[发明专利]信息推荐模型训练方法及装置

权利要求书

1.一种信息推荐模型训练方法，其特征在于，包括：

确定与第一用户行为存在条件依赖的至少一种第二用户行为；其中，所述条件依赖为所述第二用户行为的执行依赖于所述第一用户行为的执行，所述第一用户行为和所述第二用户行为对所述信息执行不同操作的行为；

获取所述第一用户行为对应的第一嵌入向量；其中，所述第一嵌入向量为发生所述第一用户行为的信息对应的嵌入向量；

将所述第一嵌入向量分别与每种第二用户行为对应的第二嵌入向量进行拼接，得到每种第二用户行为对应的第三嵌入向量；其中，所述第二嵌入向量为发生所述第二用户行为的信息对应的嵌入向量；

根据每种第二用户行为对应的第三嵌入向量分别进行独立训练得到信息推荐模型；其中，所述信息推荐模型用于预估所述信息发生每种第二用户行为的概率。

2.根据权利要求1所述的方法，其特征在于，获取用户行为对应的嵌入向量的步骤，包括：

根据历史日志获取用户行为列表；其中，所述用户行为列表中包含发生所述用户行为的信息标识；

根据所述信息标识获取对应信息的信息特征，将多个信息的信息特征形成训练样本集合；

将所述训练样本集合输入嵌入神经网络进行训练，得到所述用户行为对应的嵌入向量。

3.根据权利要求1所述的方法，其特征在于，所述根据每种第二用户行为对应的第三嵌入向量分别进行独立训练得到信息推荐模型，包括：

将每种第二用户行为对应的第三嵌入向量输入卷积神经网络；其中，所述卷积神经网络包含至少一个子卷积神经网络，一个子卷积神经网络对应一种用户行为预测子模型；

每种用户行为预测子模型根据对应的第三嵌入向量独立训练直至满足预设的收敛条件，得到包含至少一种用户行为预测子模型的信息推荐模型。

4.根据权利要求1所述的方法，其特征在于，所述第一用户行为为点击信息的行为，和/或，所述至少一种第二用户行为为喜欢信息的行为、浏览信息的行为和关注信息作者的行为。

5.根据权利要求1所述的方法，其特征在于，所述信息为多媒体信息。

6.一种信息推荐方法，其特征在于，包括：

接收推荐请求；

采用权利要求1-5任一项所述信息推荐模型预测信息发生至少一种用户行为的概率；

根据所述概率进行信息推荐。

7.一种信息推荐模型训练装置，其特征在于，包括：

行为确定模块，用于确定与第一用户行为存在条件依赖的至少一种第二用户行为；其中，所述条件依赖为所述第二用户行为的执行依赖于所述第一用户行为的执行，所述第一用户行为和所述第二用户行为对所述信息执行不同操作的行为；

向量获取模块，用于获取所述第一用户行为对应的第一嵌入向量；其中，所述第一嵌入向量为发生所述第一用户行为的信息对应的嵌入向量；

向量拼接模块，用于将所述第一嵌入向量分别与每种第二用户行为对应的第二嵌入向量进行拼接，得到每种第二用户行为对应的第三嵌入向量；其中，所述第二嵌入向量为发生所述第二用户行为的信息对应的嵌入向量；

模型训练模块，用于根据每种第二用户行为对应的第三嵌入向量分别进行独立训练得到信息推荐模型；其中，所述信息推荐模型用于预估所述信息发生每种第二用户行为的概率。

8.根据权利要求7所述的装置，其特征在于，所述向量获取模块具体用于：

根据历史日志获取用户行为列表；其中，所述用户行为列表中包含发生所述用户行为的信息标识；根据所述信息标识获取对应信息的信息特征，将多个信息的信息特征形成训练样本集合；将所述训练样本集合输入嵌入神经网络进行训练，得到所述用户行为对应的嵌入向量。