[发明专利]电商短视频广告多目标预估方法、系统、设备及存储介质

权利要求书

1.一种电商短视频广告多目标预估方法，其特征在于，包括：

对于每一用户，根据用户活跃度生成门控向量，用以对用户画像特征、短视频特征与上下文特征施加不同的权重，获得加权特征，所述加权特征包括：加权用户画像特征、加权短视频特征与加权上下文特征；

针对多目标任务中的每一个目标任务，利用对应的目标任务向量、以及每一行为序列对应的类型向量使用Hypernetwork技术与注意力机制动态地生成任务相关的参数，然后利用生成的参数对相应的用户的每一行为序列分别进行建模，得到任务相关的行为序列兴趣表示；

对于各目标任务，分别利用加权特征与对应任务相关的行为序列兴趣表示生成行为表示，不同目标任务之间存在级联关系，根据级联关系确定是否需要更新相应任务的行为表示，若无需更新，则直接利用行为表示预测用户执行相应目标任务对应行为的概率；若需要更新，则利用更新后的行为表示预测用户执行相应目标任务对应行为的概率；综合用户执行各目标任务对应行为的概率，生成用户的视频推荐结果并推荐给用户。

2.根据权利要求1所述的一种电商短视频广告多目标预估方法，其特征在于，所述根据用户活跃度生成门控向量，用以对用户画像特征、短视频特征与上下文特征施加不同的权重包括：

设定多个活跃度等级，将活跃度等级按照从高至低的方式排列，活跃度等级越高表示对应活跃度越高，活跃度等级越低表示对应活跃度等级越低，选择排列靠前的一部分作为高活跃度等级，将剩余部分作为低活跃度等级；

根据用户活跃度数值确定用户所属的活跃度等级；

如果用户属于高活跃度等级，则生成的门控向量中细粒度特征的权重高于粗粒度特征，且在高活跃度等级中，排列越靠前细粒度特征的权重越高，粗粒度特征的权重越低；

如果用户属于低活跃度等级，则生成的门控向量中粗粒度特征的权重高于细粒度特征，且在低活跃度等级中，排列越靠后粗粒度特征的权重越高，细粒度特征的权重越低；

其中，门控向量的维度与用户画像特征、短视频特征与上下文特征中的特征总数相同；用户画像特征中的用户ID以及短视频特征中视频的ID属于细粒度特征，用户画像特征中的其余特征、短视频特征中的其余特征、以及上下文特征均属于粗粒度特征。

3.根据权利要求1所述的一种电商短视频广告多目标预估方法，其特征在于，所述利用对应的目标任务向量、以及每一行为序列对应的类型向量使用Hypernetwork技术与注意力机制动态的生成任务相关的参数，然后利用生成的参数对相应的用户的每一行为序列分别进行建模，得到任务相关的行为序列兴趣表示包括：

将目标任务向量以及每一行为序列对应的类型向量输入至Hypernetwork网络，获得任务相关的参数；结合任务相关的参数和注意力机制对相应的用户的每一行为序列分别进行建模，获得每一行为序列的兴趣向量，形成任务相关的行为序列兴趣表示。

4.根据权利要求3所述的一种电商短视频广告多目标预估方法，其特征在于，每一目标任务都对应唯一的ID标识，通过第一嵌入矩阵得到对应的目标任务向量；每一个目标任务有对应的行为，每一行为有对应的行为序列，且每一行为对应唯一的ID标识，通过第二嵌入矩阵得到用户的行为序列对应的类型向量。

5.根据权利要求1所述的一种电商短视频广告多目标预估方法，其特征在于，所述多目标任务包括：有效观看任务、点击任务、进店任务与转化任务，依次对应的行为为：有效观看行为、点击行为、进店行为与转化行为，每一行为有对应的行为序列，每一行为序列为用户历史时间内产生对应行为的短视频按照时间先后顺序排列而成的序列。