System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
所属的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。下面参照图9来描述根据本公开的这种实施方式的电子设备900。图9显示的电子设备900仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。如图9所示,电子设备900以通用计算设备的形式表现。电子设备900的组件可以包括但不限于:上述至少一个处理单元910、上述至少一个存储单元920、连接不同系统组件(包括存储单元920和处理单元910)的总线930以及显示单元940。其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元910执行,使得所述处理单元910执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如,所述处理单元910可以执行如图1中所示的:步骤s110,将用户的特征信息和与特征信息相关联的多个候选待投放信息输入至训练好的信息筛选模型中;信息筛选模型包括双塔结构网络和分类网络;步骤s120,通过双塔结构网络对每个候选待投放信息和特征信息进行融合处理,获得每个候选待投放信息和特征信息对应的融合信息;步骤s130,通过分类网络对融合信息进行分类处理,获得每个融合信息对应的分类结果;分类结果用于表征每个候选待投放信息和特征信息之间的关联度;步骤s140,根据多个分类结果,从多个候选待投放信息中选取目标待投放信息。存储单元920可以包括易失性存储单元
技术介绍
1、随着计算机及互联网技术的迅速发展,相关个性化信息推荐技术应运而生。个性化信息推荐是根据用户的兴趣和偏好为其推荐定制化的新闻、文章和内容,实现个性化的信息服务。
2、相关技术中,考虑到系统性能限制等因素,在为用户进行个性化推荐时,一般是采用召回-排序-信息筛选的体系,然而,通过上述方案所筛选出来的信息与用户关联度不够,使得信息投放的精准度较差。
3、鉴于此,本领域亟需开发一种新的信息筛选方法及装置。
4、需要说明的是,上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解。
技术实现思路
1、本公开的目的在于提供一种信息筛选方法、信息筛选模型的训练方法、信息筛选装置、信息筛选模型的训练装置、计算机存储介质及电子设备,进而至少在一定程度上克服由于相关技术的限制而导致的信息投放的精准度较差的技术问题。
2、本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
3、根据本公开的第一方面,提供一种信息筛选方法,包括:将用户的特征信息和与所述特征信息相关联的多个候选待投放信息输入至训练好的信息筛选模型中;所述信息筛选模型包括双塔结构网络和分类网络;通过所述双塔结构网络对每个所述候选待投放信息和所述特征信息进行融合处理,获得每个所述候选待投放信息和所述特征信息对应的融合信息;通过所述分类网络对所述融合信息进行分类处理,获得每个所述融合信息对应的分类结果;所述分类结果用于表征预测出的每个所述候选待投放信息和所述特征信息之间的关联度;根据多个所述分类结果,从所述多个候选待投放信息中选取目标待投放信息。
4、在本公开的示例性实施例中,所述特征信息包括以下任意一种或多种:所述用户的画像信息、所述用户的历史行为信息、所述用户的兴趣爱好、所述用户的地理位置和所述用户的搜索浏览记录。
5、在本公开的示例性实施例中,所述与所述特征信息相关联的多个候选待投放信息,通过以下方式获得:在获取到所述特征信息之后,将所述特征信息与海量待投放信息进行初匹配,获得所述与所述特征信息相关联的多个候选待投放信息。
6、在本公开的示例性实施例中,所述双塔结构网络包括第一特征提取网络、第二特征提取网络和注意力机制网络;所述通过所述双塔结构网络对每个所述候选待投放信息和所述特征信息进行融合处理,获得每个所述候选待投放信息和所述特征信息对应的融合信息,包括:基于所述第一特征提取网络生成每个所述候选待投放信息对应的第一特征向量,基于所述第二特征提取网络生成所述特征信息对应的第二特征向量;基于所述注意力机制对所述第一特征向量和所述第二特征向量进行融合处理,获得每个所述候选待投放信息和所述特征信息对应的融合信息。
7、在本公开的示例性实施例中,所述根据多个所述分类结果,从所述多个候选待投放信息中选取目标待投放信息,包括:根据多个所述分类结果对所述多个候选待投放信息进行排序,得到排序序列;将所述排序序列中位于前m位的候选待投放信息确定为所述目标待投放信息,m为大于或等于1的整数。
8、在本公开的示例性实施例中,在从所述多个候选待投放信息中选取目标待投放信息之后,所述方法还包括:当监测到所述用户的预设操作事件时,向所述用户推荐所述目标待投放信息;所述预设操作事件包括物品浏览操作。
9、在本公开的示例性实施例中,在向所述用户推荐所述目标待投放信息之后,所述方法还包括:获取所述目标待投放信息在预设时段内的投放效果数据;所述投放效果数据包括本文档来自技高网...
【技术保护点】
1.一种信息筛选方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述特征信息包括以下任意一种或多种:
3.根据权利要求2所述的方法,其特征在于,所述与所述特征信息相关联的多个候选待投放信息,通过以下方式获得:
4.根据权利要求1所述的方法,其特征在于,所述双塔结构网络包括第一特征提取网络、第二特征提取网络和注意力机制网络;
5.根据权利要求1至4任意一项所述的方法,其特征在于,所述根据多个所述分类结果,从所述多个候选待投放信息中选取目标待投放信息,包括:
6.根据权利要求5所述的方法,其特征在于,在从所述多个候选待投放信息中选取目标待投放信息之后,所述方法还包括:
7.根据权利要求6所述的方法,其特征在于,在向所述用户推荐所述目标待投放信息之后,所述方法还包括:
8.一种信息筛选模型的训练方法,其特征在于,包括:
9.根据权利要求8所述的方法,其特征在于,所述与每个样本用户的特征信息相关的多个样本待投放信息集合,通过以下方式获得:
10.根据权利要求9所
11.根据权利要求10所述的方法,其特征在于,所述对所述基准样本集合中包含的每个基准样本进行数据增强处理,获得所述每个基准样本对应的数据增强样本,包括:
12.根据权利要求8至11任意一项所述的方法,其特征在于,所述双塔结构网络包括第一特征提取网络、第二特征提取网络和注意力机制网络;
13.一种信息筛选装置,其特征在于,包括:
14.一种信息筛选模型的训练装置,其特征在于,包括:
15.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1~7中任意一项所述的信息筛选方法或实现权利要求8~12任意一项所述的信息筛选模型的训练方法。
16.一种电子设备,其特征在于,包括:
...【技术特征摘要】
1.一种信息筛选方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述特征信息包括以下任意一种或多种:
3.根据权利要求2所述的方法,其特征在于,所述与所述特征信息相关联的多个候选待投放信息,通过以下方式获得:
4.根据权利要求1所述的方法,其特征在于,所述双塔结构网络包括第一特征提取网络、第二特征提取网络和注意力机制网络;
5.根据权利要求1至4任意一项所述的方法,其特征在于,所述根据多个所述分类结果,从所述多个候选待投放信息中选取目标待投放信息,包括:
6.根据权利要求5所述的方法,其特征在于,在从所述多个候选待投放信息中选取目标待投放信息之后,所述方法还包括:
7.根据权利要求6所述的方法,其特征在于,在向所述用户推荐所述目标待投放信息之后,所述方法还包括:
8.一种信息筛选模型的训练方法,其特征在于,包括:
9.根据权利要求8所述的方法,其特征在于,所述与每个样本用户的特征信息相关的多个...
【专利技术属性】
技术研发人员:桑留芳,彭长平,陈文龙,王浩然,王璐,杨之光,林战刚,邵京平,
申请(专利权)人:北京沃东天骏信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。