[发明专利]一种商品信息排序方法、装置以及设备

说明书

本说明书实施例公开了一种商品信息排序方法、装置以及设备。方案包括：获取用户特征和商品信息特征；获取根据第一损失和第二损失训练得到的预测模型，第一损失包括转化数据的损失和点击数据的损失，第二损失包括点击未转化数据的损失；根据用户特征和商品信息特征，利用预测模型预测商品信息的转化概率和点击概率；根据转化概率和点击概率，以及两者之间的条件关系，预测商品信息曝光后的全局收益情况；根据全局收益情况，对商品信息进行排序。

技术领域

本说明书涉及机器学习技术领域，尤其涉及一种商品信息排序方法、装置以及设备。

背景技术

随着互联网技术的发展，各种商品的线上交易得到了普及。为了满足商家和用户的实际需求，对诸如广告、权益等商品信息的推荐成为各大互联网公司关心的一个方向。

目前，通常根据点击率来对商品信息排序，然后优先推荐排序靠前的商品信息。

基于此，需要更有助于资源优化配置的商品信息推荐方案。

发明内容

本说明书一个或多个实施例提供一种商品信息排序方法、装置、设备以及存储介质，用以解决如下技术问题：需要更有助于资源优化配置的商品信息推荐方案。

为解决上述技术问题，本说明书一个或多个实施例是这样实现的：

本说明书一个或多个实施例提供的一种商品信息排序方法，包括：

获取用户特征和商品信息特征；

获取根据第一损失和第二损失训练得到的预测模型，所述第一损失包括转化数据的损失和点击数据的损失，所述第二损失包括点击未转化数据的损失；

根据所述用户特征和所述商品信息特征，利用所述预测模型预测所述商品信息的转化概率和点击概率；

根据所述转化概率和所述点击概率，以及两者之间的条件关系，预测所述商品信息曝光后的全局收益情况；

根据所述全局收益情况，对所述商品信息进行排序。

本说明书一个或多个实施例提供的一种商品信息排序装置，包括：

特征获取模块，获取用户特征和商品信息特征；

模型获取模块，获取根据第一损失和第二损失训练得到的预测模型，所述第一损失包括转化数据的损失和点击数据的损失，所述第二损失包括点击未转化数据的损失；

模型预测模块，根据所述用户特征和所述商品信息特征，利用所述预测模型预测所述商品信息的转化概率和点击概率；

收益预测模块，根据所述转化概率和所述点击概率，以及两者之间的条件关系，预测所述商品信息曝光后的全局收益情况；

信息排序模块，根据所述全局收益情况，对所述商品信息进行排序。

本说明书一个或多个实施例提供的一种商品信息排序设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

获取用户特征和商品信息特征；

获取根据第一损失和第二损失训练得到的预测模型，所述第一损失包括转化数据的损失和点击数据的损失，所述第二损失包括点击未转化数据的损失；

根据所述用户特征和所述商品信息特征，利用所述预测模型预测所述商品信息的转化概率和点击概率；