[发明专利]用户消费时长预测方法、装置、电子设备与存储介质

说明书

本发明实施例提供一种用户消费时长预测方法、装置、电子设备与存储介质；方法包括：获取目标用户的特征信息以及目标内容的特征信息；将目标用户的特征信息以及目标内容的特征信息输入预先训练的用户消费时长预测模型，得到目标用户对于目标内容的消费时长预测值；其中，所述用户消费时长预测模型用于，根据所述目标用户的特征信息以及所述目标内容的特征信息在多个维度的相似度，得到目标用户对于目标内容的消费时长预测值；所述多个维度的相似度是基于多个目标用户子向量与多个目标内容子向量之间的距离得到的，所述多个目标用户子向量是通过拆分所述目标用户的特征向量得到的，所述多个目标内容子向量是通过拆分所述目标内容的特征向量得到的。

技术领域

本发明涉及人工智能领域，尤其涉及一种用户消费时长预测方法、装置、电子设备与存储介质。

背景技术

对于视频、音乐、新闻等类型的网站，用户消费时长是一个重要的衡量指标，该指标能够很好地反映网站内容对用户的吸引程度。

为了更好地服务用户，需要对内容的用户消费时长进行预测。基于预测结果可向用户推荐其可能感兴趣的内容。

在现有技术中，已经具有基于神经网络模型实现的用户消费时长预测方法。神经网络模型总体上分为全连接模型与双塔模型。双塔模型较全连接模型在模型参数的规模上有大幅度的精简，但在预测精度上存在不足，因此现有技术中基于双塔模型所得到的用户消费时长预测方法具有预测精度不足的问题。

发明内容

针对现有技术中存在的问题，本发明提供一种用户消费时长预测方法、装置、电子设备与存储介质。

本发明提供一种用户消费时长预测方法，包括：

获取目标用户的特征信息以及目标内容的特征信息；

将所述目标用户的特征信息以及所述目标内容的特征信息输入预先训练的用户消费时长预测模型，得到所述目标用户对于所述目标内容的消费时长预测值；其中，

所述用户消费时长预测模型用于，根据所述目标用户的特征信息以及所述目标内容的特征信息在多个维度的相似度，得到目标用户对于目标内容的消费时长预测值；所述多个维度的相似度是基于多个目标用户子向量与多个目标内容子向量之间的距离得到的，所述多个目标用户子向量是通过拆分所述目标用户的特征向量得到的，所述多个目标内容子向量是通过拆分所述目标内容的特征向量得到的。

根据本发明提供的一种用户消费时长预测方法，所述用户消费时长预测模型包括输入网络层以及输出网络层；

所述输入网络层用于根据目标用户的特征信息和目标用户的特征信息所对应的权重向量生成目标用户的特征向量，以及根据目标内容的特征信息和目标内容的特征信息所对应的权重向量生成目标内容的特征向量；其中，目标用户的第一特征信息以及目标内容的第一特征信息共享同一个权重向量，所述目标用户的第一特征信息为所述目标用户的任意一个特征信息，所述目标内容的第一特征信息为所述目标内容的任意一个特征信息，且所述目标用户的第一特征信息与所述目标内容的第一特征信息相同；

所述输出网络层用于将基于所述目标用户的特征向量所得到的目标用户向量拆分成多个目标用户子向量，将基于所述目标内容的特征向量所得到的目标内容向量拆分成多个目标内容子向量，并基于所述多个目标用户子向量与所述多个目标内容子向量之间的距离计算结果，得到目标用户对于目标内容的消费时长预测值。

根据本发明提供的一种用户消费时长预测方法，在所述获取目标用户的特征信息以及目标内容的特征信息的步骤之前，方法还包括：

获取样本用户的特征信息、样本内容的特征信息以及多个样本消费时长；其中，所述样本消费时长用于反映样本用户对于样本内容的消费时长；

统计所述多个样本消费时长的分布情况，根据统计结果确定等分点；