【技术实现步骤摘要】
模型构建方法、数据推荐方法及装置
本申请涉及互联网
，特别是涉及一种模型构建方法、一种模型构建装置、一种数据推荐方法及一种数据推荐装置。
技术介绍
随着互联网的普及和电商行业的迅猛发展，如何给用户推荐合适的数据成为电商领域的主要问题之一。当前，现有技术公开了一种数据推荐方法，包括：在用户使用用户账号登录电商平台之后，电商平台根据用户账号，在用户的账户中查找用户事先设置的消费偏好，然后根据用户的消费偏好在多个数据中查找用户感兴趣的数据，再向用户推荐查找到的数据。然而，专利技术人在实现本专利技术的过程中发现：如果用户未登录电商平台，则电商平台就无法根据用户的消费偏好向用户推荐的用户感兴趣的数据，只能随机向用户推荐数据，但是随机推荐的数据的精准度较低。
技术实现思路
为了在用户未登录的情况下能够提高向用户推荐的数据的精准度，本申请示出了一种模型构建方法、一种模型构建装置、一种数据推荐方法及一种数据推荐装置。第一方面，本申请示出了一种模型构建方法，所述方法包括：获取第
【技术保护点】
1.一种模型构建方法，包括：/n获取第一样本数据集；/n构建数据推荐模型的网络结构；/n根据第一样本数据集对数据推荐模型中的网络参数进行训练，直至所述网络参数收敛，得到所述数据推荐模型；/n其中，所述第一样本数据集包括：/n样本用户在第一样本时间段内操控过的多个第一样本数据的第一样本特征；所述样本用户在第二样本时间段内操控过的至少一个第二样本数据的第二样本特征；多个样本候选数据的样本候选特征；所述样本用户对样本候选数据的标注感兴趣程度。/n
【技术特征摘要】
1.一种模型构建方法，包括：
获取第一样本数据集；
构建数据推荐模型的网络结构；
根据第一样本数据集对数据推荐模型中的网络参数进行训练，直至所述网络参数收敛，得到所述数据推荐模型；
其中，所述第一样本数据集包括：
样本用户在第一样本时间段内操控过的多个第一样本数据的第一样本特征；所述样本用户在第二样本时间段内操控过的至少一个第二样本数据的第二样本特征；多个样本候选数据的样本候选特征；所述样本用户对样本候选数据的标注感兴趣程度。
2.根据权利要求1所述的方法，所述第一样本数据集还包括：
所述第二样本时间段短于所述第一样本时间段，且所述第二样本时间段的结束时刻与所述第一样本时间段的结束时刻之间的距离小于所述第二样本时间段的结束时刻与所述第一样本时间段的起始时刻之间的距离。
3.根据权利要求1所述的方法，所述样本候选数据的获取方式，包括：
获取第一样本数据的数据类型；
在包括多个数据的数据集合中，筛选所述数据类型所对应的数据，作为所述样本候选数据。
4.根据权利要求1所述的方法，获取所述样本用户对样本候选数据的标注感兴趣程度的方式，包括：
获取所述样本用户在历史过程中操控所述样本候选数据的操控方式；根据所述操控方式确定所述样本用户对所述样本候选数据的标注感兴趣程度；
或者，
获取所述样本用户在历史过程中操控与所述样本候选数据的属于同一数据类型的数据的操控方式；根据操控同一数据类型的数据的操控方式确定所述样本用户对所述样本候选数据的标注感兴趣程度。
5.根据权利要求4所述的方法，操控方式至少包括：
浏览、点击进入详情页、收藏、分享、加入购物车、购买、咨询以及评论。
6.根据权利要求1所述的方法，所述网络结构包括：
至少一个激活函数、相似度计算层以及归一化层；
所述激活函数用于对所述第一样本特征、所述第二样本特征以及全局样本特征进行激活处理，得到聚合特征；所述全局样本特征包括多个第一样本特征之间的平均特征；
所述相似度计算层用于计算所述聚合特征与所述候选样本特征之间的特征相似度；
所述归一化层用于将所述聚合特征与所述候选样本特征之间的特征相似度转换所述样本用户对所述候选样本数据感兴趣的程度。
7.根据权利要求6所述的方法，所述网络结构还包括：
第一注意力模块、第二注意力模块、时间序列模块以及行为序列模块；
所述第一注意力模块用于根据所述全局样本特征对所述第一样本特征进行全局扩展，得到所述第一样本特征对应的全局扩展特征；
所述时间序列模块用于将所述多个全局扩展特征按照所述样本用户在历史过程中操控第一样本数据的操控时刻由晚至早的顺序排序，并将多个全局扩展特征按照对应的第一样本数据的排序的顺序聚类，得到多个第一样本特征集合；
所述行为序列模块用于将第一样本特征集合中的全局扩展特征按照所述样本用户在历史过程中操控第一样本数据的操控方式聚类，得到第一样本特征集合中的多个操控方式分别对应的第二样本特征集合；
所述第二注意力模块用于根据所述第二样本特征对所述全局扩展特征进行瞬时扩展，得到全局扩展特征对应的瞬时扩展特征。
8.根据权利要求6所述的方法，所述网络结构还包括：
第一注意力模块以及第二注意力模块；
所述第一注意力模块用于根据所述全局样本特征对第一样本特征进行全局扩展，得到第一样本特征对应的全局扩展特征；
所述第二注意力模块用于根据所述第二样本特征对所述全局扩展特征进行瞬时扩展，得到全局扩展特征对应的瞬时扩展特征。
9.根据权利要求6所述的方法，所述网络结构还包括：
第一注意力模块；
所述第一注意力模块用于根据所述全局样本特征对第一样本特征进行全局扩展，得到第一样本特征对应的全局扩展特征。
10.根据权利要求6所述的方法，所述网络结构还包括：
第二注意力模块；
所述第二注意力模块用于根据所述第二样本特征对所述第一样本特征进行瞬时扩展，得到第一样本特征对应的瞬时扩展特征。
11.根据权利要求6所述的方法，所述网络结构还包括：
时间序列模块以及行为序列模块；
所述时间序列模块用于将所述多个第一样本特征按照所述样本用户在历史过程中操控第一样本数据的操控时刻由晚至早的顺序排序，并将多个第一样本特征按照对应的第一样本数据的排序的顺序聚类，得到多个第一样本特征集合；
所述行为序列模块用于将第一样本特征集合中的第一样本特征按照所述样本用户在历史过程中操控第一样本数据的操控方式聚类，得到第一样本特征集合中的多个操控方式分别对应的第二样本特征集合。
12.根据权利要求6所述的方法，所述网络结构还包括：
时间序列模块；
所述时间序列模块用于将所述多个第一样本特征按照所述样本用户在历史过程中操控第一样本数据的操控时刻由晚至早的顺序排序，并将多个第一样本特征按照对应的第一样本数据的排序的顺序聚类，得到多个第一样本特征集合。
13.根据权利要求6所述的方法，所述网络结构还包括：
行为序列模块；
所述行为序列模块用于将所述多个第一样本特征按照所述样本用户在历史过程中操控第一样本数据的操控方式聚类，得到多个操控方式分别对应的第二特征集合。
14.根据权利要求1所述的方法，所述构建数据推荐模型的网络结构，包括：
确定所述数据推荐模型所应用的至少一个业务场景；
对于每一个业务场景，构建数据推荐模型的适用于所述业务场景的网络结构。
15.根据权利要求14所述的方法，所述构建数据推荐模型的适用于所述业务场景的网络结构，包括：
在第一注意力模块、第二注意力模块、时间序列模块以及行为序列模块中的至少一个模型中的至少一个模块中，确定所述数据推荐模型应用在所述业务场景时所适用的模块；
构建包括确定出的模块的数据推荐模型的网络结构。
16.根据权利要求15所述的方法，所述在第一注意力模块、第二注意力模块、时间序列模块以及行为序列模块中的至少一个模型中的至少一个模块中，确定所述数据推荐模型应用在所述业务场景时所适用的模块，包括：
在业务场景与模块标识之间的对应关系中，查找与所述业务场景相对应的模块标识；
将所述模块标识所对应的模块确定为所述数据推荐模型应用在所述业务场景时所适用的模块。
17.根据权利要求14所述的方法，业务场景至少包括：
搜索场景、广告推荐场景、数据推荐场景、文本推荐场景、多媒体文件推荐场景以及行驶路线推荐场景。
18.一种数据推荐方法，应用于客户端，包括：
获取数据获取请求；所述数据获取请求至少携带使用所述客户端的用户的用户标识；
向服务端发送所述数据获取请求；
接收所述服务端根据所述数据获取请求返回的、所述用户感兴趣的第三数据；所述第三数据是所述服务端根据所述用户在第一时间段内操控过的多个第一数据的第一特征、所述用户在第二时间段内操控过的至少一个第二数据的第二特征以及数据推荐模型在多个候选数据中查找的；
显示所述第三数据。
19.根据权利要求18所述的方法，所述第二时间段短于所述第一时间段，且所述第二时间段的结束时刻与所述第一时间段的结束时刻之间的距离小于所述第二时间段的结束时刻与所述第一时间段的起始时刻之间的距离。
20.根据权利要求18所述的方法，所述第三数据为多个；
所述方法还包括：
接收所述服务端返回的、所述用户对第三数据的感兴趣的程度；
所述显示所述第三数据，包括：
基于所述用户对第三数据的感兴趣的程度由高至低的顺序，将第三数据排序显示。
21.根据权利要求18所述的方法，还包括：
在显示所述第三数据之后的预设时长内，如果所述用户未对所述第三数据进行操控，则生成第一指示信息，所述第一指示信息用于指示在所述客户端显示所述第三数据之后的预设时长内所述用户未对所述第三数据进行操控；
向所述服务端发送所述第一指示信息，以使所述服务端根据所述第一指示信息对所述数据推荐模型进行更新。
22.根据权利要求18所述的方法，还包括：
在显示所述第三数据之后的预设时长内，如果所述用户对所述第三数据进行了操控，则获取所述用户对所述第三数据进行操控的操控方式；
生成第二指示信息，所述第二指示信息用于指示在所述客户端显示所述第三数据之后的预设时长内所述用户以所述操控方式对所述第三数据进行了操控；
向所述服务端发送所述第二提示信息，以使所述服务端根据所述第二指示信息对所述数据推荐模型进行更新。
23.根据权利要求22所述的方法，操控方式至少包括：
浏览、点击进入详情页、收藏、分享、加入购物车、购买、咨询以及评论。
24.一种数据推荐方法，应用于服务端，包括：
接收客户端发送的数据获取请求，所述数据获取请求至少携带使用所述客户端的用户的用户标识；
根据所述用户标识获取所述用户在第一时间段内操控过的多个第一数据的第一特征；以及，获取所述用户在第二时间段内操控过的至少一个第二数据的第二特征；
获取多个候选数据；
基于第一数据的第一特征、第二数据的第二特征以及数据推荐模型在多个候选数据中查找所述用户感兴趣的第三数据；
向所述客户端发送所述第三数据。
25.根据权利要求24所述的方法，所述第二时间段短于所述第一时间段，且所述第二时间段的结束时刻与所述第一时间段的结束时刻之间的距离小于所述第二时间段的结束时刻与所述第一时间段的起始时刻之间的距离。
26.根据权利要求24所述的方法，还包括：
接收所述客户端发送的第一提示信息，所述第一指示信息用于指示在所述客户端显示所述第三数据之后的预设时长内所述用户未对所述第三数据进行操控；
根据所述第一指示信息确定所述用户对所述第三数据的感兴趣程度；
获取所述第三数据的第三特征；
根据第一数据的第一特征、第二数据的第二特征、第三数据的第三特征以及所述用户对所述第三数据的感兴趣程度，对所述数据推荐模型进行更新。
27.根据权利要求24所述的方法，还包括：
接收所述客户端发送的第二提示信息，所述第二指示信息用于指示在所述客户端显示所述第三数据之后的预设时长内所述用户以所述操控方式对所述第三数据进行了操控；
根据所述操控方式确定所述用户对所述第三数据的感兴趣程度；
获取所述第三数据的第三特征；
根据第一数据的第一特征、第二数据的第二特征、第三数据的第三特征以及所述用户对所述第三数据的感兴趣程度，对所述数据推荐模型进行更新。
28.根据权利要求27所述的方法，操控方式至少包括：
浏览、点击进入详情页收藏、分享、加入购物车、购买、咨询以及评论。
29.根据权利要求24所述的方法，所述获取多个候选数据，包括：
获取第一数据的数据类型；
在包括多个数据的数据集合中，筛选所述数据类型所对应的数据，作为所述候选数据。
30.根据权利要求24所述的方法，所述基于第一数据的第一特征、第二数据的第二特征以及数据推荐模型在多个候选数据中查找所述用户感兴趣的第三数据，包括：
根据第一特征获取所述多个第一数据的全局特征；
基于数据推荐模型中的至少一个激活函数对第一数据的第一特征、第二数据的第二特征以及全局特征进行激活处理，得到聚合特征；
基于数据推荐模型中的相似度计算层计算所述聚合特征与候选数据的候选特征之间的特征相似度；
基于数据推荐模型中的归一化层将所述聚合特征与候选数据的候选特征之间的特征相似度转换所述用户对候选数据感兴趣的程度；
在所述多个候选数据中，将所述用户感兴趣的程度最高的预设数量个候选数据确定为所述第三数据。
31.根据权利要求30所述的方法，还包括：
基于数据推荐模型中的第一注意力模块和所述全局特征对第一特征进行扩展，得到第一特征对应的全局扩展特征；
基于数据推荐模型中的时间序列模块获取所述用户在历史过程中操控第一数据的操控时刻，将所述多个第一数据按照操控时刻由晚至早的顺序排序，将多个全局扩展特征按照对应的第一数据的排序的顺序聚类，得到多个第一特征集合；
基于数据推荐模型中的行为序列模块获取所述用户在历史过程中分别操控第一数据的操控方式，将第一特征集合中的全局扩展特征按照所述用户在历史过程中操控第一数据的操控方式聚类，得到第一特征集合中的多个操控方式分别对应的第二特征集合；
基于数据推荐模型中的基于第二注意力模块和第二特征对第二特征集合中的全局扩展特征进行扩展，得到全局扩展特征对应的瞬时扩展特征；
基于数据推荐模型中的至少一个激活函数对第一数据的第一特征、第二数据的第二特征以及全局特征进行激活处理，得到聚合特征，包括：
基于数据推荐模型中的激活函数对所述全局特征、瞬时扩展特征以及第二特征进行激活处理，得到聚合特征。
32.根据权利要求30所述的方法，还包括：
基于数据推荐模型中的第一注意力模块和所述全局特征对第一特征分别进行扩展，得到第一特征对应的全局扩展特征；
基于数据推荐模型中的基于第二注意力模块...
【专利技术属性】
技术研发人员：张继海，杨程，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛;KY
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。