人群定向方法、实体知识图谱生成方法、对象推广方法及装置制造方法及图纸

本说明书实施例提供人群定向方法、实体知识图谱生成方法、对象推广方法及装置。在进行人群定向时，对待推广对象的对象描述进行实体提取。使用实体知识图谱来对所提取的实体进行基于图谱推理的实体扩展。随后，根据经过扩展后的实体和用户实体偏好度，确定待推广对象的目标人群。目标人群。目标人群。

【技术实现步骤摘要】
人群定向方法、实体知识图谱生成方法、对象推广方法及装置


[0001]本说明书实施例通常涉及人工智能领域，尤其涉及人群定向方法、实体知识图谱生成方法、对象推广方法及装置。

技术介绍

[0002]例如谷歌和腾讯等的互联网平台公司可以为消费者提供各种产品和服务，比如，为消费者提供数字生活服务和数字金融服务。在互联网平台公司提供服务或产品时，例如，待推广的新服务或新产品，为了提升服务或产品的日活用户数，需要针对服务或产品进行推广。在服务或产品推广(例如，针对服务或产品的推广活动或营销活动)时，需要有效地定位对服务或产品感兴趣的目标用户，并将该服务或产品推荐给目标用户，由此提升服务或产品的用户转化率。

技术实现思路

[0003]本说明书实施例提供人群定向方法、实体知识图谱生成方法、对象推广方法及装置。利用该人群定向方案，通过从待推广对象的对象描述中提取出对象描述中的实体词，并使用实体知识图谱对所提取的实体词执行图谱推理来进行实体扩展，并基于扩展后的实体和用户实体偏好度来确定待推广对象的目标人群，由此解决人群定向时的冷启动问题。
[0004]根据本说明书实施例的一个方面，提供一种用于目标人群定向的方法，包括：对待推广对象的对象描述进行实体提取；使用实体知识图谱来对所提取的实体进行基于图谱推理的实体扩展；以及根据经过扩展后的实体和用户实体偏好度，确定所述待推广对象的目标人群。
[0005]可选地，在上述方面的一个示例中，所述方法还可以包括：对所述经过扩展后的实体进行实体筛选。根据经过扩展后的实体和用户实体偏好度，确定所述待推广对象的目标人群可以包括：根据经过实体筛选后的实体和用户实体偏好度，确定所述待推广对象的目标人群。
[0006]可选地，在上述方面的一个示例中，所述方法还可以包括：基于用户历史行为数据，生成实体知识图谱。
[0007]可选地，在上述方面的一个示例中，基于用户历史行为数据，生成实体知识图谱可以包括：从用户历史行为数据中提取出用户实体序列；根据所述用户实体序列，构建初始实体知识图谱，所述初始实体知识图谱的实体节点具有关于共现级关系的实体表征(Embedding)；使用实体节点的实体表征，在所述实体节点之间进行链接关系预测；以及根据链接关系预测结果更新所述初始实体知识图谱，以生成所述实体知识图谱。
[0008]可选地，在上述方面的一个示例中，根据所述用户实体序列，构建初始实体知识图谱可以包括：根据所述用户实体序列和给定语料库，构建初始实体知识图谱，所述初始实体知识图谱的实体节点具有关于共现级关系和语义级关系的实体表征。
[0009]可选地，在上述方面的一个示例中，基于用户历史行为数据，生成实体知识图谱还
可以包括：使用图神经网络来基于所述初始实体知识图谱对实体节点的实体表征进行图学习，以得到实体节点的经过图增强处理后的实体表征。使用实体节点的实体表征，在所述实体节点之间进行链接关系预测可以包括：使用实体节点的经过图增强处理后的实体表征，在所述实体节点之间进行链接关系预测。
[0010]可选地，在上述方面的一个示例中，使用实体节点的实体表征，在所述实体节点之间进行链接关系预测可以包括：将实体节点的实体表征提供给链接关系预测模型来在所述实体节点之间进行链接关系预测。
[0011]可选地，在上述方面的一个示例中，所述链接关系预测模型可以通过使用实体节点的实体表征来执行基于多任务的模型预测过程训练出，所述多任务包括链接关系预测任务和预测阈值学习任务。
[0012]可选地，在上述方面的一个示例中，所述多任务还可以包括对比学习任务。
[0013]可选地，在上述方面的一个示例中，所述用户历史行为数据包括针对多个给定时间段的用户历史行为数据，所述实体节点包括针对所述多个给定时间段的多个实体表征，以及所述链接关系预测模型包括表征级联层、多头注意力编码层和多层感知层。
[0014]可选地，在上述方面的一个示例中，所述用户实体偏好度基于用户表征和实体表征确定，以及所述用户表征根据对应用户实体序列中的各个实体的经过级联后的实体表征确定。
[0015]根据本说明书的实施例的另一方面，提供一种用于生成实体知识图谱的方法，包括：从用户历史行为数据中提取出用户实体序列；根据所述用户实体序列，构建初始实体知识图谱，所述初始实体知识图谱的实体节点具有关于共现级关系的实体表征；使用实体节点的实体表征，在所述实体节点之间进行链接关系预测；以及根据链接关系预测结果更新所述初始实体知识图谱，以生成所述实体知识图谱。
[0016]可选地，在上述方面的一个示例中，所述方法还可以包括：使用图神经网络来基于所述初始实体知识图谱对实体节点的实体表征进行图学习，以得到实体节点的经过图增强处理后的实体表征。使用实体节点的实体表征，在所述实体节点之间进行链接关系预测可以包括：使用实体节点的经过图增强处理后的实体表征，在所述实体节点之间进行链接关系预测。
[0017]可选地，在上述方面的一个示例中，使用实体节点的实体表征，在所述实体节点之间进行链接关系预测可以包括：将实体节点的实体表征提供给链接关系预测模型来在所述实体节点之间进行链接关系预测。
[0018]可选地，在上述方面的一个示例中，所述链接关系预测模型通过使用实体节点的实体表征来执行基于多任务的模型预测过程训练出，所述多任务包括链接关系预测任务和预测阈值学习任务。
[0019]可选地，在上述方面的一个示例中，所述多任务还包括对比学习任务。
[0020]根据本说明书的实施例的另一方面，提供一种对象推广方法，包括：对目标对象的对象描述进行实体提取；使用实体知识图谱来对所提取的实体进行基于图谱推理的实体扩展；根据经过扩展后的实体和用户实体偏好度，确定所述目标对象的目标人群；以及向所述目标人群推广所述目标对象。
[0021]根据本说明书的实施例的另一方面，提供一种用于目标人群定向的装置，包括：实
体提取单元，对待推广对象的对象描述进行实体提取；实体扩展单元，使用实体知识图谱来对所提取的实体进行基于图谱推理的实体扩展；以及人群定向单元，根据经过扩展后的实体和用户实体偏好度，确定所述待推广对象的目标人群。
[0022]可选地，在上述方面的一个示例中，所述装置还可以包括：实体知识图谱生成单元，基于用户历史行为数据，生成实体知识图谱。
[0023]可选地，在上述方面的一个示例中，所述实体知识图谱生成单元包括：实体序列提取模块，从用户历史行为数据中提取出用户实体序列；实体知识图谱构建模块，根据所述用户实体序列，构建初始实体知识图谱，所述初始实体知识图谱的实体节点具有关于共现级关系的实体表征；链接关系预测模块，使用实体节点的实体表征，在所述实体节点之间进行链接关系预测；以及实体知识图谱更新模块，根据链接关系预测结果更新所述初始实体知识图谱，以生成所述实体知识图谱。
[0024]可选地，在上述方面的一个示例中，所述实体知识图谱生成单元还可以包括：图增强模块，使用图神经网络来基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于目标人群定向的方法，包括：对待推广对象的对象描述进行实体提取；使用实体知识图谱来对所提取的实体进行基于图谱推理的实体扩展；以及根据经过扩展后的实体和用户实体偏好度，确定所述待推广对象的目标人群。2.如权利要求1所述的方法，还包括：对所述经过扩展后的实体进行实体筛选，根据经过扩展后的实体和用户实体偏好度，确定所述待推广对象的目标人群包括：根据经过实体筛选后的实体和用户实体偏好度，确定所述待推广对象的目标人群。3.如权利要求1所述的方法，还包括：基于用户历史行为数据，生成实体知识图谱。4.如权利要求3所述的方法，其中，基于用户历史行为数据，生成实体知识图谱包括：从用户历史行为数据中提取出用户实体序列；根据所述用户实体序列，构建初始实体知识图谱，所述初始实体知识图谱的实体节点具有关于共现级关系的实体表征；使用实体节点的实体表征，在所述实体节点之间进行链接关系预测；以及根据链接关系预测结果更新所述初始实体知识图谱，以生成所述实体知识图谱。5.如权利要求4所述的方法，其中，根据所述用户实体序列，构建初始实体知识图谱包括：根据所述用户实体序列和给定语料库，构建初始实体知识图谱，所述初始实体知识图谱的实体节点具有关于共现级关系和语义级关系的实体表征。6.如权利要求4或5所述的方法，其中，基于用户历史行为数据，生成实体知识图谱还包括：使用图神经网络来基于所述初始实体知识图谱对实体节点的实体表征进行图学习，以得到实体节点的经过图增强处理后的实体表征，使用实体节点的实体表征，在所述实体节点之间进行链接关系预测包括：使用实体节点的经过图增强处理后的实体表征，在所述实体节点之间进行链接关系预测。7.如权利要求4或5所述的方法，其中，使用实体节点的实体表征，在所述实体节点之间进行链接关系预测包括：将实体节点的实体表征提供给链接关系预测模型来在所述实体节点之间进行链接关系预测。8.如权利要求7所述的方法，其中，所述链接关系预测模型通过使用实体节点的实体表征来执行基于多任务的模型预测过程训练出，所述多任务包括链接关系预测任务和预测阈值学习任务。9.如权利要求8所述的方法，其中，所述多任务还包括对比学习任务。10.如权利要求7所述的方法，其中，所述用户历史行为数据包括针对多个给定时间段的用户历史行为数据，所述实体节点包括针对所述多个给定时间段的多个实体表征，以及所述链接关系预测模型包括表征级联层、多头注意力编码层和多层感知层。11.如权利要求10所述的方法，其中，所述用户实体偏好度基于用户表征和实体表征确
定，以及所述用户表征根据对应用户实体序列中的各个实体的经过级联后的实体表征确定。12.一种用于生成实体知识图谱的方法，包括：从用户历史行为数据中提取出用户实体序列；根据所述用户实体序列，构建初始实体知识图谱，所述初始实体知识图谱的实体节点具有关于共现级关系的实体表征；使用实体节点的实体表征，在所述实体节点之间进行链接关系预测；以及根据链接关系预测结果更新所述初始实体知识图谱，以生成所述实体知识图谱。13.如权利要求12所述的方法，还包括：使用图神经网络来基于所述初始实体知识图谱对实体节点的实体表征进行图学习，以得到实体节点的经过图增强处理后的实体表征，使用实体节点的实体表征，在所述实体节点之间进行链接关系预测包括：使用实体节点的经过图增强处理后的实体表征，在所述实体节点之间进行链接关系预测。14.如权利要求12所述的方法，其中，使用实体节点的实体表征，在所述实体节点之间进行链接关系预测包括：将实体节点的实体表征...

【专利技术属性】
技术研发人员：杨丹，胡斌斌，杨晓燕，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：