[发明专利]兴趣点的推荐方法、兴趣点推荐模型的训练方法、装置有效
申请号: | 202011554561.8 | 申请日: | 2020-12-24 |
公开(公告)号: | CN112612957B | 公开(公告)日: | 2023-09-29 |
发明(设计)人: | 陈浩;刘野 | 申请(专利权)人: | 北京百度网讯科技有限公司 |
主分类号: | G06F16/9535 | 分类号: | G06F16/9535;G06F16/9537 |
代理公司: | 北京猷德知识产权代理有限公司 16084 | 代理人: | 范继晨 |
地址: | 100085 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 兴趣 推荐 方法 模型 训练 装置 | ||
1.一种兴趣点推荐模型的训练方法,包括:
对于多个兴趣点样本,获取每个所述兴趣点样本的标签以及排序真值,所述兴趣点样本的标签包括:被展现的次数、被访问的次数、被访问的时间和被本地用户访问的次数与被外地用户访问次数的比例中的至少一种,所述排序真值包括点击率、搜索次数的至少一种;
确定所述兴趣点样本的标签的权重;
待训练的兴趣点推荐模型根据每个所述兴趣点样本的标签以及标签的权重,得到每个所述兴趣点样本的排序预测值;
根据所述排序预测值及排序真值对所述待训练的兴趣点推荐模型进行训练,直至所述排序预测值与所述排序真值的误差在允许范围内。
2.一种兴趣点的推荐方法,包括:
根据当前用户的历史行为确定当前用户访问过的历史兴趣点;
根据所述历史兴趣点确定多个候选兴趣点;
利用每个所述候选兴趣点的标签,对所述多个候选兴趣点进行排序;
根据所述排序推荐所述多个候选兴趣点;
其中,所述利用每个所述候选兴趣点的标签,对所述多个候选兴趣点进行排序,包括:
提取每个所述候选兴趣点的多个标签;
确定每个所述候选兴趣点的每个标签的权重;
对于每个所述候选兴趣点,将该候选兴趣点的每个标签,以及所述每个标签的权重输入采用如权利要求1所述的兴趣点推荐模型的训练方法训练得到的兴趣点推荐模型中,得到该候选兴趣点的排序结果。
3.根据权利要求2所述的方法,其中,所述候选兴趣点的标签包括:作为候选兴趣点的次数、被访问的次数、被访问的时间和被本地用户访问的次数与被外地用户访问次数的比例中的至少一种。
4.根据权利要求2至3任一所述的方法,其中,所述根据当前用户的历史行为确定当前用户访问过的历史兴趣点,包括:
获取所述历史兴趣点的特征;
根据特征的相似性,将与所述历史兴趣点具有相似特征的兴趣点作为候选兴趣点。
5.根据权利要求4所述的方法,所述历史兴趣点的特征包括:垂类、地理位置、平均消费价格和用户评价中的至少一种。
6.根据权利要求2至3任一所述的方法,其中,根据所述历史兴趣点确定多个候选兴趣点,包括:
获取访问过所述历史兴趣点的其他用户的历史操作行为;
从所述其他用户的历史操作行为中,确定所述其他用户在访问所述历史兴趣点后访问的其他兴趣点,将所述其他兴趣点确定为候选兴趣点。
7.一种兴趣点推荐模型的训练装置,包括:
兴趣点样本信息获取模块,用于对于多个兴趣点样本,获取每个所述兴趣点样本的标签以及排序真值,所述兴趣点样本的标签包括:被展现的次数、被访问的次数、被访问的时间和被本地用户访问的次数与被外地用户访问次数的比例中的至少一种,所述排序真值包括点击率、搜索次数的至少一种;
兴趣点样本的标签的权重确定模块,用于确定所述兴趣点样本的标签的权重;
排序预测值确定模块,用于使待训练的兴趣点推荐模型根据每个所述兴趣点样本的标签以及标签的权重,得到每个所述兴趣点样本的排序预测值;
训练模块,用于根据所述排序预测值及排序真值对所述待训练的兴趣点推荐模型进行训练,直至所述排序预测值与所述排序真值的误差在允许范围内。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011554561.8/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种硫磺烘干装置
- 下一篇:一种功能性代餐粉及制备方法