推荐策略的预测处理方法及装置制造方法及图纸

本说明书实施例提供了推荐策略的预测处理方法及装置，其中，一种推荐策略的预测处理方法包括：在进行推荐策略的预测的过程中，对推荐策略树进行解析获得至少一个推荐路径和推荐对象，并确定进行推荐对象展示的页面渠道，根据推荐对象和页面渠道构建多个对象渠道组合，并构建各对象渠道组合与用户样本的预测特征集，将构建获得的预测特征集输入预测模型进行推荐触发预测，获得预测标签，根据预测标签计算各对象渠道组合的预测参数，在推荐配置表中查询至少一个推荐路径的推荐系数，根据各对象渠道组合的预测参数和至少一个推荐路径对应的推荐系数，计算推荐策略树的推荐指标。计算推荐策略树的推荐指标。计算推荐策略树的推荐指标。

【技术实现步骤摘要】
推荐策略的预测处理方法及装置


[0001]本文件涉及数据处理
，尤其涉及一种推荐策略的预测处理方法及装置。

技术介绍

[0002]随着互联网技术的不断发展，应用程序提供方开始提供给商家接入应用程序的能力，应用程序提供方在应用程序内将商家的文案、活动信息和奖励投放给用户，用户通过触发交互的方式进入对应的商家服务中，但随着商家的不断增多，越来越多的商家期望在应用程序内投放信息吸引用户，这对应用程序提供方提出了更高的要求。

技术实现思路

[0003]本说明书一个或多个实施例提供了一种推荐策略的预测处理方法，包括：对推荐策略树进行解析获得至少一个推荐路径和推荐对象，并确定进行推荐对象展示的页面渠道。根据所述推荐对象和所述页面渠道构建多个对象渠道组合，并构建各对象渠道组合与用户样本的预测特征集。将构建获得的预测特征集输入预测模型进行推荐触发预测，获得预测标签。根据所述预测标签计算所述各对象渠道组合的预测参数，并在推荐配置表中查询所述至少一个推荐路径的推荐系数。根据所述各对象渠道组合的预测参数和所述至少一个推荐路径对应的推荐系数，进行所述推荐策略树的推荐指标计算。
[0004]本说明书一个或多个实施例提供了一种推荐策略的预测处理装置，包括：推荐策略树解析模块，被配置为对推荐策略树进行解析获得至少一个推荐路径和推荐对象，并确定进行推荐对象展示的页面渠道。预测特征集构建模块，被配置为根据所述推荐对象和所述页面渠道构建多个对象渠道组合，并构建各对象渠道组合与用户样本的预测特征集。推荐触发预测模块，被配置为将构建获得的预测特征集输入预测模型进行推荐触发预测，获得预测标签。预测参数计算模块，被配置为根据所述预测标签计算所述各对象渠道组合的预测参数，并在推荐配置表中查询所述至少一个推荐路径的推荐系数。推荐指标计算模块，被配置为根据所述各对象渠道组合的预测参数和所述至少一个推荐路径对应的推荐系数，进行所述推荐策略树的推荐指标计算。
[0005]本说明书一个或多个实施例提供了一种推荐策略的预测处理设备，包括：处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：对推荐策略树进行解析获得至少一个推荐路径和推荐对象，并确定进行推荐对象展示的页面渠道。根据所述推荐对象和所述页面渠道构建多个对象渠道组合，并构建各对象渠道组合与用户样本的预测特征集。将构建获得的预测特征集输入预测模型进行推荐触发预测，获得预测标签。根据所述预测标签计算所述各对象渠道组合的预测参数，并在推荐配置表中查询所述至少一个推荐路径的推荐系数。根据所述各对象渠道组合的预测参数和所述至少一个推荐路径对应的推荐系数，进行所述推荐策略树的推荐指标计算。
[0006]本说明书一个或多个实施例提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：对推荐策略树进行解析获得至少
一个推荐路径和推荐对象，并确定进行推荐对象展示的页面渠道。根据所述推荐对象和所述页面渠道构建多个对象渠道组合，并构建各对象渠道组合与用户样本的预测特征集。将构建获得的预测特征集输入预测模型进行推荐触发预测，获得预测标签。根据所述预测标签计算所述各对象渠道组合的预测参数，并在推荐配置表中查询所述至少一个推荐路径的推荐系数。根据所述各对象渠道组合的预测参数和所述至少一个推荐路径对应的推荐系数，进行所述推荐策略树的推荐指标计算。
附图说明
[0007]为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图；
[0008]图1为本说明书一个或多个实施例提供的一种推荐策略的预测处理方法实施环境示意图；
[0009]图2为本说明书一个或多个实施例提供的一种推荐策略的预测处理方法处理流程图；
[0010]图3为本说明书一个或多个实施例提供的一种推荐策略树示意图；
[0011]图4为本说明书一个或多个实施例提供的一种预测模型的推荐触发预测的示意图；
[0012]图5为本说明书一个或多个实施例提供的一种推荐配置表配置流程的示意图；
[0013]图6为本说明书一个或多个实施例提供的一种推荐策略的预测处理方法处理示意图；
[0014]图7为本说明书一个或多个实施例提供的一种应用于商家营销场景的处理方法处理流程图；
[0015]图8为本说明书一个或多个实施例提供的一种推荐策略的预测处理装置实施例的示意图；
[0016]图9为本说明书一个或多个实施例提供的一种推荐策略的预测处理设备的结构示意图。
具体实施方式
[0017]为了使本
的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。
[0018]本实施例提供的一个或者多个实施例提供的推荐策略的预测处理方法，可适用于推荐策略的预测处理这一实施环境，参照图1，该实施环境至少包括服务器101。服务器101可以是一台服务器或者由若干台服务器组成的服务器集群，或者是云计算平台中的一个或者多个云服务器，服务器101用于运行预测模型获得预测标签，基于预测标签计算推荐策略
树的推荐指标，服务器101还可用于进行推荐策略树的配置与存储。
[0019]该实施环境还可以包括预测模型102，预测模型102可以部署在服务器101内。预测模型102用于对服务器101输入的预测特征集进行推荐触发预测，输出预测标签。
[0020]该实施环境还可以包括系数计算服务器103，系数计算服务器103可以是一台服务器或者由若干台服务器组成的服务器集群，或者是云计算平台中的一个或者多个云服务器。系数计算服务器103用于进行各推荐路径的推荐系数的计算，以及基于推荐系数配置推荐配置表。
[0021]该实施环境还可以包括数据库104，数据库104可以部署在系数计算服务器103内。数据库104用于存储系数计算服务器103计算的推荐系数与配置的推荐配置表，服务器101可以从数据库104中获取推荐配置表，并在推荐配置表中查询推荐系数。
[0022]此外，系数计算服务器103的功能也可以由服务器101实现，即：服务器101进行各推荐路径的推荐系数的计算，基于推荐系数配置推荐配置表并存储。
[0023]该实施环境中，在进行推荐策略的预测处理的过程中，服务器101对存储的推荐策略树进行解析获得至少一个推荐路径和推荐对象，并确定进行推荐对象展示的页面渠道，根据推荐对象和页面渠道构建本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种推荐策略的预测处理方法，包括：对推荐策略树进行解析获得至少一个推荐路径和推荐对象，并确定进行推荐对象展示的页面渠道；根据所述推荐对象和所述页面渠道构建多个对象渠道组合，并构建各对象渠道组合与用户样本的预测特征集；将构建获得的预测特征集输入预测模型进行推荐触发预测，获得预测标签；根据所述预测标签计算所述各对象渠道组合的预测参数，并在推荐配置表中查询所述至少一个推荐路径的推荐系数；根据所述各对象渠道组合的预测参数和所述至少一个推荐路径对应的推荐系数，进行所述推荐策略树的推荐指标计算。2.根据权利要求1所述的推荐策略的预测处理方法，所述对推荐策略树进行解析获得至少一个推荐路径和推荐对象，包括：提取所述推荐策略树包含的用户标签、至少一个推荐规则和至少一个推荐对象；对所述用户标签、所述至少一个推荐规则和所述至少一个推荐对象进行组合获得所述至少一个推荐路径。3.根据权利要求1所述的推荐策略的预测处理方法，所述预测特征集，包括下述至少一项：用户样本的用户特征，用户样本对应的访问对象与访问渠道的访问特征序列，对象渠道组合包含的推荐对象的对象特征，对象渠道组合包含的页面渠道的渠道特征，对象渠道组合的预测特征序列。4.根据权利要求1所述的推荐策略的预测处理方法，所述构建各对象渠道组合与用户样本的预测特征集，包括：对所述用户样本的样本数据进行特征提取获得用户特征；对所述用户样本对应的访问对象与访问渠道的历史访问数据进行特征提取获得访问特征序列；对所述各对象渠道组合的推荐对象数据和页面渠道数据进行特征提取获得对象特征和渠道特征，并对所述对象特征和所述渠道特征进行特征拼接获得预测特征序列。5.根据权利要求1所述的推荐策略的预测处理方法，所述进行推荐触发预测，包括：对所述预测特征集包含的用户特征、对象特征和渠道特征进行特征降维和特征拼接获得拼接特征；对所述预测特征集包含的访问特征序列和预测特征序列进行时序注意力计算，获得时序注意力特征；基于所述拼接特征和所述时序注意力特征进行用户样本针对对象渠道组合的推荐触发预测，获得所述预测标签。6.根据权利要求1所述的推荐策略的预测处理方法，所述预测模型，包括：降维模块、时序处理模块、自注意力计算模块、注意力计算模块、特征处理模块和预测模块；其中，通过所述降维模块对所述预测特征集包含的用户特征、对象特征和渠道特征进行特征降维和特征拼接获得拼接特征；通过所述时序处理模块对所述预测特征集包含的访问特征序列进行特征时序处理获
得第一序列，并对包含的预测特征序列进行特征时序处理获得第二序列；通过所述自注意力计算模块对所述第一序列进行自注意力计算获得第一注意力序列；通过所述注意力计算模块对所述第一序列和所述第二序列进行查询注意力计算获得第二注意力序列；通过所述特征处理模块对所述第一注意力序列和所述第二注意力序列进行特征处理获得注意力序列；通过所述预测模块对所述拼接特征和所述注意力序列进行推荐触发预测，获得所述预测标签。7.根据权利要求6所述的推荐策略的预测处理方法，所述特征处理模块包括：特征拼接层、时序处理层和特征降维层；其中，通过所述特征拼接层对所述第一注意力序列和所述第二注意力序列进行特征拼接，获得拼接序列；通过所述时序处理层对所述拼接序列进行时序处理，获得时序序列；通过所述特征降维层对所述时序序列进行特征降维获得所述注意力序列。8.根据权利要求1所述的推荐策略的预测处理方法，所述根据所述预测标签计算所述各对象渠道组合的预测参数，包括：在所述各对象渠道组合与样本集合中每个用户样本的预测标签组成的标签集合中，筛选出标签类型为访问类型的预测标签；计算筛选出的预测标签的标签数与所述标签集合的总标签数的访问占比作为所述预测参数。9.根据权利要求8所述的推荐策略的预测处理方法，所述根据所述各对象渠道组合的预测参数和所述至少一个推荐路径对应的推荐系数，进行所述推荐策略树的推荐指标计算，包括：根据每个推荐路径包含的各推荐规则对应的对象渠道组合的访问占比，计算所述每个推荐路径包含的各推荐规则的触发占比；根据所述每个推荐路径包含的各推荐规则的触发占比和所述...

【专利技术属性】
技术研发人员：王珍懿，叶翔，宁海燕，
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：