本申請涉及計算機(jī)，具體涉及一種用戶偏好的識別方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、隨著網(wǎng)絡(luò)的普及，人們接觸新事物的渠道越來越多，接觸新事物的速度也越來越快。但不同人群的偏好不同，其感興趣的信息內(nèi)容也不同。為了提高用戶體驗，運營商需要根據(jù)不同人群的偏好推送其感興趣的信息內(nèi)容，因此用戶偏好識別就顯得尤為重要。

2、由于大部分用戶會根據(jù)自身的偏好獲取感興趣的信息內(nèi)容，因此用戶的歷史數(shù)據(jù)可反映用戶的偏好。目前，基于神經(jīng)網(wǎng)絡(luò)模型從用戶的歷史數(shù)據(jù)中提取用戶的偏好特征，并進(jìn)行用戶偏好識別的方法已成為主流。

3、但是，用戶的偏好可能在短期內(nèi)產(chǎn)生變化，直接基于用戶的歷史數(shù)據(jù)進(jìn)行用戶偏好識別容易導(dǎo)致用戶偏好的識別結(jié)果不準(zhǔn)確。

技術(shù)實現(xiàn)思路

1、本申請實施例提供一種用戶偏好的識別方法、裝置、電子設(shè)備及存儲介質(zhì)，用以解決直接基于用戶的歷史數(shù)據(jù)進(jìn)行用戶偏好識別容易導(dǎo)致用戶偏好的識別結(jié)果不準(zhǔn)確的技術(shù)問題。

2、本申請實施例提供一種用戶偏好的識別方法，包括：基于用戶的歷史數(shù)據(jù)確定用戶的長期內(nèi)容偏好特征；基于用戶的實時數(shù)據(jù)確定用戶的短期內(nèi)容偏好特征；將長期內(nèi)容偏好特征和短期內(nèi)容偏好特征輸入至用戶內(nèi)容偏好融合模型，獲得用戶內(nèi)容偏好融合模型輸出的每一類型的偏好特征對應(yīng)的權(quán)重；基于每一類型的偏好特征和每一類型的偏好特征對應(yīng)的權(quán)重，確定用戶的內(nèi)容偏好。

3、在一個實施例中，基于用戶的歷史數(shù)據(jù)確定用戶的長期內(nèi)容偏好特征，包括：在業(yè)務(wù)寬表中篩選出用戶每一類型長期偏好對應(yīng)的偏好特征變量；業(yè)務(wù)寬表基于用戶的歷史數(shù)據(jù)構(gòu)建，包括用戶所有類型偏好的偏好特征變量；為用戶每一類型長期偏好對應(yīng)的每一偏好特征變量賦予多個權(quán)重值；對每一偏好特征變量賦予的多個權(quán)重值進(jìn)行一致性檢測；若每一偏好特征變量賦予的多個權(quán)重值的一致性檢測均通過，則基于每一偏好特征變量賦予的多個權(quán)重值，確定用戶不同類型長期偏好的實際分值；基于用戶不同類型長期偏好的實際分值，確定用戶的長期內(nèi)容偏好特征。

4、在一個實施例中，基于用戶的實時數(shù)據(jù)確定用戶的短期內(nèi)容偏好特征，包括：獲取用戶的實時數(shù)據(jù)；對實時數(shù)據(jù)進(jìn)行清洗，生成多元融合軌跡數(shù)據(jù)；其中多元融合軌跡數(shù)據(jù)包括用戶的實時網(wǎng)頁瀏覽數(shù)據(jù)和用戶的實時位置數(shù)據(jù)；基于實時網(wǎng)頁瀏覽數(shù)據(jù)和實時位置數(shù)據(jù)，確定用戶的短期內(nèi)容偏好特征。

5、在一個實施例中，用戶內(nèi)容偏好融合模型為基于注意力機(jī)制構(gòu)建的人工神經(jīng)網(wǎng)絡(luò)模型，基于注意力網(wǎng)絡(luò)權(quán)重公式輸出用戶內(nèi)容偏好融合模型輸出的每一類型的偏好特征對應(yīng)的權(quán)重。

6、在一個實施例中，將長期內(nèi)容偏好特征和短期內(nèi)容偏好特征輸入至用戶內(nèi)容偏好融合模型之前，還包括：確定初始人工神經(jīng)網(wǎng)絡(luò)模型；基于初始人工神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的期望最短運行時間和實際運行時間構(gòu)建初始人工神經(jīng)網(wǎng)絡(luò)模型的目標(biāo)函數(shù)；目標(biāo)函數(shù)包括多個模型參數(shù)；基于bp反向傳播算法和隨機(jī)梯度下降法迭代更新目標(biāo)函數(shù)；在確定目標(biāo)函數(shù)的取值最小時，確定初始人工神經(jīng)網(wǎng)絡(luò)模型已完成優(yōu)化；將已完成優(yōu)化的初始人工神經(jīng)網(wǎng)絡(luò)模型作為用戶內(nèi)容偏好融合模型。

7、在一個實施例中，基于每一類型的偏好特征和每一類型的偏好特征對應(yīng)的權(quán)重，確定用戶的內(nèi)容偏好，包括：對每一類型的偏好特征和每一類型的偏好特征對應(yīng)的權(quán)重加權(quán)求和，獲得用戶的內(nèi)容偏好向量；基于內(nèi)容偏好向量確定用戶的內(nèi)容偏好。

8、在一個實施例中，基于每一類型的偏好特征和每一類型的偏好特征對應(yīng)的權(quán)重，確定用戶的內(nèi)容偏好之后，還包括：獲取不同項目對應(yīng)的偏好向量；基于每一項目對應(yīng)的偏好向量和用戶的內(nèi)容偏好向量，確定每一項目對應(yīng)的偏好向量和用戶的內(nèi)容偏好向量的內(nèi)積；基于每一項目對應(yīng)的偏好向量和用戶的內(nèi)容偏好向量的內(nèi)積，確定用戶與每一項目交互的概率。

9、本申請實施例提供一種用戶偏好的識別裝置，包括：長期偏好確定模塊，用于基于用戶的歷史數(shù)據(jù)確定用戶的長期內(nèi)容偏好特征；短期偏好確定模塊，用于基于用戶的實時數(shù)據(jù)確定用戶的短期內(nèi)容偏好特征；權(quán)重確定模塊，用于將所述長期內(nèi)容偏好特征和所述短期內(nèi)容偏好特征輸入至用戶內(nèi)容偏好融合模型，獲得所述用戶內(nèi)容偏好融合模型輸出的每一類型的偏好特征對應(yīng)的權(quán)重；用戶偏好識別模塊，用于基于每一類型的偏好特征和每一類型的偏好特征對應(yīng)的權(quán)重，確定用戶的內(nèi)容偏好。

10、本申請實施例提供一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機(jī)程序，所述處理器執(zhí)行所述程序時實現(xiàn)如上述任一種所述用戶偏好的識別方法。

11、本申請實施例提供一種非暫態(tài)計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，該計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如上述任一種所述用戶偏好的識別方法。

12、本申請實施例提供的用戶偏好的識別方法、裝置、電子設(shè)備及存儲介質(zhì)，基于用戶的歷史數(shù)據(jù)確定用戶的長期內(nèi)容偏好特征；基于用戶的實時數(shù)據(jù)確定用戶的短期內(nèi)容偏好特征；將長期內(nèi)容偏好特征和短期內(nèi)容偏好特征輸入至用戶內(nèi)容偏好融合模型，獲得用戶內(nèi)容偏好融合模型輸出的每一類型的偏好特征對應(yīng)的權(quán)重；基于每一類型的偏好特征和每一類型的偏好特征對應(yīng)的權(quán)重，確定用戶的內(nèi)容偏好。通過上述方式，在進(jìn)行用戶偏好識別時綜合參考了基于用戶的歷史數(shù)據(jù)確定的長期內(nèi)容偏好特征和基于用戶的實時數(shù)據(jù)確定的短期內(nèi)容偏好特征，避免了用戶偏好在短期內(nèi)產(chǎn)生變化對用戶偏好識別造成的影響，提高了用戶偏好識別結(jié)果的準(zhǔn)確性。

技術(shù)特征：

1.一種用戶偏好的識別方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的用戶偏好的識別方法，其特征在于，所述基于用戶的歷史數(shù)據(jù)確定用戶的長期內(nèi)容偏好特征，包括：

3.根據(jù)權(quán)利要求1所述的用戶偏好的識別方法，其特征在于，所述基于用戶的實時數(shù)據(jù)確定用戶的短期內(nèi)容偏好特征，包括：

4.根據(jù)權(quán)利要求1所述的用戶偏好的識別方法，其特征在于，所述用戶內(nèi)容偏好融合模型為基于注意力機(jī)制構(gòu)建的人工神經(jīng)網(wǎng)絡(luò)模型，基于注意力網(wǎng)絡(luò)權(quán)重公式輸出所述用戶內(nèi)容偏好融合模型輸出的每一類型的偏好特征對應(yīng)的權(quán)重。

5.根據(jù)權(quán)利要求1所述的用戶偏好的識別方法，其特征在于，所述將所述長期內(nèi)容偏好特征和所述短期內(nèi)容偏好特征輸入至用戶內(nèi)容偏好融合模型之前，還包括：

6.根據(jù)權(quán)利要求1所述的用戶偏好的識別方法，其特征在于，所述基于每一類型的偏好特征和每一類型的偏好特征對應(yīng)的權(quán)重，確定用戶的內(nèi)容偏好，包括：

7.根據(jù)權(quán)利要求6所述的用戶偏好的識別方法，其特征在于，所述基于每一類型的偏好特征和每一類型的偏好特征對應(yīng)的權(quán)重，確定用戶的內(nèi)容偏好之后，還包括：

8.一種用戶偏好的識別裝置，其特征在于，包括：

9.一種電子設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時實現(xiàn)如權(quán)利要求1至7任一項所述用戶偏好的識別方法。

10.一種非暫態(tài)計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其特征在于，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至7任一項所述用戶偏好的識別方法。

技術(shù)總結(jié)
本申請涉及計算機(jī)技術(shù)領(lǐng)域，提供一種用戶偏好的識別方法、裝置、電子設(shè)備及存儲介質(zhì)。方法包括：基于用戶的歷史數(shù)據(jù)確定用戶的長期內(nèi)容偏好特征；基于用戶的實時數(shù)據(jù)確定用戶的短期內(nèi)容偏好特征；將長期內(nèi)容偏好特征和短期內(nèi)容偏好特征輸入至用戶內(nèi)容偏好融合模型，獲得用戶內(nèi)容偏好融合模型輸出的每一類型的偏好特征對應(yīng)的權(quán)重；基于每一類型的偏好特征和每一類型的偏好特征對應(yīng)的權(quán)重，確定用戶的內(nèi)容偏好。通過上述方式，在進(jìn)行用戶偏好識別時綜合參考了基于用戶的歷史數(shù)據(jù)確定的長期內(nèi)容偏好特征和基于用戶的實時數(shù)據(jù)確定的短期內(nèi)容偏好特征，避免了用戶偏好在短期內(nèi)產(chǎn)生變化對用戶偏好識別造成的影響，提高了用戶偏好識別結(jié)果的準(zhǔn)確性。

技術(shù)研發(fā)人員：畢曉慶,周波,谷劍,金曙光
受保護(hù)的技術(shù)使用者：中國移動(浙江)創(chuàng)新研究院有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21