[发明专利]一种商品转化率预测方法

权利要求书

1.一种商品转化率预测方法，其特征在于，所述方法包括：

S1：通过电商平台获取原始数据；所述原始数据包括：用户属性信息、商品属性信息、用户历史点击行为信息、用户历史转化行为信息；

S2：对用户属性信息和商品属性信息进行特征处理得到用户特征矩阵和商品特征矩阵，并将用户特征矩阵和商品特征矩阵进行特征拼接得到用户商品交互特征矩阵；

S3：根据用户历史点击行为信息和用户历史转化行为信息预估用户对商品的点击率、用户对商品的点击转化率和用户对商品的延迟转化率，并将用户对商品的点击率作为点击标签、用户对商品的点击转化率作为点击转化标签以及用户对商品的延迟转化率作为延迟转化标签；

S4：构建多任务商品预测模型，并将用户商品交互特征矩阵中的用户商品交互特征作为多任务商品预测模型的输入对多任务商品预测模型进行训练，其中，所述多任务商品预测模型包括：点击率学习任务模型、点击转化率学习任务模型和延迟转化率学习任务模型；

S5：获取目标用户和目标商品的属性信息，并对目标用户和目标商品的属性信息进行特征提取得到目标用户和目标商品的特征向量，将目标用户和目标商品的特征向量进行拼接，得到目标用户商品交互特征；

S6：将目标用户商品交互特征输入训练好的多任务商品预测模型预测得到目标用户对目标商品的预测点击率、目标用户对目标商品的预测点击转化率、目标用户对目标商品的预测延迟转化率；

S7：根据目标用户对目标商品的预测转化率、目标用户对目标商品的预测点击转化率、目标用户对目标商品的预测延迟转化率利用EM算法计算得到目标用户对目标商品的最终转化率。

2.根据权利要求1所述的一种商品转化率预测方法，其特征在于，所述对用户属性信息和商品属性信息进行特征处理得到用户特征矩阵和商品特征矩阵包括：

S21：根据用户属性信息计算用户之间的相似度，将用户作为节点，将相似度超过设定阈值的用户作为相邻节点创建用户属性网络空间；根据商品属性信息计算商品之间的相似度，将商品作为节点，将相似度超过设定阈值的商品作为相邻节点创建商品属性网络空间；

S22：将用户属性网络空间输入UIGraph模型进行特征处理计算得到用户特征矩阵，将商品属性网络空间输入UIGraph模型进行特征处理计算得到商品特征矩阵，其中，所述UIGraph模型为图神经网络。

3.根据权利要求1所述的一种商品转化率预测方法，其特征在于，所述对多任务商品预测模型进行训练包括：

将用户商品交互特征矩阵中的用户商品交互特征作为训练样本，将点击标签作为点击率学习任务模型的约束，对点击率学习任务模型进行训练；

将用户商品交互特征矩阵中的用户商品交互特征作为训练样本，将点击转化标签作为点击转化率学习任务模型的约束，对点击转化率学习任务模型进行训练；

将用户商品交互特征矩阵中的用户商品交互特征作为训练样本，将延迟转化标签作为延迟转化率学习任务模型的约束，对延迟转化率学习任务模型进行训练。

4.根据权利要求3所述的一种商品转化率预测方法，其特征在于，所述点击率学习任务模型的训练过程包括：

所述点击率学习任务模型基于DCN神经网络包括：第一输入层、第一隐藏层、第一输出层；

所述第一输入层用于将用户商品交互特征矩阵中的用户商品交互特征输入至第一隐藏层；

所述第一隐藏层包括：第一cross层、第一deep层、第一组合层；

通过第一cross层对用户商品交互特征向量进行特征关联处理，得到第一关联特征；

通过第一deep层对用户商品交互特征进行特征关联处理，得到第二关联特征；

通过第一组合层将第一关联特征和第二关联特征进行连接，并将连接后的特征向量通过激活函数计算得到用户对商品的预测点击率；

根据用户对商品的预测点击率和点击标签对点击率学习任务模型的参数进行调整，完成模型的训练。