【技术实现步骤摘要】
行为数据处理方法、装置、设备及存储介质
[0001]本专利技术涉及计算机
,尤其涉及一种行为数据处理方法、装置、设备及存储介质。
技术介绍
[0002]在召回层面,目前召回采用搜索化召回和目标群体指数(Target Group Index,TGI)指标召回等多路召回的方式;对于特定的场景,通过一些指定的筛选条件(如:一级类别、二级类别、物品tag),将数据从搜索服务器(Elastic Search,ES)数据库中查询出来;通过召回筛选将候选集合从百万或十万级压缩到数百级,从而减少排序服务的压力。
[0003]在排序层面,排序主要用到的模型包括wide&deep、deepfm等模型,wide&deep模型结合了逻辑回归(Logtistic Regression,LR)模型的记忆能力以及深度神经网络模型(Deep Neural Network,DNN)模型的泛化能力,但是在wide层,还需要大量的人工特征组合的过程;DeepFm模型在wide层采用因子分解机(Factorizatio ...
【技术保护点】
【技术特征摘要】
1.一种行为数据处理方法,其特征在于,所述行为数据处理方法包括:在检测到数据处理请求时,根据所述数据处理请求获取用户行为数据和当前网页商品关联数据;将所述用户行为数据和所述当前网页商品关联数据进行拼接,生成行为特征;根据所述行为特征确定对应的当前兴趣度向量;将所述当前兴趣度向量输入至预设深度神经网络中的隐藏层,以获得不同商品的当前商品推荐度,所述预设深度神经网络中的隐藏层反映兴趣度向量与商品推荐度的映射关系;基于所述当前商品推荐度选取目标商品,并对所述目标商品进行展示。2.如权利要求1所述的行为数据处理方法,其特征在于,所述根据所述行为特征确定对应的当前兴趣度向量,包括:从所述行为特征中获取用户的点击数据、搜索数据和下载数据;根据所述点击数据、所述搜索数据和所述下载数据确定当前兴趣度向量。3.如权利要求2所述的行为数据处理方法,其特征在于,所述根据所述点击数据、所述搜索数据和所述下载数据确定当前兴趣度向量,包括:根据所述点击数据、所述搜索数据和所述下载数据确定用户感兴趣的商品数据;将用户感兴趣的商品数据对应的特征向量作为当前兴趣度向量。4.如权利要求3所述的行为数据处理方法,其特征在于,所述根据所述点击数据、所述搜索数据和所述下载数据确定用户感兴趣的商品数据,包括:根据所述点击数据获得各商品的点击次数,将各点击次数与预设点击次数进行比较,获得第一比较结果;根据所述搜索数据获得各商品的关键词搜索次数,将各关键词搜索次数与预设搜索次数进行比较,获得第二比较结果;根据所述下载数据获得各商品的数据下载总量,将各数据下载总量与预设数据总量进行比较,获得第三比较结果;根据所述第一比较结果、所述第二比较结果和所述第三比较结果确定用户感兴趣的商品数据。5.如权利要求1-4中任一项所述的行为数据处理方法,其特征在于,所述基于所述当前商品推荐度选取目标商品,并对所述目标商品进行展示,包括:从所述当前商品推荐度中确定用户感兴趣的目标商品,并根据所述当前商品推荐度获得各目标商品的感兴趣值;根据各目标...
【专利技术属性】
技术研发人员:张雪松,田海德,
申请(专利权)人:北京奇虎科技有限公司,
类型:发明
国别省市:
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。