【技术实现步骤摘要】
本公开涉及数据处理，尤其涉及一种交互行为预测的方法、装置、电子设备及可读存储介质。
技术介绍
1、随着科技的发展，推荐算法在当下的生活中是不可或缺的，多种场景下存在着推荐系统的身影，例如网络购物、新闻阅读、视频观看及音乐推荐等。现有技术中，为了节省人力，针对不同的用户推荐个性化且高品质的内容，提升合作伙伴的效率，存在多种不同的推荐算法，其中一类推荐算法是通过用户行为序列进行个性化推荐，也可称为序列推荐，用于根据用户和内容之间的交互行为对用户特征进行建模，从而可以通过不同方法捕捉用户与内容之间交互行为的长期偏好及短期偏好，综合长期偏好及短期偏好向用户推荐其可能感兴趣的内容，主要的技术手段为：通过循环神经网络(recurrent neural network，rnn)对用户的实时交互序列进行编码，使用注意力机制对用户的长期兴趣数据和实时兴趣数据进行融合，得到用户的综合兴趣数据，根据综合兴趣数据推荐相关内容。
2、然而，通过上述推荐相关内容的方法存在以下缺点：
3、rnn只能单向的处理序列，即序列中与当前处理位置距离较远的元素的相关性被忽略或弱化，从而无法有效的处理长序列；
4、rnn中包括的注意力机制仅能使用一个注意力函数确定不同类型信息的相关性，从而无法有效的处理多种维度信息，且综合兴趣数据是通过直接拼接长期兴趣数据和实时兴趣数据得到的；
5、从而导致推荐的相关内容不够准确，用户体验较差。
技术实现思路
1、有鉴于此，本公开实施例提供了
2、本公开实施例的第一方面，提供了一种交互行为预测的方法，包括：
3、监测用户的实时交互数据，基于实时交互数据确定实时交互序列；
4、获取用户的长期兴趣数据及待推荐列表，待推荐列表中包括至少一个待推荐对象及各待推荐对象的属性信息；
5、通过变换器的编码层的自注意力机制，对实时交互序列进行编码，得到实时兴趣数据，并将实时兴趣数据传递至跨注意力机制；
6、通过跨注意力机制，对实时兴趣数据及长期兴趣数据进行跨序列的融合，得到综合兴趣数据；
7、基于解码器对综合兴趣数据进行解码，得到交互预测概率；
8、将交互预测概率从高到低进行排列，基于交互预测概率与属性信息，按照已排列的交互预测概率的顺序确定向用户展示的各待推荐对象的展示顺序。
9、本公开实施例的第二方面，提供了一种交互行为预测的装置，包括：
10、监测模块，被配置为监测用户的实时交互数据，基于实时交互数据确定实时交互序列；
11、获取模块，被配置为获取用户的长期兴趣数据及待推荐列表，待推荐列表中包括至少一个待推荐对象及各待推荐对象的属性信息；
12、编码模块，被配置为通过变换器的编码层的自注意力机制，对实时交互序列进行编码，得到实时兴趣数据，并将实时兴趣数据传递至跨注意力机制；
13、融合模块，被配置为通过跨注意力机制，对实时兴趣数据及长期兴趣数据进行跨序列的融合，得到综合兴趣数据；
14、解码模块，被配置为基于解码器对综合兴趣数据进行解码，得到交互预测概率；
15、显示模块，被配置为将交互预测概率从高到低进行排列，基于交互预测概率与属性信息，按照已排列的交互预测概率的顺序确定向用户展示的各待推荐对象的展示顺序。
16、本公开实施例的第三方面，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上述方法的步骤。
17、本公开实施例的第四方面，提供了一种可读存储介质，该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上述方法的步骤。
18、本公开实施例与现有技术相比存在的有益效果是：监测用户的实时交互数据，通过自注意力机制和跨注意力机制，能够同时对用户的实时交互数据、长期兴趣数据及待推荐对象进行特征提取，从而提高推荐待推荐对象的准确性和及时性，且利用了变换器能够有效处理长序列、多类型信息、多维度信息及多场景信息等的优点，提高了推荐的计算效率和可扩展性，也提高了推荐待推荐对象的泛化能力，能够为用户提供更加个性化和精准的推荐服务，还考虑了用户的长期兴趣和习惯，从而更好地满足了用户的需求，提升用户体验。
本文档来自技高网...【技术保护点】
1.一种交互行为预测的方法，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，所述自注意力机制包括多头注意力机制，所述多头注意力机制包括多个注意力函数，通过变换器的编码层的自注意力机制，对所述实时交互序列进行编码，得到实时兴趣数据，包括：
3.根据权利要求1所述的方法，其特征在于，通过跨注意力机制，对所述实时兴趣数据及所述长期兴趣数据进行跨序列的融合，得到综合兴趣数据，包括：
4.根据权利要求3所述的方法，其特征在于，确定每一所述实时元素及每一所述长期元素的行为相关性，基于所述行为相关性进行跨序列的融合，得到所述综合兴趣数据，包括：
5.根据权利要求1所述的方法，其特征在于，将所述交互预测概率从高到低进行排列，基于所述交互预测概率与所述属性信息，按照已排列的所述交互预测概率的顺序确定向所述用户展示的各所述待推荐对象的展示顺序，包括：
6.根据权利要求1所述的方法，其特征在于，获取所述用户的长期兴趣数据及待推荐列表之前，还包括：
7.根据权利要求1至6中任一项所述的方法，其特征在于，将所述交互预测概
8.一种交互行为预测的装置，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。
10.一种可读存储介质，所述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中任一项所述方法的步骤。
...【技术特征摘要】
1.一种交互行为预测的方法，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，所述自注意力机制包括多头注意力机制，所述多头注意力机制包括多个注意力函数，通过变换器的编码层的自注意力机制，对所述实时交互序列进行编码，得到实时兴趣数据，包括：
3.根据权利要求1所述的方法，其特征在于，通过跨注意力机制，对所述实时兴趣数据及所述长期兴趣数据进行跨序列的融合，得到综合兴趣数据，包括：
4.根据权利要求3所述的方法，其特征在于，确定每一所述实时元素及每一所述长期元素的行为相关性，基于所述行为相关性进行跨序列的融合，得到所述综合兴趣数据，包括：
5.根据权利要求1所述的方法，其特征在于，将所述交互预测概率从高到低进行排列，基于所述交互预测概率与所述属性信息，按照已...
【专利技术属性】
技术研发人员：闫培，杜梦雪，
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。