确定服务平台向用户推荐的目标对象的方法和装置制造方法及图纸

本说明书实施例提供一种确定服务平台向用户推荐的目标对象的方法和装置，方法包括：获取第一用户的用户画像特征、第一用户在服务平台历史交互过的各对象构成的交互序列的序列特征、向第一用户推荐的备选对象的备选对象特征；备选对象为多个对象中的任一对象；将用户画像特征、序列特征、备选对象特征输入预先训练的神经网络模型，输出关于第一用户本次与备选对象交互的至少一个第一指标的第一预测指标值，以及与第一用户复登服务平台有关的至少一个第二指标的第二预测指标值；根据各个对象对应的第一预测指标值和第二预测指标值，从多个对象中确定出服务平台向第一用户推荐的目标对象。能够使得确定出的目标对象更符合用户偏好。户偏好。户偏好。

【技术实现步骤摘要】
确定服务平台向用户推荐的目标对象的方法和装置


[0001]本说明书一个或多个实施例涉及计算机领域，尤其涉及确定服务平台向用户推荐的目标对象的方法和装置。

技术介绍

[0002]服务平台提供可交互的多个对象，每个对象对应于向用户提供的产品或服务。服务平台常常会在用户登录后，向用户推荐目标对象，通过突出显示该目标对象来提示用户与该目标对象进行交互。为了提升用户体验，希望通过一定的方式确定服务平台向用户推荐的目标对象，使得该目标对象符合用户偏好。
[0003]现有技术中，通常利用神经网络模型对用户本次与各个对象的交互概率进行预测，选择出交互概率最大的对象作为服务平台向用户推荐的目标对象。随着隐私数据保护力度的增大，上述神经网络模型在训练和利用过程中均可能涉及隐私数据，需要注意防止隐私数据泄露。可以理解的是，现有技术的方案，针对用户本次与各个对象的交互概率进行预测，也就是说，如果本次用户与目标对象发生了交互，则认为上述目标对象符合用户偏好，如果本次用户与目标对象未发生交互，则认为上述目标对象不符合用户偏好。由于本次用户与目标对象发生交互的原因，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种确定服务平台向用户推荐的目标对象的方法，所述服务平台提供可交互的多个对象，每个对象对应于向用户提供的产品或服务，所述方法包括：获取第一用户的用户画像特征、所述第一用户在所述服务平台历史交互过的各对象构成的交互序列的序列特征、向所述第一用户推荐的备选对象的备选对象特征；所述备选对象为所述多个对象中的任一对象；将所述用户画像特征、所述序列特征、所述备选对象特征输入预先训练的神经网络模型进行模型处理，通过所述神经网络模型输出关于所述第一用户本次与备选对象交互的至少一个第一指标的第一预测指标值，以及与所述第一用户复登所述服务平台有关的至少一个第二指标的第二预测指标值；根据多个对象中各个对象对应的所述第一预测指标值和所述第二预测指标值，从所述多个对象中确定出所述服务平台向所述第一用户推荐的目标对象。2.如权利要求1所述的方法，其中，所述交互包括以下中的一项或多项：浏览、收藏、加购物车、购买、支付。3.如权利要求1所述的方法，其中，所述序列特征包括交互过的各个对象分别对应的交互对象特征，所述交互对象特征包括对象标识、历史交互行为距离当前时刻的时间间隔；所述备选对象特征包括备选对象的对象标识。4.如权利要求3所述的方法，其中，所述时间间隔编码为时间嵌入向量，所述时间嵌入向量通过将时间信息拆分为针对多个时间周期的成分的叠加，并将各个成分拼接而形成。5.如权利要求3所述的方法，其中，所述神经网络模型包括多个分支网络，以及各分支网络共享的序列表征模块，所述模型处理包括，通过所述序列表征模块，对各个所述交互对象特征和所述备选对象特征采用基于注意力机制的编码，得到序列表征向量；通过所述多个分支网络，基于所述序列表征向量分别预测得到所述第一预测指标值和所述第二预测指标值。6.如权利要求5所述的方法，其中，所述基于注意力机制的编码，包括：针对交互过的各个对象和所述备选对象中属于同一对象类别的所述交互对象特征和所述备选对象特征采用注意力机制进行表征处理，得到该对象类别对应的序列表征子向量；对各个对象类别对应的序列表征子向量进行拼接，得到所述序列表征向量。7.如权利要求5所述的方法，其中，所述基于注意力机制的编码，包括：针对交互过的各个对象和所述备选对象中属于同一对象类别的所述交互对象特征和所述备选对象特征采用注意力机制进行表征处理，得到该对象类别对应的序列表征子向量；针对交互过的各个对象分别对应的所述交互对象特征和所述备选对象的所述备选对象特征采用注意力机制进行表征处理，得到全局的序列表征子向量；对各个对象类别对应的序列表征子向量和全局的序列表征子向量进行拼接，得到所述序列表征向量。8.如权利要求1所述的方法，其中，所述第一指标包括：点击率。9.如权利要求1所述的方法，其中，所述第二指标包括：
用户点击备选对象后复登所述服务平台的概率、用户复登与点击备选对象的时间间隔或用户复登时点击的对象。10.如权利要求1所述的方法，其中，所述至少一个第二指标包括：用户复登与点击备选对象的时间间隔、用户复登时点击的对象；所述神经网络模型基于用户复登时点击的对象的预测结果，预测用户复登与点击备选对象的时间间隔。11.如权利要求1所述的方法，其中，所述根据多个对象中各个对象对应的所述第一预测指标值和所述第二预测指标值，从所述多个对象中确定出所述服务平台向所述第一用户推荐的目标对象，包括：根据任一对象的第一预测指标值，确定第一分数；根据该对象的第二预测指标值，确定第二分数；根据预先设定的权重，对第一分数和第二分数加权求和，得到该对象的综合分数；根据多个对象中各个对象对应的综合分数，从所述多个对象中确定出所述服务平台向所述第一用户推荐的目标对象。12.如权利要求11所述的方法，其中，所述第二指标包括：用户点击备选对象后复登所述服务平台的概...

【专利技术属性】
技术研发人员：杨晓燕，王东，胡斌斌，申月，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：