点击率确定方法、装置及设备制造方法及图纸

本发明专利技术实施例提供一种点击率确定方法、装置及设备，该方法包括：获取第一对象的对象信息，所述第一对象为待向用户推荐的对象，所述对象信息包括所述第一对象的图像和所述第一对象的文本描述信息；根据所述用户的用户特征信息和所述对象信息，确定所述用户点击查看所述第一对象的点击率，所述点击率用于指示所述用户点击查看所述第一对象的概率。提高了确定点击率的准确性。

【技术实现步骤摘要】
点击率确定方法、装置及设备
本专利技术实施例涉及计算机
，尤其涉及一种点击率确定方法、装置及设备。
技术介绍
在电子商务平台中，用户可以输入搜索词进行商品搜索，电子商务平台可以根据用户输入的搜索词向用户展示对象信息，例如，对象信息可以为商品信息或者广告信息等。在现有技术中，在用户输入搜索词之后，电子商务平台可以获取搜索词对应的多个对象信息，根据对象信息获取每个对象信息的点击率，并向用户推荐点击率较高的对象信息，对象信息的点击率是指对象信息被点击查看的概率。然而，在上述过程中，不同用户对同一对象的关注点不同，导致根据对象信息无法准确的获取对象信息的点击率，导致确定点击率的准确性较差。
技术实现思路
本专利技术实施例提供一种点击率确定方法、装置及设备，提高了确定点击率的准确性。第一方面，本专利技术实施例提供一种点击率确定方法，包括：获取第一对象的对象信息，所述第一对象为待向用户推荐的对象，所述对象信息包括所述第一对象的图像和所述第一对象的文本描述信息；根据所述用户的用户特征信息和所述对象信息，确定所述用户点击查看所述第一对象的点击率，所述点击率用于指示所述用户点击查看所述第一对象的概率。在一种可能的实施方式中，根据所述用户的用户特征信息和所述对象信息，确定所述用户点击所述第一对象的点击率，包括：获取预估模型，所述预估模型包括第一模型和第二模型；通过所述第一模型对所述用户特征信息和所述文本描述信息进行处理，得到所述第一模型的输出结果；通过所述第二模型对所述图像进行处理，得到第二模型的输出结果；根据所述第一模型的输出结果和所述第二模型的输出结果，得到所述点击率。在一种可能的实施方式中，所述第二模型的输出结果包括所述图像的图像特征、所述图像关联的用户特征、所述图像关联的搜索关键词。在一种可能的实施方式中，所述通过所述第二模型对所述图像进行处理，得到所述第二模型的输出结果，包括：获取第一对应关系，所述第一对应关系中包括多个商品标识和每个商品标识对应的所述第二模型的输出结果，所述第一对应关系为根据所述第二模型预先生成的；获取所述第一对象对应的商品标识；根据所述第一对象对应的商品标识和所述第一对应关系，确定所述第二模型的输出结果。在一种可能的实施方式中，所述第一模型包括第一子模型和第二子模型；所述通过所述第一模型对所述用户特征信息和所述文本描述信息进行处理，得到所述第一模型的输出结果，包括：通过所述第一子模型获取所述用户特征信息和所述文本描述信息对应的第一向量；在所述用户特征信息和所述文本描述信息中确定第一类型的特征信息和第二类型的特征信息，所述第一类型的特征信息为在所述预估模型对应的样本数据中的出现频次大于或等于预设频次的特征信息，所述第二类型的特征信息为在所述预估模型对应的样本数据中的出现频次小于所述预设频次的特征信息；通过所述第二子模型获取所述第一类型的特征对应的第二向量和所述第二类型的特征对应的第三向量，所述第一模型的输出结果包括所述第一向量、所述第二向量和所述第三向量。在一种可能的实施方式中，所述根据所述第一模型的输出结果和所述第二模型的输出结果，得到所述点击率，包括：获取所述第二模型的输出结果对应的第四向量；根据所述第三向量、所述第三向量对应的权重矩阵、所述第四向量和所述第四向量对应的权重矩阵，确定得到第五向量；对所述第三向量和所述第五向量进行拼接处理，得到第六向量；根据所述第一向量和所述第六向量，确定所述点击率。在一种可能的实施方式中，所述根据所述第一向量和所述第六向量，确定所述点击率，包括：根据所述第一向量对应的权重向量，确定第一输出值；根据所述第六向量对应的权重向量，确定第二输出值；根据所述第一输出值、所述第二输出值和预设激活函数，确定所述点击率。在一种可能的实施方式中，所述获取预估模型之前，还包括：获取多组样本数据，每组样本数据包括样本用户特征信息、样本对象信息和样本点击率；根据所述多组样本数据，生成所述预估模型。在一种可能的实施方式中，所述多组样本数据包括多组第一样本数据，每组第一样本数据包括样本搜索关键词和所述样本搜索关键词对应的样本图像；所述根据所述多组样本数据，生成所述预估模型，包括：根据所述多组第一样本数据，生成初始第二模型，所述初始第二模型具有确定图像关联的搜索关键词的功能；根据所述多组样本数据和所述初始第二模型，生成所述预估模型。在一种可能的实施方式中，获取第一对象的对象信息之前，还包括：获取所述用户输入的搜索词；根据所述搜索词，确定所述第一对象。在一种可能的实施方式中，所述第一对象为商品或广告中的至少一种。在一种可能的实施方式中，所述第一模型为宽度深度模型，所述第一子模型为宽度模型，所述第二子模型为深度模型。在一种可能的实施方式中，所述第二模型为卷积神经网络模型。第二方面，本专利技术实施例提供一种点击率确定装置，包括获取模块和第一确定模块，其中，所述获取模块用于，获取第一对象的对象信息，所述第一对象为待向用户推荐的对象，所述对象信息包括所述第一对象的图像和所述第一对象的文本描述信息；所述第一确定模块用于，根据所述用户的用户特征信息和所述对象信息，确定所述用户点击查看所述第一对象的点击率，所述点击率用于指示所述用户点击查看所述第一对象的概率。在一种可能的实施方式中，所述第一确定模块具体用于：获取预估模型，所述预估模型包括第一模型和第二模型；通过所述第一模型对所述用户特征信息和所述文本描述信息进行处理，得到所述第一模型的输出结果；通过所述第二模型对所述图像进行处理，得到第二模型的输出结果；根据所述第一模型的输出结果和所述第二模型的输出结果，得到所述点击率。在一种可能的实施方式中，所述第二模型的输出结果包括所述图像的图像特征、所述图像关联的用户特征、所述图像关联的搜索关键词。在一种可能的实施方式中，所述第一确定模块具体用于：获取第一对应关系，所述第一对应关系中包括多个商品标识和每个商品标识对应的所述第二模型的输出结果，所述第一对应关系为根据所述第二模型预先生成的；获取所述第一对象对应的商品标识；根据所述第一对象对应的商品标识和所述第一对应关系，确定所述第二模型的输出结果。在一种可能的实施方式中，所述第一模型包括第一子模型和第二子模型；所述第一确定模块具体用于：通过所述第一子模型获取所述用户特征信息和所述文本描述信息对应的第一向量；在所述用户特征信息和所述文本描述信息中确定第一类型的特征信息和第二类型的特征信息，所述第一类型的特征信息为在所述预估模型对应的样本数据中的出现频次大于或等于预设频次的特征信息，所述第二类型的特征信息为在所述预估模型对应的样本数据中的出现频次小于所述预设频次的特征信息；本文档来自技高网...

【技术保护点】
1.一种点击率确定方法，其特征在于，包括：/n获取第一对象的对象信息，所述第一对象为待向用户推荐的对象，所述对象信息包括所述第一对象的图像和所述第一对象的文本描述信息；/n根据所述用户的用户特征信息和所述对象信息，确定所述用户点击查看所述第一对象的点击率，所述点击率用于指示所述用户点击查看所述第一对象的概率。/n

【技术特征摘要】
1.一种点击率确定方法，其特征在于，包括：
获取第一对象的对象信息，所述第一对象为待向用户推荐的对象，所述对象信息包括所述第一对象的图像和所述第一对象的文本描述信息；
根据所述用户的用户特征信息和所述对象信息，确定所述用户点击查看所述第一对象的点击率，所述点击率用于指示所述用户点击查看所述第一对象的概率。


2.根据权利要求1所述的方法，其特征在于，根据所述用户的用户特征信息和所述对象信息，确定所述用户点击所述第一对象的点击率，包括：
获取预估模型，所述预估模型包括第一模型和第二模型；
通过所述第一模型对所述用户特征信息和所述文本描述信息进行处理，得到所述第一模型的输出结果；
通过所述第二模型对所述图像进行处理，得到第二模型的输出结果；
根据所述第一模型的输出结果和所述第二模型的输出结果，得到所述点击率。


3.根据权利要求2所述的方法，其特征在于，所述第二模型的输出结果包括所述图像的图像特征、所述图像关联的用户特征、所述图像关联的搜索关键词。


4.根据权利要求3所述的方法，其特征在于，所述通过所述第二模型对所述图像进行处理，得到所述第二模型的输出结果，包括：
获取第一对应关系，所述第一对应关系中包括多个商品标识和每个商品标识对应的所述第二模型的输出结果，所述第一对应关系为根据所述第二模型预先生成的；
获取所述第一对象对应的商品标识；
根据所述第一对象对应的商品标识和所述第一对应关系，确定所述第二模型的输出结果。


5.根据权利要求3或4所述的方法，其特征在于，所述第一模型包括第一子模型和第二子模型；所述通过所述第一模型对所述用户特征信息和所述文本描述信息进行处理，得到所述第一模型的输出结果，包括：
通过所述第一子模型获取所述用户特征信息和所述文本描述信息对应的第一向量；
在所述用户特征信息和所述文本描述信息中确定第一类型的特征信息和第二类型的特征信息，所述第一类型的特征信息为在所述预估模型对应的样本数据中的出现频次大于或等于预设频次的特征信息，所述第二类型的特征信息为在所述预估模型对应的样本数据中的出现频次小于所述预设频次的特征信息；
通过所述第二子模型获取所述第一类型的特征对应的第二向量和所述第二类型的特征对应的第三向量，所述第一模型的输出结果包括所述第一向量、所述第二向量和所述第三向量。


6.根据权利要求5所述的方法，其特征在于，所述根据所述第一模型的输出结果和所述第二模型的输出结果，得到所述点击率，包括：
获取所述第二模型的输出结果对应的第四向量；
根据所述第三向量、所述第三向量对应的权重矩阵、所述第四向量和所述第四向量对应的权重矩阵，确定得到第五向量；
对所述第三向量和所述第五向量进行拼接处理，得到第六向量；
根据所述第一向量和所述第六向量，确定所述点击率。


7.根据权利要求6所述的方法，其特征在于，所述根据所述第一向量和所述第六向量，确定所述点击率，包括：
根据所述第一向量对应的权重向量，确定第一输出值；
根据所述第六向量对应的权重向量，确定第二输出值；
根据所述第一输出值、所述第二输出值和预设激活函数，确定所述点击率。


8.根据权利要求2-7任一项所述的方法，其特征在于，所述获取预估模型之前，还包括：
获取多组样本数据，每组样本数据包括样本用户特征信息、样本对象信息和样本点击率；
根据所述多组样本数据，生成所述预估模型。


9.根据权利要求8所述的方法，其特征在于，所述多组样本数据包括多组第一样本数据，每组第一样本数据包括样本搜索关键词和所述样本搜索关键词对应的样本图像；所述根据所述多组样本数据，生成所述预估模型，包括：
根据所述多组第一样本数据，生成初始第二模型，所述初始第二模型具有确定图像关联的搜索关键词的功能；
根据所述多组样本数据和所述初始第二模型，生成所述预估模型。


10.根据权利要求1-9所述的方法，其特征在于，获取第一对象的对象信息之前，还包括：
获取所述用户输入的搜索词；
根据所述搜索词，确定所述第一对象。


11.根据权利要求1-10任一项所述的方法，其特征在于，所述第一对象为商品或广告中的至少一种。


12.根据权利要求5-7所述的方法，其特征在于，所述第一模型为宽度深度模型，所述第一子模型为宽度模型，所述第二子模型为深度模型。


13.根据权利要求2-9所述的方法，其特征在于，所述第二模型为卷积神经网络模型。


14.一种点击率确定装置，其特征在于，包括获取模块和第一确定模块，其中，
所述获取模块用于，获取第一对象的对象信息，所述第一对象为待向用户推荐的对象，所述对象信息包括所述第一对...

【专利技术属性】
技术研发人员：刘鹄，徐夙龙，赵夕炜，
申请(专利权)人：北京沃东天骏信息技术有限公司，
类型：发明
国别省市：北京;11