[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

说明书

本发明公开了一种电商短视频广告多目标预估方法、系统、设备及存储介质，一方面，能够根据用户活跃度特征调整不同特征的重要性权重，提升对冷启动用户的推荐效果；另一方面，针对多目标任务，通过建模多种行为序列，多种目标任务，以及行为序列与目标任务间的复杂交互关系，能够为任务生成其特有的兴趣表示，并且通过目标任务间知识迁移，提升了多个任务目标上的预测精度，从而提高推荐效果。

技术领域

本发明涉及推荐系统技术领域，尤其涉及一种电商短视频广告多目标预估方法、系统、设备及存储介质。

背景技术

短视频是一种新兴的互联网内容形式，并且在电商领域得到了广泛的应用。电商短视频的表现形式是一段10-60秒的精简视频片段。在这个视频片段中，商品的外观，用途，质量，价格等各方面信息得到了充分的展示。凭借着新颖性，内容多样性，信息丰富性，在电商场景中短视频广告占据的流量逐步增多，但是其相对传统的电商图文广告仍有一定的差距。受限于有限的流量，电商短视频广告场景下用户的行为更加稀疏，这对推荐模型的预估能力提出了更高的要求。近年来，用户行为序列建模在推荐场景中得到了广泛的研究并在线上投放环境中取得了令人满意的效果。但是以往的用户行为序列建模多数是集中于单任务单行为序列的研究，难以适用于多目标任务的预测。

在短视频广告场景中，用户存在多种不同的行为，如用户是否会观看，点击，进店，转化(购买)等等。推荐模型需要预测用户关于短视频的多种不同行为的概率，综合这些预测概率做最终的推荐决策。同时用户的多种不同的行为历史可以聚合成不同类型的行为序列。如何基于用户的不同类型的行为序列以及不同任务的监督信息以准确预测多个目标任务，提升推荐效果是一个亟待解决的问题。

发明内容

本发明的目的是提供一种电商短视频广告多目标预估方法、系统、设备及存储介质，可以缓解用户冷启动问题，实现多目标任务的预估，进而提升推荐效果。

本发明的目的是通过以下技术方案实现的：

一种电商短视频广告多目标预估方法，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。

一种电商短视频广告多目标预估系统，包括：

基于用户活跃度的特征自适应模块，用于对于每一用户，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；

任务相关的行为序列建模模块，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；