模型与所述短期模型进行集成学习，得到用于兼顾预测用户对指定商品具有长期偏好，且在投放渠道具有近期偏好的集成模型。

第二方面，提供了一种商品信息偏好预测方法，包括：

获取用户的长期偏好情况的长期特征数据，以及投放渠道近期接受情况的短期特征数据；

将所述长期特征数据和所述短期特征数据对应输入至长期模型和短期模型中进行预测，并输出用户对指定商品的偏好和近期接受投放渠道的输出结果。

第三方面，提供了一种商品信息偏好模型训练装置，包括：

长期数据获取模块，用于获取已标注的用户关于指定商品长期偏好情况的长期特征数据；

长期模型训练模块，用于对所述长期特征数据进行训练，得到用于预测用户对指定商品具有长期偏好的长期模型；

短期数据获取模块，用于获取已标注的用户关于投放渠道近期接受情况的短期特征数据；

短期模型训练模块，用于对所述短期特征数据进行训练，得到用于预测用户对投放渠道具有近期偏好的短期模型；

集成模型训练模块，用于将所述长期模型与所述短期模型进行集成学习，得到用于兼顾预测用户对指定商品具有长期偏好，且在投放渠道具有近期偏好的集成模型。

第四方面，提供了一种商品信息偏好预测装置，包括：