数据编码以及信息推荐方法、装置和设备制造方法及图纸

本申请的提出数据编码以及信息推荐方法、装置和设备。该方法包括：将用于确定注意力权重的状态数据，输入第一神经网络，得到第一编码向量。将用户长期行为数据，以及该长期行为的发生时刻，与该长期行为的上一次长期行为的发生时刻之间的第一间隔时长数据，输入第二神经网络，得到第二编码向量。将用户短期行为数据，以及该短期行为的发生时刻，与该短期行为的上一次短期行为的发生时刻之间的第二间隔时长数据，输入第三神经网络，得到第三编码向量。根据上述第一编码向量，确定注意力权重向量。基于上述注意力权重向量，对上述第二编码向量与上述第三编码向量进行编码。

【技术实现步骤摘要】
数据编码以及信息推荐方法、装置和设备
本申请涉及计算机技术，具体涉及一种数据编码以及信息推荐方法、装置和设备。
技术介绍
用户在访问业务系统时，该业务系统通常会对用户进行信息推荐。系统对用户进行信息推荐时，通常会参考用户的长期行为数据和短期行为数据，以便推荐出与用户期望相匹配的信息。
技术实现思路
有鉴于此，本申请公开一种数据编码方法，包括：将用于确定注意力权重的状态数据，输入第一神经网络，得到第一编码向量；将用户长期行为数据，以及该长期行为的发生时刻，与该长期行为的上一次长期行为的发生时刻之间的第一间隔时长数据，输入第二神经网络，得到第二编码向量；将用户短期行为数据，以及该短期行为的发生时刻，与该短期行为的上一次短期行为的发生时刻之间的第二间隔时长数据，输入第三神经网络，得到第三编码向量；根据上述第一编码向量，确定注意力权重向量；基于上述注意力权重向量，对上述第二编码向量与上述第三编码向量进行编码。在示出的一实施例中，上述方法还包括：将基于上述注意力权重向量，本文档来自技高网...

【技术保护点】
1.一种数据编码方法，包括：/n将用于确定注意力权重的状态数据，输入第一神经网络，得到第一编码向量；/n将用户长期行为数据，以及该长期行为的发生时刻，与该长期行为的上一次长期行为的发生时刻之间的第一间隔时长数据，输入第二神经网络，得到第二编码向量；/n将用户短期行为数据，以及该短期行为的发生时刻，与该短期行为的上一次短期行为的发生时刻之间的第二间隔时长数据，输入第三神经网络，得到第三编码向量；/n根据所述第一编码向量，确定注意力权重向量；/n基于所述注意力权重向量，对所述第二编码向量与所述第三编码向量进行编码。/n

【技术特征摘要】
1.一种数据编码方法，包括：
将用于确定注意力权重的状态数据，输入第一神经网络，得到第一编码向量；
将用户长期行为数据，以及该长期行为的发生时刻，与该长期行为的上一次长期行为的发生时刻之间的第一间隔时长数据，输入第二神经网络，得到第二编码向量；
将用户短期行为数据，以及该短期行为的发生时刻，与该短期行为的上一次短期行为的发生时刻之间的第二间隔时长数据，输入第三神经网络，得到第三编码向量；
根据所述第一编码向量，确定注意力权重向量；
基于所述注意力权重向量，对所述第二编码向量与所述第三编码向量进行编码。


2.根据权利要求1所述的方法，还包括：
将基于所述注意力权重向量，对所述第二编码向量与所述第三编码向量进行编码得到的中间向量，进一步与所述状态数据进行编码。


3.根据权利要求2所述的方法，所述基于所述注意力权重向量，对所述第二编码向量与所述第三编码向量进行编码，包括：
将所述注意力权重向量乘以所述第二编码向量得到第一结果；
将1减去所述注意力权重向量得到的结果，乘以所述第三编码向量得到第二结果；
将所述第一结果与所述第二结果进行相加。


4.根据权利要求1所述的方法，所述根据所述第一编码向量，确定注意力权重向量，包括：
对所述第一编码向量中的各维数据进行归一化处理；
基于归一化处理后的所述各维数据，构建注意力权重向量。


5.根据权利要求4所述的方法，所述基于归一化处理后的所述各维数据，构建注意力权重向量，包括：
将归一化处理后的各维数据分别作为分子，所述归一化处理后的各维数据的和作为分母，得到各维数据分别对应的权重值；
基于各维数据分别对应的权重值，构建注意力权重向量。


6.根据权利要求2所述的方法，所述将基于所述注意力权重向量，对所述第二编码向量与所述第三编码向量进行编码得到的中间向量，进一步与所述状态数据进行编码，包括以下任一或几种组合：
将所述中间向量，与所述第一编码向量进行拼接；
将所述中间向量，与所述第一编码向量进行相加；
将所述中间向量，与所述第一编码向量进行相乘。


7.根据权利要求6所述的方法，所述第一神经网络、第二神经网络和所述第三神经网络为基于以下任一或几种网络的组合构建的神经网络或注意力机制的神经网络：
RNN网络；transformer网络；LSTM网络；CNN网络。


8.根据权利要求7所述的方法，所述用户长期行为包括，行为发生时刻与本次编码时刻之间的间隔时长达到预设时长的行为；
所述用户短期行为包括，行为发生时刻与本次编码时刻之间的间隔时长未达到所述预设时长的行为；
所述状态数据包括以下中的任一或任几项：
本次编码对应的系统状态数据；本次编码对应的业务活动状态数据；所述用户的用户状态数据。


9.一种信息推荐方法，包括：
获取目标用户的长期行为数据，短期行为数据，第一间隔时长数据，第二间隔时长数据，以及与用于确定注意力权重的状态数据；
其中，所述第一间隔时长数据包括，该长期行为的发生时刻，与该长期行为的上一次长期行为的发生时刻之间的间隔时长数据；所述第二间隔时长数据包括，该短期行为的发生时刻，与该短期行为的上一次短期行为的发生时刻之间的间隔时长数据；
采用所述权利要求1-8公开的任一数据编码方法，对所述长期行为数据，所述短期行为数据，所述第一间隔时长数据，所述第二间隔时长数据，以及所述状态数据进行编码，得到编码结果；
基于所述编码结果，确定与本次推荐对应的推荐信息，并输出所述推荐信息。


10.一种数据编码装置，包括：
第一编码模块，将用于确定注意力权重的状态数据，输入第一神经网络，得到第一编码向量；
第二编码模块，将用户长期行为数据，以及该长期行为...

【专利技术属性】
技术研发人员：张琳，蔡捷，梁忠平，温祖杰，
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