新颖性物品召回模型的生成方法、召回方法及装置和系统制造方法及图纸

本公开提出一种新颖性物品召回模型的生成方法、召回方法及装置和系统，涉及计算机领域。生成方法包括：构造多个新颖性物品召回任务；获取每个新颖性物品召回任务对应的一种新颖性样本，以获得多个新颖性物品召回任务的多种新颖性样本；利用多种新颖性样本对多任务双塔模型进行训练，生成新颖性物品召回模型。从而改善召回效果，在满足推荐精准性的同时，提高推荐的新颖性。高推荐的新颖性。高推荐的新颖性。

【技术实现步骤摘要】
新颖性物品召回模型的生成方法、召回方法及装置和系统


[0001]本公开涉及计算机领域，特别涉及一种新颖性物品召回模型的生成方法和装置，新颖性物品召回方法和装置，以及推荐系统。

技术介绍

[0002]推荐系统被广泛应用于各种场景中，实现了用户与信息的匹配。在电商推荐系统中，用户发出请求后，推荐系统从海量的物品中选取部分物品展现给用户，为用户提供个性化的服务。一些推荐算法，根据用户历史点击行为对用户兴趣进行预估，并进行推荐，容易出现“点击什么内容推荐什么内容”的推荐内容同质化问题，导致推荐内容虽然精准，但是容易造成推荐内容过于单一，用户因此产生审美疲劳，对推荐的内容失去新鲜感。

技术实现思路

[0003]本公开实施例提出一种新颖性物品召回模型的生成方案以及基于该召回模型进行新颖性物品召回的方案，改善召回效果，在满足推荐精准性的同时，提高推荐的新颖性。
[0004]本公开一些实施例提出一种新颖性物品召回模型的生成方法，包括：
[0005]构造多个新颖性物品召回任务；
[0006]获取每个新颖性物品召回任务对应的一种新颖性样本，以获得多个新颖性物品召回任务的多种新颖性样本；
[0007]利用多种新颖性样本对多任务双塔模型进行训练，生成新颖性物品召回模型，
[0008]其中，所述多任务双塔模型包括物品塔、用户塔和输出模块，所述物品塔被配置为对新颖性样本中的物品特征进行处理输出物品特征相应的表征向量，所述用户塔被所述多个新颖性物品召回任务共享，且被配置为对每种新颖性样本中的用户特征进行处理分别输出用户特征相应的表征向量，所述输出模块被配置为计算物品塔的输出和用户塔的输出之间的相似度，并作为预测值输出。
[0009]在一些实施例中，利用多种新颖性样本对多任务双塔模型进行训练包括：
[0010]计算所述用户塔输出的每种新颖性样本中的用户特征相应的表征向量与所述物品塔输出的所述每种新颖性样本中的物品特征相应的表征向量之间的相似度，作为所述每种新颖性样本的预测值，根据所述每种新颖性样本的预测值和标签值计算所述每种新颖性样本相应的新颖性物品召回任务的损失；
[0011]根据各个新颖性物品召回任务的损失确定总损失；
[0012]根据总损失更新所述多任务双塔模型的参数，以便对所述多任务双塔模型进行训练。
[0013]在一些实施例中，所述物品塔包括输入模块和物品特征学习模块，所述用户塔包括所述输入模块和用户特征学习模块，其中：
[0014]所述输入模块被配置为生成物品特征相应的第一物品表征向量或用户特征相应的第一用户表征向量；
[0015]所述物品特征学习模块被配置为对第一物品表征向量进行降维处理得到第二物品表征向量；
[0016]所述用户特征学习模块被配置为对第一用户表征向量进行降维处理得到第二用户表征向量。
[0017]在一些实施例中，所述用户特征学习模块包括用户画像特征学习单元和用户行为特征学习单元，
[0018]所述用户画像特征学习单元被配置为对第一用户表征向量中的第一用户画像表征向量进行均值处理得到第二用户表征向量中的第二用户画像表征向量；
[0019]所述用户行为特征学习单元被配置为对第一用户表征向量中的第一用户行为表征向量进行序列特征学习得到第二用户表征向量中的第二用户行为表征向量。
[0020]在一些实施例中，所述输入模块被配置为生成物品画像特征相应的第一物品画像表征向量；所述物品特征学习模块被配置为对第一物品画像表征向量进行均值处理得到第二物品画像表征向量。
[0021]在一些实施例中，还包括：
[0022]利用评测指标对训练后的多任务双塔模型对新颖性物品的召回能力进行评测，将通过评测的多任务双塔模型作为新颖性物品召回模型，
[0023]其中，所述评测指标用于表征预测得到新颖性正样本的第一概率大于预测得到新颖性负样本的第二概率的概率。
[0024]在一些实施例中，每种新颖性样本基于业务构造或基于隐语义构造，基于业务构造新颖性样本包括：将用户当前预设行为作用物品所属品类是用户最近n天预设行为未作用的品类相应的样本作为新颖性正样本，对用户预设行为未作用物品相应的样本进行负采样作为新颖性负样本，或者，将用户当前预设行为作用物品所属品类不是用户最近n天预设行为未作用的品类相应的样本作为新颖性负样本，n为预设值；
[0025]基于隐语义构造新颖性样本包括：将用户当前预设行为作用物品相应的样本且新颖度大于一定阈值的样本作为新颖性正样本，对用户预设行为未作用物品相应的样本进行负采样作为新颖性负样本，或者，将用户当前预设行为作用物品相应的样本且新颖度不大于一定阈值的样本作为新颖性负样本。
[0026]在一些实施例中，所述新颖度采用用户当前预设行为作用物品的第一表征向量与用户历史预设行为作用各物品的各个第二表征向量之间的最小距离表征。
[0027]在一些实施例中，预设行为包括点击、曝光、或下单中的至少一项。
[0028]在一些实施例中，品类包括不同级别的类目或产品词中的至少一项。
[0029]本公开一些实施例提出一种新颖性物品召回方法，包括：
[0030]利用新颖性物品召回模型的物品塔对候选物品特征进行处理得到候选物品特征的表征向量；
[0031]利用新颖性物品召回模型的用户塔对目标用户特征进行处理得到目标用户特征的表征向量；
[0032]根据目标用户特征的表征向量与候选物品特征的表征向量之间的相似度，从候选物品中选出召回物品。
[0033]在一些实施例中，所述目标用户特征包括响应用户的召回请求实时获取的目标用
户最新的行为特征和画像特征。
[0034]在一些实施例中，从候选物品中选出召回物品包括：从候选物品中选出相似度最大的预设数量的召回物品。
[0035]本公开一些实施例提出一种新颖性物品召回模型的生成装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行各实施例的新颖性物品召回模型的生成方法。
[0036]本公开一些实施例提出一种新颖性物品召回模型的生成装置，包括：
[0037]任务构造模块，被配置为构造多个新颖性物品召回任务；
[0038]样本获取模块，被配置为获取每个新颖性物品召回任务对应的一种新颖性样本，以获得多个新颖性物品召回任务的多种新颖性样本；
[0039]模型生成模块，被配置为利用多种新颖性样本对多任务双塔模型进行训练，生成新颖性物品召回模型，
[0040]其中，所述多任务双塔模型包括物品塔和用户塔，所述物品塔被配置为对新颖性样本中的物品特征进行处理输出物品特征相应的表征向量，所述用户塔被所述多个新颖性物品召回任务共享，且被配置为对每种新颖性样本中的用户特征进行处理分别输出用户特征相应的表征向量。
[0041]本公开一些实施例提出一种新颖性物品召回装置，包括：存储器；以及耦接至所述存储器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新颖性物品召回模型的生成方法，其特征在于，包括：构造多个新颖性物品召回任务；获取每个新颖性物品召回任务对应的一种新颖性样本，以获得多个新颖性物品召回任务的多种新颖性样本；利用多种新颖性样本对多任务双塔模型进行训练，生成新颖性物品召回模型，其中，所述多任务双塔模型包括物品塔、用户塔和输出模块，所述物品塔被配置为对新颖性样本中的物品特征进行处理输出物品特征相应的表征向量，所述用户塔被所述多个新颖性物品召回任务共享，且被配置为对每种新颖性样本中的用户特征进行处理分别输出用户特征相应的表征向量，所述输出模块被配置为计算物品塔的输出和用户塔的输出之间的相似度，并作为预测值输出。2.根据权利要求1所述的方法，其特征在于，利用多种新颖性样本对多任务双塔模型进行训练包括：计算所述用户塔输出的每种新颖性样本中的用户特征相应的表征向量与所述物品塔输出的所述每种新颖性样本中的物品特征相应的表征向量之间的相似度，作为所述每种新颖性样本的预测值，根据所述每种新颖性样本的预测值和标签值计算所述每种新颖性样本相应的新颖性物品召回任务的损失；根据各个新颖性物品召回任务的损失确定总损失；根据总损失更新所述多任务双塔模型的参数，以便对所述多任务双塔模型进行训练。3.根据权利要求1所述的方法，其特征在于，所述物品塔包括输入模块和物品特征学习模块，所述用户塔包括所述输入模块和用户特征学习模块，其中：所述输入模块被配置为生成物品特征相应的第一物品表征向量或用户特征相应的第一用户表征向量；所述物品特征学习模块被配置为对第一物品表征向量进行降维处理得到第二物品表征向量；所述用户特征学习模块被配置为对第一用户表征向量进行降维处理得到第二用户表征向量。4.根据权利要求3所述的方法，其特征在于，所述用户特征学习模块包括用户画像特征学习单元和用户行为特征学习单元，所述用户画像特征学习单元被配置为对第一用户表征向量中的第一用户画像表征向量进行均值处理得到第二用户表征向量中的第二用户画像表征向量；所述用户行为特征学习单元被配置为对第一用户表征向量中的第一用户行为表征向量进行序列特征学习得到第二用户表征向量中的第二用户行为表征向量。5.根据权利要求3所述的方法，其特征在于，所述输入模块被配置为生成物品画像特征相应的第一物品画像表征向量；所述物品特征学习模块被配置为对第一物品画像表征向量进行均值处理得到第二物品画像表征向量。6.根据权利要求1所述的方法，其特征在于，还包括：
利用评测指标对训练后的多任务双塔模型对新颖性物品的召回能力进行评测，将通过评测的多任务双塔模型作为新颖性物品召回模型，其中，所述评测指标用于表征预测得到新颖性正样本的第一概率大于预测得到新颖性负样本的第二概率的概率。7.根据权利要求1所述的方法，其特征在于，每种新颖性样本基于业务构造或基于隐语义构造，基于业务构造新颖性样本包括：将用户当前预设行为作用物品所属品类是用户最近n天预设行为未作用的品类相应的样本作为新颖性正样本，对用户预设行为未作用物品相应的样本进行负采样作为新颖性负样本，或者，将用户当前预设行为作用物品所属品类不是用户最近n天预设行为未作用的品类相应的样本作为新颖性负样本，n为预设值；基于...

【专利技术属性】
技术研发人员：杜朋，马龙，陈梦翔，马勉，丁卓冶，龙波，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：