[发明专利]多媒体资源预估点击率的确定方法、装置及服务器

权利要求书

1.一种多媒体资源预估点击率的确定方法，其特征在于，包括：

获取用户的用户行为信息；

获取第一多媒体资源的多媒体属性信息，所述第一多媒体资源为待推荐给所述用户的多媒体资源；

调用点击率预估模型，所述点击率预估模型包括嵌入层和点击率预估网络，所述嵌入层包括至少一种信息类型对应的权重矩阵，所述信息类型包括作品标识、作者标识和/或风格标识，所述点击率预估网络用于将所述嵌入层输出的嵌入向量作为输入，输出多媒体资源的预估点击率；

对于每种信息类型，将所述用户行为信息和所述多媒体属性信息中属于所述信息类型的信息，输入所述嵌入层中所述信息类型对应的权重矩阵，输出至少一个嵌入向量；

将所述嵌入层输出的至少一个嵌入向量输入所述点击率预估网络，输出所述用户对所述第一多媒体资源的预估点击率。

2.根据权利要求1所述的方法，其特征在于，所述点击率预估模型的训练方法包括：

获取所述点击率预估模型的初始模型；

获取至少一个训练样本，所述训练样本包括第二多媒体资源的多媒体属性信息、样本用户浏览所述第二多媒体资源时的用户行为信息以及所述样本用户对所述第二多媒体资源的点击情况，所述点击情况包括已点击或未点击；

基于所述至少一个训练样本对所述初始模型进行训练，得到所述点击率预估模型。

3.根据权利要求2所述的方法，其特征在于，所述初始模型包括初始嵌入层以及初始点击率预估网络，所述初始嵌入层包括至少一种信息类型对应的初始权重矩阵；

所述基于所述至少一个训练样本对所述初始模型进行训练，得到所述点击率预估模型，包括：

对于每种信息类型对应的初始权重矩阵，基于包含所述信息类型的训练样本对所述初始权重矩阵进行参数调整，得到训练后的所述信息类型对应的权重矩阵；

基于所述至少一个训练样本对所述初始点击率预估网络进行参数调整，得到训练后的点击率预估网络；

基于训练后的至少一种信息类型对应的权重矩阵以及所述训练后的点击率预估网络，得到所述点击率预估模型。

4.根据权利要求3所述的方法，其特征在于，在对所述每种信息类型对应的初始权重矩阵的参数调整过程中，当包含第一信息类型的训练样本的数目小于包含第二信息类型的训练样本的数目时，所述第一信息类型对应的学习率大于所述第二信息类型对应的学习率。

5.根据权利要求1-4任一所述的方法，其特征在于，所述用户行为信息包括点击历史信息、关注信息和/或喜爱信息，所述点击历史信息用于表示用户点击的多媒体资源的多媒体属性信息，所述关注信息用于表示用户关注的多媒体资源的多媒体属性信息，所述喜爱信息用于表示用户喜爱的多媒体资源的多媒体属性信息。

6.一种多媒体资源预估点击率的确定装置，其特征在于，包括：

获取单元，被配置为获取用户的用户行为信息；

所述获取单元，还被配置为获取第一多媒体资源的多媒体属性信息，所述第一多媒体资源为待推荐给所述用户的多媒体资源；

调用单元，被配置为调用点击率预估模型，所述点击率预估模型包括嵌入层和点击率预估网络，所述嵌入层包括至少一种信息类型对应的权重矩阵，所述信息类型包括作品标识、作者标识和/或风格标识，所述点击率预估网络用于将所述嵌入层输出的嵌入向量作为输入，输出多媒体资源的预估点击率；

确定单元，被配置为对于每种信息类型，将所述用户行为信息和所述多媒体属性信息中属于所述信息类型的信息，输入所述嵌入层中所述信息类型对应的权重矩阵，输出至少一个嵌入向量；将所述嵌入层输出的至少一个嵌入向量输入所述点击率预估网络，输出所述用户对所述第一多媒体资源的预估点击率。