一种基于多任务预测的确定推荐对象的方法及系统技术方案

本说明书实施例公开了一种基于多任务预测的确定推荐对象的方法及系统，所述方法包括：获取目标用户的用户特征和至少一个候选对象的对象特征；利用推荐模型对所述至少一个候选对象中的每一个进行以下处理，以得到至少一个决策值：通过推荐模型处理所述用户特征和所述对象特征，确定与该候选对象对应的两个或以上的预测值；其中，所述两个或以上的预测值与两个或以上的预设任务分别相关，所述两个或两个以上的预设任务与目标任务相关；基于所述两个或以上的预测值，确定与该候选对象对应的决策值，其中，决策值反映所述目标任务的完成度；以及，基于所述至少一个决策值，从所述至少一个候选对象中确定向所述目标用户推荐的目标对象。

A method and system for determining recommended objects based on multi task prediction

【技术实现步骤摘要】
一种基于多任务预测的确定推荐对象的方法及系统
本说明书实施例涉及计算机
，特别涉及一种基于多任务预测的确定推荐对象的方法及系统。
技术介绍
目前，越来越多的网络平台利用推荐系统给用户推荐符合用户兴趣的对象（例如商品、短视频等）。在实际应用中，推荐系统可能需要同时优化多个目标任务。例如，用户的点击率和平台的成交总额。因此，有必要提出一种基于多任务预测的确定推荐对象的方法及系统，以提高多个任务的综合完成度。
技术实现思路
本说明书实施例的一个方面提供一种基于多任务预测的确定推荐对象的方法，包括：获取目标用户的用户特征和至少一个候选对象的对象特征；利用推荐模型对所述至少一个候选对象中的每一个进行以下处理，以得到至少一个决策值：通过推荐模型处理所述用户特征和所述对象特征，确定与该候选对象对应的两个或以上的预测值；其中，所述两个或以上的预测值与两个或以上的预设任务分别相关，所述两个或两个以上的预设任务与目标任务相关；基于所述两个或以上的预测值，确定与该候选对象对应的决策值，其中，决策值反映所述目标任务的完成度；以及，基于所述至少一个决策值，从所述至少一个候选对象中确定向所述目标用户推荐的目标对象。本说明书实施例的一个方面提供一种基于多任务预测的确定推荐对象的系统，包括：特征获取模块，用于获取目标用户的用户特征和至少一个候选对象的对象特征；决策值确定模块，用于利用推荐模型对所述至少一个候选对象中的每一个进行以下处理，以得到至少一个决策值：通过推荐模型处理所述用户特征和所述对象特征，确定与该候选对象对应的两个或以上的预测值；其中，所述两个或以上的预测值与两个或以上的预设任务分别相关，两个或两个以上的预设任务与目标任务相关；基于所述两个或以上的预测值，确定与该候选对象对应的决策值，其中，决策值反映所述目标任务的完成度；目标对象确定模块，用于基于所述至少一个决策值，从所述至少一个候选对象中确定向所述目标用户推荐的目标对象。本说明书实施例的一个方面提供一种基于多任务预测的确定推荐对象的装置，包括处理器，所述处理器用于执行如上所述的一种基于多任务预测的确定推荐对象的方法。本说明书实施例的一个方面提供一种基于多任务预测的推荐模型的训练方法，包括：获取多个携带有标签的训练样本；其中，所述训练样本包括样本用户特征和样本对象特征，所述标签用于表征目标任务的完成度；基于多个训练样本迭代更新初始推荐模型的参数以减小各训练样本对应的损失函数值，得到训练好的推荐模型；其中，各训练样本对应的损失函数值通过以下过程确定：通过推荐模型处理样本用户特征和样本对象特征，获取两个或以上的预测值以及基于所述两个或以上的预测值确定决策值；其中，所述两个或以上的预测值与两个或以上的预设任务分别相关，所述两个或以上的预设任务与目标任务相关；至少基于所述决策值及该训练样本对应的标签之间的差异，确定该训练样本对应的损失函数值。本说明书实施例的一个方面提供一种基于多任务预测的推荐模型的训练系统，包括：训练样本获取模块，用于获取多个携带有标签的训练样本；其中，所述训练样本包括样本用户特征和样本对象特征，所述标签用于表征目标任务的完成度；参数调整模块，用于基于多个训练样本迭代更新所述初始推荐模型的参数以减小各训练样本对应的损失函数值，得到训练好的推荐模型；其中，各训练样本对应的损失函数值通过以下过程确定：通过推荐模型处理样本用户特征和样本对象特征，获取两个或以上的预测值以及基于所述两个或以上的预测值确定决策值；其中，所述两个或以上的预测值与两个或以上的预设任务分别相关，所述两个或以上的预设任务与所述目标任务相关；至少基于所述决策值及该训练样本对应的标签之间的差异，确定该训练样本对应的损失函数值。本说明书实施例的一个方面提供一种基于多任务预测的推荐模型的训练装置，包括处理器，所述处理器用于执行如上所述的一种基于多任务预测的推荐模型的训练方法。附图说明本说明书将以示例性实施例的方式进一步描述，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：图1是根据本说明书的一些实施例所示的基于多任务预测的确定推荐对象的系统的应用场景示意图；图2是根据本说明书的一些实施例所示的基于多任务预测的确定推荐对象的方法的流程图；图3是根据本说明书的一些实施例所示的推荐模型的结构示意图；图4是根据本说明书的一些实施例所示的基于多任务预测的推荐模型的训练方法的流程图；图5是根据本说明书的一些实施例所示的通过连续点击事件产生多个训练样本的过程示意图；图6是根据本说明书的一些实施例所示的基于多任务预测的确定推荐对象的系统的模块图；图7是根据本说明书的一些实施例所示的基于多任务预测的推荐模型的训练系统的模块图。具体实施方式为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。应当理解，本说明书中所使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。图1是根据本说明书的一些实施例所示的基于多任务预测的确定推荐对象的系统的应用场景示意图。如图1所示，基于多任务预测的确定推荐对象系统100可以包括处理设备110、网络120以及用户终端130。处理设备110可用于处理与确定推荐的目标对象相关联的信息和/或数据来执行在本说明书中揭示的一个或者多个功能。在一些实施例中，处理设备110可以用于获取目标用户的用户特征和至少一个候选对象的对象特征。在一些实施例中，处理设备110可以利用推荐模型对至少一个候选对象中的每一个进行处理，得到至少一个决策值。在一些实施例中，处理设备110可以基于至少一个决策值，从至少一个候选对象中确定向所述目标用户推荐的目标对象。在一些实施例中，处理设备110可以包括一个或多个处理引擎（例如，单核心处理引擎或多核心处理器）。仅作为范例，处理设备110可以包括中央处理器（中本文档来自技高网...

【技术保护点】
1.一种基于多任务预测的确定推荐对象的方法，包括：/n获取目标用户的用户特征和至少一个候选对象的对象特征；/n利用推荐模型对所述至少一个候选对象中的每一个进行以下处理，以得到至少一个决策值：/n通过推荐模型处理所述用户特征和所述对象特征，确定与该候选对象对应的两个或以上的预测值；其中，所述两个或以上的预测值与两个或以上的预设任务分别相关，所述两个或以上的预设任务与目标任务相关；/n基于所述两个或以上的预测值，确定与该候选对象对应的决策值，其中，决策值反映所述目标任务的完成度；/n以及，基于所述至少一个决策值，从所述至少一个候选对象中确定向所述目标用户推荐的目标对象。/n

【技术特征摘要】
1.一种基于多任务预测的确定推荐对象的方法，包括：
获取目标用户的用户特征和至少一个候选对象的对象特征；
利用推荐模型对所述至少一个候选对象中的每一个进行以下处理，以得到至少一个决策值：
通过推荐模型处理所述用户特征和所述对象特征，确定与该候选对象对应的两个或以上的预测值；其中，所述两个或以上的预测值与两个或以上的预设任务分别相关，所述两个或以上的预设任务与目标任务相关；
基于所述两个或以上的预测值，确定与该候选对象对应的决策值，其中，决策值反映所述目标任务的完成度；
以及，基于所述至少一个决策值，从所述至少一个候选对象中确定向所述目标用户推荐的目标对象。


2.如权利要求1所述的方法，所述两个或以上的预测值包括第一预测值以及第二预测值；
所述推荐模型包括：嵌入层、特征交叉层、第一多层感知器以及第二多层感知器；
所述嵌入层用于将所述用户特征和所述对象特征转换为各自的向量表示；
所述特征交叉层用于对用户特征的向量表示和对象特征的向量表示进行特征融合处理，得到融合向量表示；
所述第一多层感知器用于对所述融合向量表示进行处理，得到所述第一预测值；
所述第二多层感知器用于对所述融合向量表示和所述第一预测值进行处理，得到所述第二预测值。


3.如权利要求2所述的方法，所述特征交叉层包括：Wide&Deep网络、DeepFM网络或DeepandCross网络。


4.如权利要求2所述的方法，所述决策值与第一预测值和/或第二预测值正相关。


5.如权利要求1所述的方法，所述候选对象为用户权益；
所述用户特征至少反映所述目标用户的个人属性以及历史消费行为；所述个人属性包括以下至少之一：收入、年龄以及职业；
所述对象特征至少反映候选对象的成本信息。


6.如权利要求5所述的方法，所述历史消费行为包括所述目标用户历史点击的用户权益和/或目标用户历史购买的商品。


7.如权利要求5所述的方法，所述两个或以上的预测值包括第一预测值以及第二预测值，其中，第一预测值反映目标用户点击该候选对象的概率，所述第二预测值反映目标用户通过该候选对象产生的消费金额。


8.一种基于多任务预测的确定推荐对象的系统，包括：
特征获取模块，用于获取目标用户的用户特征和至少一个候选对象的对象特征；
决策值确定模块，用于利用推荐模型对所述至少一个候选对象中的每一个进行以下处理，以得到至少一个决策值：通过推荐模型处理所述用户特征和所述对象特征，确定与该候选对象对应的两个或以上的预测值；其中，所述两个或以上的预测值与两个或以上的预设任务分别相关，所述两个或以上的预设任务与目标任务相关；基于所述两个或以上的预测值，确定与该候选对象对应的决策值，其中，决策值反映所述目标任务的完成度；
目标对象确定模块，用于基于所述至少一个决策值，从所述至少一个候选对象中确定向所述目标用户推荐的目标对象。


9.一种基于多任务预测的确定推荐对象的装置，包括处...

【专利技术属性】
技术研发人员：钱浩，周俊，崔卿，李龙飞，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33