[发明专利]一种目标应用的评分方法、装置、设备及存储介质

说明书

本发明实施例公开了一种目标应用的评分方法、装置、设备及存储介质，方法包括：获取用户特征和目标应用的应用特征，将所述应用特征和所述用户特征输入至预设的特征嵌入模块，得到应用特征所对应的应用特征矩阵和用户特征所对应的用户特征矩阵用户特征矩阵；将所述应用特征矩阵输入至预设的泛化模块，得到第一数据；同时，将所述应用特征矩阵和所述用户特征矩阵输入至预设的记忆模块，得到第二数据；将所述第一数据和所述第二数据输入至评分模块，得到所述目标应用的评分。该技术方案能够实现在利用了泛化模快的泛化能力的同时，结合记忆模块的记忆能力，保证了评分的准确性。

技术领域

本发明涉及计算机技术领域，尤其涉及一种目标应用的评分方法、装置、设备及存储介质。

背景技术

随着深入学习技术的快速发展，各种场景都出现了深度学习的身影，推荐场景尤其显著。但不论是双塔结构的DeepFm模型，还是升级的深度交叉网络(DCN)、注意力机制被引入到了推荐系统中的深度兴趣网络(Deep Interest Network，简称DIN)，以及发展到后来各种基于注意力机制的模型，诸如Automatic Feature Interaction LearningviaSelf-Attentive Neural Networks(简称AutoInt)等，都只做了二阶的特征交叉来保证模型的记忆能力，以transformer结构为基础的AutoInt也只关注了模型的泛化能力。因此，解决在保证模型的记忆能力的同时又保证模型的泛化能力的技术问题还有待提高。

发明内容

本发明的主要目的在于提供一种目标应用的评分方法、装置、计算机设备及存储介质，可以解决现有技术中的。

为实现上述目的，本发明第一方面提供一种目标应用的评分方法，所述方法包括：

获取用户特征和目标应用的应用特征，将所述应用特征和所述用户特征输入至预设的特征嵌入模块，得到应用特征所对应的应用特征矩阵和用户特征所对应的用户特征矩阵；

将所述应用特征矩阵输入至预设的泛化模块，得到第一数据；同时，将所述应用特征矩阵和所述用户特征矩阵输入至预设的记忆模块，得到第二数据；

将所述第一数据和所述第二数据输入至评分模块，得到所述目标应用的评分。

在该技术方案中，根据所述应用特征与所述用户特征得到应用特征矩阵和用户特征矩阵，可以有效依据用户的喜好以及应用的实用性来评估所述应用的评分，使得得到的评分更具有针对性。并将所述应用特征矩阵输入至预设的泛化模块中的得到第一数据，同时将所述应用特征矩阵和所述用户特征矩阵输入至预设的记忆模块中得到的第二数据，来评估得到所述目标应用的评分，使得在基于泛化模块的泛化能力的基础上，又结合了记忆模块的记忆能力，提高了所述目标应用的评分评估的准确性。

结合第一方面，在一种可能的实现方式中，所述泛化模块包括：自注意力层、注意力层以及增强层，所述将所述应用特征矩阵输入至预设的泛化模块，得到第一数据，包括：将所述应用特征矩阵输入至所述自注意力层进行矩阵变换，得到初始矩阵；对所述应用特征矩阵输入至所述注意力层进行特征抽取处理，得到高阶特征矩阵；根据所述初始矩阵以及高阶特征矩阵，得到第一数据。

结合第一方面，在一种可能的实现方式中，所述根据所述初始矩阵以及高阶特征矩阵，得到第一数据，包括：将所述初始矩阵与所述高阶特征矩阵输入至增强层进行非线性变换处理，得到第一矩阵；对所述第一矩阵和应用特征矩阵进行位乘运算，得到第一数据。