【技术实现步骤摘要】
本申请涉及序列推荐，尤其涉及一种面向多任务多场景的序列推荐深度排序方法和装置。
技术介绍
1、深度排序模型在序列推荐系统里占有重要地位，好的排序模型可以使得系统推荐给用户的物品更具有个性化，能够有效提高用户的个人体验。目前主流的推荐系统一般采用dnn的排序模型，如din、deepfm等模型。然而，用户在多个场景可能有相同的兴趣，理想情况下排序模型应该是一种多场景的范式，这样能够充分利用多场景的数据，同时可以缓解部分场景数据过于稀疏问题。多场景多任务精排模型存在两大挑战：一方面是面对不同目标之间数据不平衡，比如ctr和cvr，如果同时训练这俩目标模型很可能偏向于ctr，导致cvr的指标受损；另一方面是嵌入表征组件耦合，多任务多场景共享是常见的范式，能够缓解部分场景的数据稀疏性问题，但需要考虑模型不同组件间耦合问题。
2、因此，如何能够处理好多任务多场景，提高深度排序结果的准确性，是需要解决的技术问题。
技术实现思路
1、有鉴于此，本申请实施例提供了一种面向多任务多场景的序列推荐深度排序方法、装置、电子设备及存储介质，以解决现有技术多任务多场景序列推荐排序结果准确度不高的问题。
2、本申请实施例的第一方面，提供了一种面向多任务多场景的序列推荐深度排序方法，包括：
3、获取输入域数据集；所述输入域数据包括用户域数据、物品域数据、上下文域数据、行为域数据和业务场景域数据；
4、构建序列推荐深度排序模型，所述序列推荐深度排序模型包括多目标预测任
5、将所述用户域数据、所述物品域数据、所述上下文域数据和所述行为域数据，输入至所述多目标预测任务子网络，获得多目标预测任务特征向量；
6、将所述业务场景域数据输入至所述业务场景子网络，获得业务场景特征向量；
7、依据所述多目标预测任务特征向量和所述业务场景特征向量，获得多个目标任务排序预测结果。
8、本申请实施例的第二方面，提供了一种面向多任务多场景的序列推荐深度排序装置，包括：
9、源输入域数据获取模块，被配置为获取输入域数据集；所述输入域数据包括用户域数据、物品域数据、上下文域数据、行为域数据和业务场景域数据；
10、模型构建模块，被配置为构建序列推荐深度排序模型，所述序列推荐深度排序模型包括多目标预测任务子网络和业务场景子网络；其中，所述多目标预测任务子网络基于mmoe模型构建，所述业务场景子网络基于深度神经网络构建；
11、多任务特征向量获取模块，被配置为将所述用户域数据、所述物品域数据、所述上下文域数据和所述行为域数据，输入至所述多目标预测任务子网络，获得多目标预测任务特征向量；
12、多场景特征向量获取模块，被配置为将所述业务场景域数据输入至所述业务场景子网络，获得业务场景特征向量；
13、多任务排序预测结果输出模块，被配置为依据所述多目标预测任务特征向量和所述业务场景特征向量，获得多个目标任务排序预测结果。
14、本申请实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现第一方面所述方法的步骤。
15、本申请实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现第一方面所述方法的步骤。
16、本申请实施例与现有技术相比存在的有益效果至少包括：本申请实施例首先获取输入域数据集，输入域数据包括用户域数据、物品域数据、上下文域数据、行为域数据和业务场景域数据；构建序列推荐深度排序模型，序列推荐深度排序模型包括多目标预测任务子网络和业务场景子网络；将用户域数据、物品域数据、上下文域数据和行为域数据，输入至多目标预测任务子网络，获得多目标预测任务特征向量；将业务场景域数据输入至业务场景子网络，获得业务场景特征向量；依据多目标预测任务特征向量和业务场景特征向量，获得多个目标任务排序预测结果。本申请构建了面向多任务多场景的序列推荐深度排序模型，有效提升了排序准确度。
本文档来自技高网...【技术保护点】
1.一种面向多任务多场景的序列推荐深度排序方法，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，所述多目标预测任务子网络包括多个专家网络、多个目标任务预测网络以及多个门控网络，所述门控网络的数量与所述目标任务预测网络的数量相对应。
3.根据权利要求2所述的方法，其特征在于，所述门控网络用于依据所述输入域数据，获得多个所述专家网络的权重，利用多个所述专家网络的权重，对多个所述专家网络输出的多个特征向量进行加权求和，将求和结果作为所述目标任务预测网络的输入。
4.根据权利要求2或3任一项所述的方法，其特征在于，将所述用户域数据、所述物品域数据、所述上下文域数据和所述行为域数据，输入至所述多目标预测任务子网络之前，还包括分别获得所述用户域数据、所述物品域数据、所述上下文域数据和所述行为域的嵌入特征表示。
5.根据权利要求4所述的方法，其特征在于，将所述业务场景域数据输入至所述业务场景子网络，获得业务场景特征向量，包括：
6.根据权利要求5所述的方法，其特征在于，依据所述多目标预测任务特征向量和所述业务场景特征向量
7.根据权利要求2所述的方法，其特征在于，所述目标任务预测网络至少包括点击率预测网络和转化率预测网络。
8.一种面向多任务多场景的序列推荐深度排序装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，其特征在于，所述处理器在执行所述计算机程序时，实现如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
...【技术特征摘要】
1.一种面向多任务多场景的序列推荐深度排序方法，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，所述多目标预测任务子网络包括多个专家网络、多个目标任务预测网络以及多个门控网络，所述门控网络的数量与所述目标任务预测网络的数量相对应。
3.根据权利要求2所述的方法，其特征在于，所述门控网络用于依据所述输入域数据，获得多个所述专家网络的权重，利用多个所述专家网络的权重，对多个所述专家网络输出的多个特征向量进行加权求和，将求和结果作为所述目标任务预测网络的输入。
4.根据权利要求2或3任一项所述的方法，其特征在于，将所述用户域数据、所述物品域数据、所述上下文域数据和所述行为域数据，输入至所述多目标预测任务子网络之前，还包括分别获得所述用户域数据、所述物品域数据、所述上下文域数据和所述行为域的嵌入特征表示。
5.根据权利要求4所述的方法...
【专利技术属性】
技术研发人员：岳华东，
申请(专利权)人：深圳须弥云图空间科技有限公司，
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。