电子权益凭证的发放方法技术

本说明书实施方式提供了一种电子权益凭证的发放方法

【技术实现步骤摘要】
电子权益凭证的发放方法、训练方法以及相关装置


[0001]本说明书中实施方式关于互联网
，具体关于一种电子权益凭证的发放方法
、
训练方法以及相关装置
。

技术介绍

[0002]随着互联网技术的发展，人们已经习惯于在网络购物平台上购买商品
。
同样，有很多商家在网络购物平台上开设网店，销售商品
。
[0003]随着网络购物平台的快速发展，网店的数量越来越多
。
使得，多个网店之间的竞争也越来越激烈
。
为了可以销售更多的商品，一些商家愿意让渡一部分利益给消费者，通过向消费者发放优惠券的方式，来提升网店的商品销量，如此获得网店中商品更多的曝光度和流量
。
[0004]网络购物平台上通常会有大量的用户，如果没有适当的消费券发放策略，难以把消费券发放给真正存在需求的用户账户
。
或者，商家投入了大量的财力之后，没有带来相应的产品销量转化
。
[0005]此时，为了在大量的用户账户中，筛选出需要优惠券的目标用户账本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种电子权益凭证的发放方法，其特征在于，所述方法包括：获取用户行为数据；其中，所述用户行为数据表示用户针对商品对象发生指定行为；将所述用户行为数据输入双塔模型中的用户塔中，以使所述双塔模型输出向所述用户行为数据对应用户发放电子权益凭证之后，所述商品对象对应的商品收益的增长概率值；其中，所述双塔模型是与指定转化率模型进行蒸馏学习训练得到的；所述双塔模型的模型规模小于所述指定转化率模型的模型规模；在所述增长概率值满足指定条件的情况下，向所述用户行为数据对应的用户账户发放电子权益凭证
。2.
一种联合训练方法，其特征在于，用于训练如权利要求1中的所述双塔模型，所述方法包括：获取样本数据；其中，所述样本数据具有样本标签；将所述样本数据分别输入指定转化率模型和双塔模型，以使得所述指定转化率模型输出针对所述样本数据的转化概率值，和由所述双塔模型输出对应所述样本数据的增长概率值；根据所述转化概率值
、
所述增长概率值
、
所述增长概率值和所述样本标签构建结果损失函数；根据所述结果损失函数校正所述双塔模型；其中，通过所述结果损失函数作用于所述双塔模型实现所述双塔模型对所述指定转化率模型的结果蒸馏学习
。3.
根据权利要求2所述的方法，其特征在于，所述样本数据包括第一组样本数据和第二组样本数据；所述第一组样本数据和所述第二组样本数据均分别包括正样本数据和负样本数据；其中，所述第一组样本数据中的样本数据为被发放电子权益凭证，所述第二组样本数据中的样本数据没有被发放电子权益凭证
。4.
根据权利要求2所述的方法，其特征在于，所述指定转化率模型包括多个转化率模型中间层；所述双塔模型中的用户塔包括多个用户塔中间层，以及，产品塔包括多个产品塔中间层；所述方法还包括：构建至少一个转化率模型中间层，与用户塔中间层和产品塔中间层的中间层损失函数；根据所述中间层损失函数校正所述双塔模型中的用户塔中间层和产品塔中间层，以实现所述双塔模型对所述指定转化率模型的中间层蒸馏学习
。5.
根据权利要求4所述的方法，其特征在于，所述转化率模型中间层包括第一向量生成层，所述第一向量生成层用于对应所述样本数据的用户行为数据生成第一用户特征向量，对应所述样本数据的商品特征数据生成第一商品特征向量；所述用户塔中间层包括第二向量生成层，所述第二向量生成层用于对应所述样本数据的用户行为数据生成第二用户特征向量，所述产品塔中间层包括第三向量生成层，所述第三向量生成层用于对应所述样本数据的商品特征数据生成第二商品特征向量；所述第二用户特征向量的维数小于所述第一用户特征向量的维数，所述第二商品特征向量的维数小于所述第一商品特征向量的维数；所述方法还包括：将所述指定转化率模型的第一用户特征向量转换成与所述第二用户特征向量相同的向量空间得到转换用户特征向量，以及，将所述指定转化率模型的第一商品特征向量转换
成与所述第二商品特征向量相同的向量空间得到转换商品特征向量；根据所述转换用户特征向量
、
所述第二用户特征向量
、
所述转换商品特征向量与所述第二商品特征向量，构建所述中间层损失函数；根据所述中间层损...

【专利技术属性】
技术研发人员：杨涛，
申请(专利权)人：阿里健康科技杭州有限公司，
类型：发明
国别省市：