[发明专利]一种推荐概率预估方法、装置、电子设备及存储介质

权利要求书

1.一种推荐概率预估方法，其特征在于，所述方法包括：

获得待推荐信息的信息内容特征、用户通用特征、环境通用特征、用户偏置特征以及环境偏置特征；

将所述待推荐信息的信息内容特征、用户通用特征、环境通用特征输入推荐概率预测模型，得到所述待推荐信息的多种维度的推荐概率；

其中，所述推荐概率预测模型是以样本信息的信息内容特征、用户通用特征、环境通用特征、用户偏置特征以及环境偏置特征为输入，对预设模型进行训练得到的，所述推荐概率预测模型包括多个任务网络、多个门开关网络、多个融合模块以及多个任务层，每个任务网络用于获得所述样本信息的一种维度的特征向量，一个门开关网络用于输出所述多个任务网络各自输出的特征向量在一种维度下的权重，一个融合模块用于根据所述多个任务网络各自输出的特征向量在一种维度下的权重，对所述多个任务网络各自输出的特征向量进行融合，一个任务层用于根据一种维度下的融合后的特征向量得到对应的推荐概率。

2.根据权利要求1所述的方法，其特征在于，所述多个任务网络共用输入所述推荐概率预测模型的各个特征，每个任务网络包括偏置子网络、任务子网络和拼接层，所述偏置子网络以所述样本信息的用户偏置特征和环境偏置特征为输入，所述任务子网络以所述样本信息的用户偏置特征以及环境偏置特征为输入，所述拼接层用于对所述偏置子网络和所述任务子网络输出的特征进行拼接，得到一个任务网络输出的特征。

3.根据权利要求1所述的方法，其特征在于，所述多种维度的推荐概率包括以下任意多者的组合：点击率、转化率、点击且转化率、成交总额；和/或

所述环境偏置特征包括以下至少一者：用户所在地理位置、用户操作发生时间、客户端类型、用户终端的类型；和/或

所述用户偏置特征包括以下至少一者：点击率、下单率、下单金额、下单量。

4.根据权利要求1-3任一所述的方法，其特征在于，所述待推荐信息的数量是多个；所述方法还包括：

确定所述多个待推荐信息对目标用户的多种维度的推荐概率；

根据所述多个待推荐信息对目标用户的多种维度的推荐概率，确定所述多个待推荐信息对目标用户的综合推荐概率；

将所述多个待推荐信息按照综合推荐概率降序发送给所述目标用户使用的用户终端。

5.根据权利要求1-3任一所述的方法，其特征在于，所述待推荐信息的数量是多个；所述方法还包括：

确定所述多个待推荐信息对目标用户的多种维度的推荐概率；

将所述多个待推荐信息按照每种维度降序分别发送给所述目标用户使用的用户终端。

6.一种推荐概率预估装置，其特征在于，所述装置包括：

获得模块，用于获得待推荐信息的信息内容特征、用户通用特征、环境通用特征、用户偏置特征以及环境偏置特征；

输入模块，用于将所述待推荐信息的信息内容特征、用户通用特征、环境通用特征输入推荐概率预测模型，得到所述待推荐信息的多种维度的推荐概率；

其中，所述推荐概率预测模型是以样本信息的信息内容特征、用户通用特征、环境通用特征、用户偏置特征以及环境偏置特征为输入，对预设模型进行训练得到的，所述推荐概率预测模型包括多个任务网络、多个门开关网络、多个融合模块以及多个任务层，每个任务网络用于获得所述样本信息的一种维度的特征向量，一个门开关网络用于输出所述多个任务网络各自输出的特征向量在一种维度下的权重，一个融合模块用于根据所述多个任务网络各自输出的特征向量在一种维度下的权重，对所述多个任务网络各自输出的特征向量进行融合，一个任务层用于根据一种维度下的融合后的特征向量得到对应的推荐概率。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5任一所述的推荐概率预估方法中的步骤。

8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行时实现如权利要求1-5任一所述的推荐概率预估方法中的步骤。