一种信息推荐方法、装置、存储介质及电子设备制造方法及图纸

本说明书公开了一种信息推荐方法、装置、存储介质及电子设备，可基于用户终端发送的信息推荐请求，召回候选商品以及确定用户的历史行为记录。之后，针对每条历史行为记录，根据该用户执行该历史行为记录时的环境信息，以及当前的环境信息，确定该历史行为记录对应的环境关联权重，并根据各历史行为记录对应的商品的商品特征及其对应的环境关联权重，确定用户的兴趣特征。最后，根据该用户的兴趣特征和候选商品的商品特征，预测该用户对候选商品的点击率，以基于点击率进行信息推荐。通过引入环境信息的注意力机制，将用户的兴趣特征集中在环境关联较强的历史行为记录上，能够更准确的表示用户的兴趣特征，使得预测结果更准确，推荐命中率更高。命中率更高。命中率更高。

【技术实现步骤摘要】
一种信息推荐方法、装置、存储介质及电子设备


[0001]本申请涉及信息推荐
，尤其涉及一种信息推荐方法、装置、存储介质及电子设备。

技术介绍

[0002]随着大数据技术的发展，越来越多的电商平台通过推荐系统向用户推荐商品，以提升用户的决策体验。
[0003]目前，在向用户进行商品推荐时，通常会基于用户历史浏览、点击或购买的商品列表，预测用户对待推荐商品的点击率，以根据预测的点击率对商品进行展示排序。具体的，可先获取用户的历史行为记录，其中，该历史行为记录中包含用户浏览、点击或购买的各商品。其次，将该用户的历史行为记录中各商品的商品信息输入点击预估模型的池化层，进行平均池化，并将池化结果作为该用户的兴趣特征。之后，将该用户的兴趣特征与待推荐商品的商品信息输入点击预测模型的全连接层中，预测该用户对该待推荐商品的点击率。
[0004]但是，在基于位置的服务(Location Based Services，LBS)场景中，如外卖场景下，用户行为记录可能分布在多个地理位置，而推荐系统召回的商品受LBS的限制，只能召回用户当前位置附近的商品。此时基于用户在不同地理位置下的行为记录，对当前召回的商品进行点击率预测，往往预测准确率较低，导致信息推荐命中率低。

技术实现思路

[0005]本说明书实施例提供一种信息推荐方法、装置、存储介质及电子设备，用于部分解决现有技术中的问题。
[0006]本说明书实施例采用下述技术方案：
[0007]本说明书提供的一种信息推荐方法，包括：
>[0008]接收用户终端发送的信息推荐请求，所述信息推荐请求中携带所述用户的用户标识以及当前的环境信息；
[0009]根据所述当前的环境信息，召回候选商品；
[0010]根据所述用户标识，获取所述用户的历史行为记录，以及所述用户执行各历史行为记录时所处的环境信息，所述环境信息至少包括地理位置以及时间中的一种；
[0011]针对所述用户的每条历史行为记录，将所述用户执行该历史行为记录时的环境信息以及所述用户当前的环境信息，输入预先训练的点击预估模型的第一激活单元层，确定该历史行为记录对应的环境关联权重；
[0012]根据所述用户的各历史行为记录对应的商品的商品特征，以及各历史行为记录对应的环境关联权重，确定所述用户的兴趣特征；
[0013]将所述用户的兴趣特征以及所述候选商品的商品特征，输入所述点击预估模型的全连接层，预测所述用户对所述候选商品的点击率，以基于对所述候选商品的点击率进行信息推荐。
[0014]可选地，在确定所述用户的兴趣特征之前，所述方法还包括：
[0015]将所述候选商品的商品特征以及该历史行为记录对应的商品的商品特征，输入所述点击预估模型的第二激活单元层，确定该历史行为记录对应的商品关联权重；
[0016]其中，所述商品关联权重表征该历史行为记录对应的商品与所述候选商品的关联度；
[0017]根据所述用户的各历史行为记录对应商品的商品特征，以及各历史行为记录对应的环境关联权重，确定所述用户的兴趣特征，具体包括：
[0018]根据所述用户的各历史行为记录对应的商品的商品特征、各历史行为记录对应的环境关联权重以及各历史行为记录对应的商品关联权重，确定所述用户的兴趣特征。
[0019]可选地，将所述用户执行该历史行为记录时的环境信息以及所述用户当前的环境信息，输入预先训练的点击预估模型的第一激活单元层，确定该历史行为记录对应的环境关联权重，具体包括：
[0020]根据所述用户执行该历史行为记录时的环境信息以及所述用户当前的环境信息，确定环境关联特征；
[0021]将所述用户执行该历史行为记录时的环境信息、所述用户当前的环境信息以及所述环境关联特征，输入预先训练的点击预估模型中第一激活单元层的前馈神经网络层，确定该历史行为记录对应的环境关联权重；
[0022]其中，所述环境关联权重表征所述用户执行该历史行为记录时的环境信息与当前的环境信息的关联度。
[0023]可选地，将所述候选商品的商品特征以及该历史行为记录对应商品的商品特征，输入所述点击预估模型的第二激活单元层，确定该历史行为记录对应的商品关联权重，具体包括：
[0024]根据所述候选商品的商品特征以及该历史行为记录对应商品的商品特征，确定商品关联特征；
[0025]将所述候选商品的商品特征、该历史行为记录对应商品的商品特征以及所述商品关联特征，输入所述点击预估模型中第二激活单元层的前馈神经网络层，确定该历史行为记录对应的商品关联权重。
[0026]可选地，所述用户的历史行为记录至少包括所述用户历史浏览商品记录、历史点击商品记录、历史购买商品记录、历史收藏商品记录中的一种。
[0027]可选地，所述点击预估模型还包括编码层；
[0028]所述方法还包括：
[0029]将所述候选商品的商品信息输入点击预测模型的编码层，确定所述候选商品的商品特征；
[0030]将所述用户的各历史行为记录对应的商品的商品信息输入所述点击预测模型的编码层，确定各历史行为记录对应的商品的商品特征；
[0031]将所述用户执行该历史行为记录时的环境信息以及所述用户当前的环境信息，输入预先训练的点击预估模型的第一激活单元层，具体包括：
[0032]将所述用户执行该历史行为记录时的环境信息，输入所述点击预估模型的编码层，确定所述用户执行该历史行为记录时的环境特征；
[0033]将所述用户当前的环境信息输入所述点击预估模型的编码层，确定所述用户当前的环境特征；
[0034]将所述用户执行该历史行为记录时的环境特征以及所述用户当前的环境特征，输入所述点击预估模型的第一激活单元层。
[0035]可选地，训练点击预估模型，具体包括：
[0036]确定历史上向各用户推荐展示的商品、推荐展示时的环境信息、各用户的历史行为记录以及各用户执行历史行为记录时的环境信息，作为训练样本集，并针对所述训练样本集中的每个训练样本，根据该训练样本中用户对推荐展示的商品的点击情况，对该训练样本进行标注；
[0037]针对该训练样本中用户的每条历史行为记录，将所述用户执行该历史行为记录时的环境信息以及向所述用户推荐展示时的环境信息，输入待训练的点击预估模型的第一激活单元层，确定该历史行为记录对应的预测环境关联权重；
[0038]根据所述用户的各历史行为记录对应的商品的商品特征，以及各历史行为记录对应的预测环境关联权重，确定所述用户的兴趣特征；
[0039]将所述用户的兴趣特征以及向所述用户推荐展示的商品的商品特征，输入待训练的点击预估模型的全连接层，确定所述用户对所述推荐展示的商品的预测点击率；
[0040]以最小化各训练样本中用户对推荐展示的商品的预测点击率与各训练样本的标注之间的差异为目标，调整所述点击预估模型中各网络层的模型参数。
[0041]本说明书提供一种信息推荐本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：接收用户终端发送的信息推荐请求，所述信息推荐请求中携带所述用户的用户标识以及当前的环境信息；根据所述当前的环境信息，召回候选商品；根据所述用户标识，获取所述用户的历史行为记录，以及所述用户执行各历史行为记录时所处的环境信息，所述环境信息至少包括地理位置以及时间中的一种；针对所述用户的每条历史行为记录，将所述用户执行该历史行为记录时的环境信息以及所述用户当前的环境信息，输入预先训练的点击预估模型的第一激活单元层，确定该历史行为记录对应的环境关联权重；根据所述用户的各历史行为记录对应的商品的商品特征，以及各历史行为记录对应的环境关联权重，确定所述用户的兴趣特征；将所述用户的兴趣特征以及所述候选商品的商品特征，输入所述点击预估模型的全连接层，预测所述用户对所述候选商品的点击率，以基于对所述候选商品的点击率进行信息推荐。2.如权利要求1所述的方法，其特征在于，在确定所述用户的兴趣特征之前，所述方法还包括：将所述候选商品的商品特征以及该历史行为记录对应的商品的商品特征，输入所述点击预估模型的第二激活单元层，确定该历史行为记录对应的商品关联权重；其中，所述商品关联权重表征该历史行为记录对应的商品与所述候选商品的关联度；根据所述用户的各历史行为记录对应商品的商品特征，以及各历史行为记录对应的环境关联权重，确定所述用户的兴趣特征，具体包括：根据所述用户的各历史行为记录对应的商品的商品特征、各历史行为记录对应的环境关联权重以及各历史行为记录对应的商品关联权重，确定所述用户的兴趣特征。3.如权利要求1所述的方法，其特征在于，将所述用户执行该历史行为记录时的环境信息以及所述用户当前的环境信息，输入预先训练的点击预估模型的第一激活单元层，确定该历史行为记录对应的环境关联权重，具体包括：根据所述用户执行该历史行为记录时的环境信息以及所述用户当前的环境信息，确定环境关联特征；将所述用户执行该历史行为记录时的环境信息、所述用户当前的环境信息以及所述环境关联特征，输入预先训练的点击预估模型中第一激活单元层的前馈神经网络层，确定该历史行为记录对应的环境关联权重；其中，所述环境关联权重表征所述用户执行该历史行为记录时的环境信息与当前的环境信息的关联度。4.如权利要求2所述的方法，其特征在于，将所述候选商品的商品特征以及该历史行为记录对应商品的商品特征，输入所述点击预估模型的第二激活单元层，确定该历史行为记录对应的商品关联权重，具体包括：根据所述候选商品的商品特征以及该历史行为记录对应商品的商品特征，确定商品关联特征；将所述候选商品的商品特征、该历史行为记录对应商品的商品特征以及所述商品关联
特征，输入所述点击预估模型中第二激活单元层的前馈神经网络层，确定该历史行为记录对应的商品关联权重。5.如权利要求1所述的方法，其特征在于，所述用户的历史行为记录至少包括所述用户历史浏览商品记录、历史点击商品记录、历史购买商品记录、历史收藏商品记录中的一种。6.如权利要求1所述的方法，其特征在于，所述点击预估模型还包括编码层；所述方法还包括：将所述候选商品的商品信息输入点击预测模型的编码层，确定所述候选...

【专利技术属性】
技术研发人员：陈英杰，任远，王兴星，李靖怡，崔同，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：