【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...
【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...
【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。