The invention provides a click rate prediction method and device, which relates to the field of network technology. The method includes: acquiring the historical playback behavior data and candidate video data of candidate users; extracting the input data of each module of the preset multi-modal model according to the historical playback behavior data and candidate video data of candidate users; training each module of the preset multi-modal model according to the input data to obtain the video click rate prediction model; acquiring the user data to be recommended and waiting for. Recommended video data, through the video click rate prediction model to get the click rate prediction value of the recommended user clicking on the recommended video. Because the input data includes interest information of candidate users, feedback information of candidate videos, and interaction information between candidate videos and candidate users, a video click rate prediction model is obtained from the training of multi-modal model, which makes the video click rate prediction closer to the real situation of user click videos and improves the accuracy of predicting the video click rate to be recommended.
【技术实现步骤摘要】
点击率预测方法和装置
本专利技术涉及网络
,具体而言,涉及一种点击率预测方法和装置。
技术介绍
随着网络技术的发展,在视频平台,由于视频本身属性的复杂性,以及用户与视频的大量交互,都会产生大量的数据,利用这些数据对视频进行预测,并提升用户的点击率是非常重要的。相关技术中,在对待推荐视频的点击率进行预测时,主要考虑的是用户的历史播放记录,针对用户的历史行为进行分析用户的兴趣、用户交互特征,预估待推荐视频的点击率。但是,在对用户的历史行为进行分析时,用户的类别特征较少,导致预测待推荐视频的点击率不准确,容易产生误差。
技术实现思路
本专利技术的目的在于,针对上述现有技术中的不足,提供一种点击率预测方法和装置,用以改善上述问题。为实现上述目的,本专利技术实施例采用的技术方案如下:第一方面,本专利技术实施例提供了一种点击率预测方法,所述方法包括:获取候选用户的历史播放行为数据和候选视频数据;根据所述候选用户的历史播放行为数据和候选视频数据,提取预设多模态模型各个模块的输入数据,其中,所述输入数据包括所述候选用户的兴趣信息、所述候选视频的反馈信息、以及所述候选视频与所述候选用户的交互信息;根据所述输入数据通过所述预设多模态模型的各个模块训练得到视频点击率预估模型;获取待推荐用户数据和待推荐视频数据,通过所述视频点击率预估模型得到所述待推荐用户点击所述待推荐视频的点击率预测值。进一步地,所述根据所述输入数据通过所述预设多模态模型的各个模块训练得到视频点击率预估模型,包括:根据所述候选用户的兴趣信息、所述候选视频的反馈信息、以及所述候选视频与所述候选用户的交互信息通过 ...
【技术保护点】
1.一种点击率预测方法,其特征在于,所述方法包括:获取候选用户的历史播放行为数据和候选视频数据;根据所述候选用户的历史播放行为数据和候选视频数据,提取预设多模态模型各个模块的输入数据,其中,所述输入数据包括所述候选用户的兴趣信息、所述候选视频的反馈信息、以及所述候选视频与所述候选用户的交互信息;根据所述输入数据通过所述预设多模态模型的各个模块训练得到视频点击率预估模型;获取待推荐用户数据和待推荐视频数据,通过所述视频点击率预估模型得到所述待推荐用户点击所述待推荐视频的点击率预测值。
【技术特征摘要】
1.一种点击率预测方法,其特征在于,所述方法包括:获取候选用户的历史播放行为数据和候选视频数据;根据所述候选用户的历史播放行为数据和候选视频数据,提取预设多模态模型各个模块的输入数据,其中,所述输入数据包括所述候选用户的兴趣信息、所述候选视频的反馈信息、以及所述候选视频与所述候选用户的交互信息;根据所述输入数据通过所述预设多模态模型的各个模块训练得到视频点击率预估模型;获取待推荐用户数据和待推荐视频数据,通过所述视频点击率预估模型得到所述待推荐用户点击所述待推荐视频的点击率预测值。2.根据权利要求1所述的方法,其特征在于,所述根据所述输入数据通过所述预设多模态模型的各个模块训练得到视频点击率预估模型,包括:根据所述候选用户的兴趣信息、所述候选视频的反馈信息、以及所述候选视频与所述候选用户的交互信息通过所述预设多模态模型的各个模块进行训练;将训练后的多模态模型通过对数损失函数和优化器进行优化,得到视频点击率预估模型。3.根据权利要求2所述的方法,其特征在于,所述根据所述候选用户的兴趣信息、所述候选视频的反馈信息、以及所述候选视频与所述候选用户的交互信息通过所述预设多模态模型的各个模块进行训练的步骤,包括:根据所述候选用户的兴趣信息、所述候选视频的反馈信息、以及所述候选视频与所述候选用户的交互信息,通过用户兴趣分析模块、视觉抽取模块和交叉特征学习模块,分别得到所述候选用户对所述候选视频的兴趣特征权重值、所述候选用户对所述候选视频的反馈特征权重值、以及所述候选用户和所述候选视频的交互特征权重值;将所述候选用户对所述候选视频的兴趣特征权重值、所述候选用户对所述候选视频的反馈特征权重值、以及所述候选用户和所述候选视频的交互特征权重值通过组合模型进行拼接操作;将拼接后的数据经过两层激活函数,得到所述候选用户点击所述候选视频数据的点击率预测值。4.根据权利要求1-3任一项所述的方法,其特征在于,所述候选用户的兴趣信息包括:候选用户特征、候选用户行为、候选视频的候选特征和候选用户的历史播放视频的上下文特征。5.根据权利要求1-3任一项所述的方法,其特征在于,所述候选视频的反馈信息包括:候选视频的封面特征和候选视频的关键帧特征。6.根据权利要求1-3任一项所述的方法,其特征在于,所述候选视频与所述候选用户的交互信息包括:候选用户特征和候选视频的候选特征。7.一种视频点击率预测装置,其特征在于,所述装置包括:第一获取模块,用于获取候选用户的历史播放行为数据和候选视频数据;第二获取模块,用于根据所述候...
【专利技术属性】
技术研发人员:蒋文瑞,杨海钦,蔡淇森,游威,朱逸,
申请(专利权)人:厦门美图之家科技有限公司,
类型:发明
国别省市:福建,35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。