用于输入法的推荐方法、装置、设备和介质制造方法及图纸

本发明专利技术公开了一种用于输入法的推荐方法、装置、设备和介质，推荐方法包括：获取输入法中的多个候选推荐功能以及各候选推荐功能对应的多个候选推荐内容；利用预测模型预测得到各候选推荐功能的点击概率以及各候选推荐内容的点击概率；基于各候选推荐功能的点击概率以及各候选推荐内容的点击概率，分别确定各候选推荐功能与对应的各候选推荐内容之间的联合点击概率；基于联合点击概率，确定输入法的目标推荐功能以及目标推荐功能对应的目标推荐内容。通过上述方式，能够准确地推荐输入法中用户感兴趣的功能以及功能对应的内容，从而可以提高用户的点击率。以提高用户的点击率。以提高用户的点击率。

【技术实现步骤摘要】
用于输入法的推荐方法、装置、设备和介质


[0001]本专利技术涉及输入法
，特别是涉及一种用于输入法的推荐方法、装置、设备和介质。

技术介绍

[0002]输入法是终端设备的必备应用之一。随着输入法技术的不断发展，输入法除了可以用于输入文字或者符号外，还配置了其他不同的功能，以满足用户购物、社交和娱乐的需求。
[0003]然而，当输入法中配置的功能种类较多时，用户难以在输入法界面中找到感兴趣的功能以及功能对应的内容。这样，会影响用户的点击率。因此，如何准确推荐输入法中用户感兴趣的功能以及功能对应的内容成为亟待解决的问题。

技术实现思路

[0004]本专利技术主要解决的技术问题是提供一种用于输入法的推荐方法、装置、设备和介质，能够准确推荐用户感兴趣的功能以及功能对应的内容，从而提高用户的点击率。
[0005]为解决上述技术问题，本申请采用的一个技术方案是：提供一种用于输入法的推荐方法，方法包括：获取输入法中的多个候选推荐功能以及各候选推荐功能对应的多个候选推荐内容；利用预测模型预测得到各候选推荐功能的点击概率以及各候选推荐内容的点击概率，候选推荐内容的点击概率表示候选推荐内容在所属的候选推荐功能的多个候选推荐内容中被点击的可能性；基于各候选推荐功能的点击概率以及各候选推荐内容的点击概率，分别确定各候选推荐功能与对应的各候选推荐内容之间的联合点击概率；基于联合点击概率，确定输入法的目标推荐功能以及目标推荐功能对应的目标推荐内容。
[0006]其中，利用预测模型预测得到各候选推荐功能的点击概率以及各候选推荐内容的点击概率，包括：利用预测模型的功能预测网络基于各候选推荐功能的功能参考参数，预测各候选推荐功能的点击概率，以及，利用预测模型的内容预测网络基于各候选推荐内容的内容参考参数，预测各候选推荐内容的点击概率。
[0007]其中，各候选推荐功能的功能参考参数包括用户历史点击记录中的至少一个历史功能特征、各候选推荐功能对应的候选功能特征以及功能辅助特征，功能辅助特征包括用户特征和上下文特征中的至少一个，上下文特征包括运行输入法的设备的至少一个当前状态信息；
[0008]各候选推荐内容的内容参考参数包括用户历史点击记录中的至少一个历史内容特征、各候选推荐内容对应的候选内容特征以及内容辅助特征，内容辅助特征包括用户特征和上下文特征中的至少一个。
[0009]其中，各候选推荐功能的功能参考参数包括用户历史点击记录中的至少一个历史功能特征和各候选推荐功能对应的候选功能特征；基于各候选推荐功能的功能参考参数，预测各候选推荐功能的点击概率，包括：对于各候选推荐功能，获取候选推荐功能的各功能
参考参数对应的参数特征向量；利用功能预测网络的功能兴趣提取层基于各历史功能特征对应的参数特征向量和各候选功能特征对应的参数特征向量，提取用户对各候选推荐功能的功能兴趣向量；利用功能预测网络的第一预测层基于各候选推荐功能对应的功能兴趣向量，预测各候选推荐功能的点击概率。
[0010]其中，基于各历史功能特征对应的参数特征向量和各候选功能特征对应的参数特征向量，提取用户对各候选推荐功能的功能兴趣向量，包括：对于各候选功能特征，基于各历史功能特征对应的参数特征向量和候选功能特征对应的参数特征向量进行注意力处理，得到各历史功能特征关于候选功能特征的注意力权重，各历史功能特征对应的注意力权重表示各历史功能特征与候选功能特征之间的关联程度；利用各历史功能特征关于候选功能特征的注意力权重，对各历史功能特征对应的参数特征向量进行加权处理，得到候选功能特征对应的功能兴趣向量；和/或，候选推荐功能的功能参考参数还包括功能辅助特征，基于各候选推荐功能对应的功能兴趣向量，预测各候选推荐功能的点击概率，包括：对于各候选推荐功能，基于候选推荐功能对应的功能兴趣向量、各候选功能特征对应的参数特征向量以及功能辅助特征对应的参数特征向量，预测得到候选推荐功能的点击概率。
[0011]其中，候选推荐内容的内容参考参数包括用户历史点击记录中的至少一个历史内容特征；基于各候选推荐内容的内容参考参数，预测各候选推荐内容的点击概率，包括：对于各候选推荐内容，获取候选推荐内容的各内容参考参数对应的参数特征向量；利用内容预测网络的内容兴趣提取层基于各历史内容特征对应的参数特征向量，提取用户的内容兴趣向量；利用内容预测网络的第二预测层基于内容兴趣向量，预测各候选推荐内容的点击概率。
[0012]其中，基于各历史内容特征对应的参数特征向量，提取用户的内容兴趣向量，包括：对各历史内容特征对应的参数特征向量进行自注意力处理，得到各历史内容特征对应的关联向量；将各历史内容特征对应的关联向量进行拼接，得到内容兴趣向量；和/或，候选推荐内容的内容参考参数还包括内容辅助特征，基于内容兴趣向量，预测各候选推荐内容的点击概率，包括：对于各候选推荐内容，基于内容兴趣向量、各候选推荐内容特征对应的参数特征向量以及内容辅助特征对应的参数特征向量，预测得到候选推荐内容的点击概率。
[0013]其中，功能参考参数的参数特征向量和内容参考参数的参数特征向量是由同一特征提取层提取得到，或者分别由对应的预测网络中的特征提取层提取得到。
[0014]其中，候选推荐功能与对应的候选推荐内容之间的联合点击概率为候选推荐功能的点击概率与对应的候选推荐内容的点击概率之间的乘积；和/或，基于各候选推荐功能的点击概率以及各候选推荐内容的点击概率，分别确定各候选推荐功能与对应的各候选推荐内容之间的联合点击概率，包括：对于各候选推荐内容，利用预测模型的输出层基于候选推荐内容的点击概率以及所属的候选推荐功能的点击概率，得到候选推荐内容与所属的候选推荐功能之间的联合点击概率。
[0015]其中，推荐方法还包括：获取多个样本候选推荐功能以及各样本候选推荐功能对应的多个样本候选推荐内容，其中，多个样本候选推荐功能中存在至少一个标注推荐功能，各样本候选推荐功能对应的多个样本候选推荐内容中存在至少一个标注推荐内容；利用预测模型预测得到各样本候选推荐功能的点击概率以及各样本候选推荐内容的点击概率；基
于各样本候选推荐功能的点击概率以及各样本候选推荐内容的点击概率，分别确定各样本候选推荐功能与对应的各样本候选推荐内容之间的样本联合点击概率；基于样本联合点击概率，确定样本目标推荐功能以及样本目标推荐功能对应的样本目标推荐内容；基于样本目标推荐功能与标注推荐功能之间的差异、样本目标推荐内容与标注推荐内容之间的差异，调整预测模型的网络参数。
[0016]其中，获取输入法中的多个候选推荐功能以及各候选推荐功能对应的多个候选推荐内容的步骤是响应于输入法的输入键盘的弹出或者用户对输入法的预设图标的选择操作而执行的；和/或，基于联合点击概率，确定输入法的目标推荐功能以及目标推荐功能对应的目标推荐内容，包括：将联合点击概率符合推荐要求的候选推荐功能和候选推荐内容，确定为目标推荐功能和目标推荐内容。
[0017]为解决上述技术问题，本申请采用的另一个技术方案是：提供一种用于输入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于输入法的推荐方法，其特征在于，所述方法包括：获取输入法中的多个候选推荐功能以及各所述候选推荐功能对应的多个候选推荐内容；利用预测模型预测得到各所述候选推荐功能的点击概率以及各所述候选推荐内容的点击概率，所述候选推荐内容的点击概率表示所述候选推荐内容在所属的所述候选推荐功能的所述多个候选推荐内容中被点击的可能性；基于各所述候选推荐功能的点击概率以及各所述候选推荐内容的点击概率，分别确定各所述候选推荐功能与对应的各所述候选推荐内容之间的联合点击概率；基于所述联合点击概率，确定所述输入法的目标推荐功能以及所述目标推荐功能对应的目标推荐内容。2.根据权利要求1所述的方法，其特征在于，所述利用预测模型预测得到各所述候选推荐功能的点击概率以及各所述候选推荐内容的点击概率，包括：利用所述预测模型的功能预测网络基于各所述候选推荐功能的功能参考参数，预测各所述候选推荐功能的点击概率，以及，利用所述预测模型的内容预测网络基于各所述候选推荐内容的内容参考参数，预测各所述候选推荐内容的点击概率。3.根据权利要求2所述的方法，其特征在于，各所述候选推荐功能的功能参考参数包括用户历史点击记录中的至少一个历史功能特征、各所述候选推荐功能对应的候选功能特征以及功能辅助特征，所述功能辅助特征包括用户特征和上下文特征中的至少一个，所述上下文特征包括运行所述输入法的设备的至少一个当前状态信息；各所述候选推荐内容的内容参考参数包括所述用户历史点击记录中的至少一个历史内容特征、各所述候选推荐内容对应的候选内容特征以及内容辅助特征，所述内容辅助特征包括所述用户特征和所述上下文特征中的至少一个。4.根据权利要求2所述的方法，其特征在于，各所述候选推荐功能的功能参考参数包括用户历史点击记录中的至少一个历史功能特征和各所述候选推荐功能对应的候选功能特征；所述基于各所述候选推荐功能的功能参考参数，预测各所述候选推荐功能的点击概率，包括：对于各所述候选推荐功能，获取所述候选推荐功能的各所述功能参考参数对应的参数特征向量；利用所述功能预测网络的功能兴趣提取层基于各所述历史功能特征对应的参数特征向量和各所述候选功能特征对应的参数特征向量，提取用户对各所述候选推荐功能的功能兴趣向量；利用所述功能预测网络的第一预测层基于各所述候选推荐功能对应的所述功能兴趣向量，预测各所述候选推荐功能的点击概率。5.根据权利要求4所述的方法，其特征在于，所述基于各所述历史功能特征对应的参数特征向量和各所述候选功能特征对应的参数特征向量，提取用户对各所述候选推荐功能的功能兴趣向量，包括：对于各所述候选功能特征，基于各所述历史功能特征对应的参数特征向量和所述候选
功能特征对应的参数特征向量进行注意力处理，得到各所述历史功能特征关于所述候选功能特征的注意力权重，各所述历史功能特征对应的注意力权重表示各所述历史功能特征与所述候选功能特征之间的关联程度；利用各所述历史功能特征关于所述候选功能特征的注意力权重，对各所述历史功能特征对应的参数特征向量进行加权处理，得到所述候选功能特征对应的功能兴趣向量；和/或，所述候选推荐功能的功能参考参数还包括功能辅助特征，所述基于各所述候选推荐功能对应的所述功能兴趣向量，预测各所述候选推荐功能的点击概率，包括：对于各所述候选推荐功能，基于所述候选推荐功能对应的所述功能兴趣向量、各所述候选功能特征对应的参数特征向量以及所述功能辅助特征对应的参数特征向量，预测得到所述候选推荐功能的点击概率。6.根据权利要求2所述的方法，其特征在于，所述候选推荐内容的内容参考参数包括用户历史点击记录中的至少一个历史内容特征；所述基于各所述候选推荐内容的内容参考参数，预测各所述候选推荐内容的点击概率，包括：对于各所述候选推荐内容，获取所述候选推荐内容的各所述内容参考参数对应的参数特征向量；利用所述内容预测网络的内容兴趣提取层基于各所述历史内容特征对应的参数特征向量，提取用户的内容兴趣向量；利用所述内容预测网络的第二预测层基于所述内容兴趣向量，预测各所述候选推荐内容的点击概率。7.根据权利要求6所述的方法，其特征在于...

【专利技术属性】
技术研发人员：吴志强，程磊，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：