[发明专利]基于商品表示的点击率预测方法及装置

说明书

本发明公开了一种基于商品表示的点击率预测方法及装置，涉及数据处理技术领域，本发明的主要目的在于对多模态商品进行更准确的商品表示，以提高点击率预测的准确性。本发明主要的技术方案为：获取目标用户的用户行为与目标商品所各自对应的一组多模态信息；利用第一模型确定各组多模态信息对应的独有特征，该独有特征包括存在于一种模态中的特征，并具有针对不同模态的动态权重；利用第二模型确定各组多模态信息对应的共有特征，该共有特征包括共同存在于多种模态中的特征；根据独有特征与共有特征分别确定目标用户的用户表示以及目标商品的商品表示；利用深度神经网络处理用户表示与商品表示，得到目标用户点击目标商品的概率。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于商品表示的点击率预测方法及装置。

背景技术

现有的大型电商门户网站通过移动应用和PC网站为数亿用户提供数十亿商品，为了获得更好的用户体验和业务效果，对商品进行更加准确、有效的表示有助于向用户推荐其所关注与喜欢的商品，从而提高推荐商品的点击率。而对商品的点击率预测越准确则可以更有效地提高电商与平台的收益。

目前，电商中的商品通常有多种异构模态表示，比如，商品的名称、图像、标题以及统计特征等模态。对于商品表示则是从不同的模态中按照预设的模态权重提取特征，而不管商品的类型如何。然而，理想的商品表示应该能够根据不同的类型的商品动态地权衡不同的模态，从而强调更有用的模态信号。由此可见，现有的多模态商品表示并不能有效体现商品特性，导致基于这种商品表示的点击率预测并不准确。

发明内容

鉴于上述问题，本发明提出了一种基于商品表示的点击率预测方法及装置，主要目的在于对多模态商品进行更准确的商品表示，以提高点击率预测的准确性。

为达到上述目的，本发明主要提供如下技术方案：

一方面，本发明提供一种基于商品表示的点击率预测方法，具体包括：

获取目标用户的用户行为与目标商品所各自对应的一组多模态信息；

利用第一模型确定各组多模态信息对应的独有特征，所述独有特征包括存在于一种模态中的特征，并具有针对不同模态的动态权重；

利用第二模型确定各组多模态信息对应的共有特征，所述共有特征包括共同存在于多种模态中的特征；

根据所述独有特征与共有特征分别确定所述目标用户的用户表示以及所述目标商品的商品表示；

利用深度神经网络处理所述用户表示与商品表示，得到所述目标用户点击所述目标商品的概率。

另一方面，本发明提供一种基于商品表示的点击率预测装置，具体包括：

获取单元，用于获取目标用户的用户行为与目标商品所各自对应的一组多模态信息；

第一确定单元，用于利用第一模型确定所述获取单元获取的各组多模态信息对应的独有特征，所述独有特征包括存在于一种模态中的特征，并具有针对不同模态的动态权重；

第二确定单元，用于利用第二模型确定所述获取单元获取的各组多模态信息对应的共有特征，所述共有特征包括共同存在于多种模态中的特征；

表示单元，用于根据所述第一确定单元确定的独有特征与第二确定单元确定的共有特征分别确定所述目标用户的用户表示以及所述目标商品的商品表示；

预测单元，用于利用深度神经网络处理所述表示单元得到的用户表示与商品表示，得到所述目标用户点击所述目标商品的概率。

另一方面，本发明提供一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述的基于商品表示的点击率预测方法。