[发明专利]用户匹配方法、计算设备和计算机可读存储介质

说明书

本公开提供了一种用户匹配方法、计算设备和计算机可读存储介质。该方法包括：基于社交平台的流式日志确定训练样本；基于所述训练样本对深度神经网络模型进行训练以确定所述第一用户和所述第二用户之间的第一匹配得分；基于所述第一用户的第一用户稀疏向量和所述第二用户的第二用户稀疏向量确定所述第一用户和所述第二用户之间的第二匹配得分，并且基于所述第一匹配得分和所述第二匹配得分确定所述第一用户和所述第二用户之间的匹配得分；基于所述匹配得分对所述深度神经网络模型的权重函数进行更新；以及基于训练后的深度神经网络模型为所述社交平台的一个用户确定匹配用户。

技术领域

本发明概括而言涉及机器学习领域，更具体地，涉及一种用户匹配方法、计算设备和计算机可读存储介质。

背景技术

随着各种社交平台和电商平台的不断发展，越来越多的用户通过这些社交平台或电商平台来获取各种资讯和/或商品或者进行交互。在一些场景中，当用户登录社交平台或电商平台时，社交平台或电商平台的服务器会向该用户推荐一些内容或商品，并展示在用户终端上。

在另一些场景中，用户可能希望通过社交平台寻找与其匹配的其他用户来进行交互。这种用户匹配的场景与传统的内容推荐或者商品推荐的场景具有很大的不同。具体地，在传统的基于信息流的内容推荐或者商品推荐场景下，用户对内容或商品的正反馈通常使用点击率、成交量等极其稀疏的行为，而在用户匹配场景下，如果简单定义正反馈条件为“匹配到的两个人开始交互”，反而会遇到负样本不足的问题。因此，用户匹配场景下的正反馈条件需要有新的定义，使得其既满足必须的数据量，又不至于没有负样本。

此外，在传统的基于信息流的内容推荐或者商品推荐场景下，在用户获得曝光后，仅需等待较短的时间就能获得正反馈。例如，如果用户刷到一个视频，他离开这个视频前，如果有正反馈行为，就会立刻传输到后端，确定该视频是否是有正反馈的正样本不会花超过视频长度的时间。而在用户匹配场景下，如果提高正反馈条件，确定正样本的时间会越来越长。例如，如果将正反馈条件定义为两个匹配到的用户对话超过5个来回才是正样本，则在很多用户行为稀疏的社交平台上，即使是日活百万用户的社交平台上，两个用户之间对话达到5个来回也需要花几十分钟，甚至一个小时，这意味着需要等待至少1个小时才能够确定有无正反馈，从而确定一个样本。在这种情况下，传统的基于信息流场景的样本确定方式将无法工作。

发明内容

针对上述问题，本发明提供了一种用户匹配方案，其中利用社交平台的实时流日志和延迟流日志获取用户之间的交互情况以确定相应的训练样本，并且利用这样的训练样本对针对匹配设计的深度神经网络模型进行训练。通过这些方式，本发明的方案解决了候选用户池过小以及用户匹配数据少造成的用户数据稀疏情况下的用户匹配问题。

根据本发明的一个方面，提供了一种用户匹配方法。该方法包括：基于社交平台的流式日志确定训练样本，所述训练样本指示在预定时间段内所述社交平台的第一用户和第二用户之间的交互情况；基于所述训练样本对深度神经网络模型进行训练以确定所述第一用户和所述第二用户之间的第一匹配得分；基于所述第一用户的第一用户稀疏向量和所述第二用户的第二用户稀疏向量确定所述第一用户和所述第二用户之间的第二匹配得分，并且基于所述第一匹配得分和所述第二匹配得分确定所述第一用户和所述第二用户之间的匹配得分；基于所述匹配得分对所述深度神经网络模型的权重函数进行更新；以及基于训练后的深度神经网络模型为所述社交平台的一个用户确定匹配用户。

根据本发明的另一个方面，提供了一种计算设备。该计算设备包括：至少一个处理器；以及至少一个存储器，该至少一个存储器被耦合到该至少一个处理器并且存储用于由该至少一个处理器执行的指令，该指令当由该至少一个处理器执行时，使得该计算设备执行根据上述方法的步骤。

根据本发明的再一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序代码，该计算机程序代码在被运行时执行如上所述的方法。