[发明专利]用户表征方法、装置、电子设备及计算机可读介质

说明书

本申请实施例提供了一种用户表征方法、装置、电子设备及计算机可读介质，涉及人工智能领域。其中,所述方法包括：基于样本用户在源领域中的第一特征数据和所述样本用户在目标领域中的第二特征数据，对待训练的跨领域特征表征模型进行训练；通过训练后的所述跨领域特征表征模型，基于待表征的用户在所述源领域中的第三特征数据，生成所述待表征的用户在所述目标领域中的第一跨领域特征表征数据。通过本申请实施例，能够有效地提升目标领域特征缺失的用户在目标领域中的个性化表征效果。

技术领域

本申请实施例涉及人工智能领域，尤其涉及一种用户表征方法、装置、电子设备及计算机可读介质。

背景技术

关于冷启动用户的商品推荐与商品搜索是现代电子商务中提高用户活跃度和拉动用户量增长的重要手段，同时也是用户对电商平台的第一印象的重要参考。然而，冷启动用户通常缺少对电商平台的商品的点击或购买等历史行为，并且在电商平台的用户画像非常稀疏，使用传统的机器学习模型对冷启动用户偏好进行预估，很难达到较高的准确度。得益于大数据平台的发展，在很多电商公司中，除了商品推荐任务所在的领域，还会有其他的领域，例如，淘宝之外还有支付宝、高德、飞猪等，网易严选之外还有网易新闻等。对两个不同的领域进行账号对齐，便可获取冷启动用户在其他领域所具有的特征信息，可以极大地提升冷启动用户针对目标领域中的商品推荐任务的个性化效果，从而进行跨领域的商品推荐。其中，将冷启动用户的特征信息较为丰富的领域称为源领域，而将商品推荐任务所在的领域称为目标领域。

在跨领域的商品推荐任务的处理方式上，传统的方法对冷启动用户在源领域与目标领域的特征信息进行级联，并将级联的特征信息作为冷启动用户在目标领域的特征输入，学习冷启动用户整体的表征。具体地，通过构建机器学习模型进行个性化的商品推荐来学习冷启动用户整体的表征。然而，目标领域的特征信息与目标领域的商品推荐任务贴近程度更高，具有更强的表征能力，学习过程会向目标领域的特征学习倾斜，源领域的特征学习会不够充分，而针对目标领域特征缺失严重的冷启动用户，往往无法提升冷启动用户在目标领域的个性化表征效果。

发明内容

本申请的目的在于提出一种用户表征方法、装置、电子设备及计算机可读介质，用于解决现有技术中存在的如何有效地提升目标领域特征缺失的用户在目标领域中的个性化表征效果的问题。

根据本申请实施例的第一方面，提供了一种用户表征方法。所述方法包括：基于样本用户在源领域中的第一特征数据和所述样本用户在目标领域中的第二特征数据，对待训练的跨领域特征表征模型进行训练；通过训练后的所述跨领域特征表征模型，基于待表征的用户在所述源领域中的第三特征数据，生成所述待表征的用户在所述目标领域中的第一跨领域特征表征数据。

根据本申请实施例的第二方面，提供了一种用户表征装置。所述装置包括：第一训练模块，用于基于样本用户在源领域中的第一特征数据和所述样本用户在目标领域中的第二特征数据，对待训练的跨领域特征表征模型进行训练；第一生成模块，用于通过训练后的所述跨领域特征表征模型，基于待表征的用户在所述源领域中的第三特征数据，生成所述待表征的用户在所述目标领域中的第一跨领域特征表征数据。

根据本申请实施例的第三方面，提供了一种电子设备，包括：一个或多个处理器；计算机可读介质，配置为存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述实施例的第一方面所述的用户表征方法。

根据本申请实施例的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例的第一方面所述的用户表征方法。