产品在页面中位置的确定方法、装置及存储介质制造方法及图纸

本申请涉及一种产品在页面中位置的确定方法、装置及存储介质，其中，该方法包括：将同一页面中至少两个推荐位的初始值置零，并将目标特征以及至少两个推荐位的初始值作为排序模型的输入得到待排序产品的初始预估值，其中，目标特征包括用户特征和待排序产品的产品特征；基于待排序产品的初始预估值更新至少两个推荐位的取值；将目标特征以及更新后的至少两个推荐位的取值再次输入排序模型，得到待排序产品的第一目标预估值，以根据第一目标预估值确定待排序产品在推荐位的位置。通过本申请得到的目标预估值与真实值之间的误差相比于现有技术中的方式得到的预估值与真实值之间的误差更小。的误差更小。的误差更小。

【技术实现步骤摘要】
产品在页面中位置的确定方法、装置及存储介质


[0001]本申请涉及计算机领域，尤其涉及一种产品在页面中位置的确定方法、装置及存储介质。

技术介绍

[0002]目前很多推荐场景都是一个场景包含多个推荐位，但不同推荐位受制于其在页面展示的不同位置而具有不同的先验点击率，也就是位置偏差(position bias)。现有技术中采用将位置信息直接送入模型中来消除CTR预估误差，具体是将位置信息作为后验概率修正点击率预估(predicted Click Through Rate，pCTR)。考虑到现在用户具有上千维特征，将位置(Position，POS)特征作为一维特征独立输入可能无法有效影响最后预测结果。基于此，进一步现有技术中采用后验修正的方法，即独立用另外一个网络处理位置特征，在最后预测时将其和原pCTR预测结果进行融合，以此让位置特征对最终结果产生更大影响。对此，现有技术在一定程度上能消除了POS带来的偏差，但是其只解决了曝光前的预估。但是在实际曝光时，由于其所处位置不同，又会自动引入位置特征。因此，即便基于历史数据训练得到的pCTR足够准确，使用原预测结果还是会导致pCTR同实际CTR有较大误差。
[0003]针对相关技术中的上述技术问题，目前尚未存在有效的解决方案。

技术实现思路

[0004]本申请提供了一种产品在页面中位置的确定方法、装置及存储介质，以解决现有技术中预估值与真实值之间的误差较大的问题。
[0005]第一方面，本申请提供了一种产品在页面中位置的确定方法，包括：将同一页面中至少两个推荐位的初始值置零，并将目标特征以及所述至少两个推荐位的初始值作为排序模型的输入得到待排序产品的初始预估值，其中，所述目标特征包括用户特征和所述待排序产品的产品特征；基于所述待排序产品的初始预估值更新所述至少两个推荐位的取值；将所述目标特征以及更新后的所述至少两个推荐位的取值再次输入所述排序模型，得到所述待排序产品的第一目标预估值，以根据所述第一目标预估值确定所述待排序产品在所述推荐位的位置。
[0006]第二方面，本申请提供了一种产品在页面中位置的确定装置，包括：第一处理模块，用于将同一页面中至少两个推荐位的初始值置零，并将目标特征以及所述至少两个推荐位的初始值作为排序模型的输入得到待排序产品的初始预估值，其中，所述目标特征包括用户特征和所述待排序产品的产品特征；第一更新模块，用于基于所述待排序产品的初始预估值更新所述至少两个推荐位的取值；第二处理模块，用于将所述目标特征以及更新后的所述至少两个推荐位的取值再次输入所述排序模型，得到所述待排序产品的第一目标预估值，以根据所述第一目标预估值确定所述待排序产品在所述推荐位的位置。
[0007]第三方面，提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
[0008]存储器，用于存放计算机程序；
[0009]处理器，用于执行存储器上所存放的程序时，实现第一方面任一项实施例所述的产品在页面中位置的确定方法的步骤。
[0010]第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的产品在页面中位置的确定方法的步骤。
[0011]本申请实施例提供的上述技术方案与现有技术相比具有如下优点：
[0012]本申请实施例提供的该方法，将同一页面中至少两个推荐位的初始值置零后，在置零的推荐位以及用户特征和待排序产品的产品特征输入至排序模型之后得到初始预估值，进而根据该初始预估值更新该推荐位的取值，再次将更新后的推荐位的取值以及特征输入排序模型进行预估得到第一目标预估值。可见，在本申请实施例中经过两次排序，在第一次排序时，先将推荐位统一置零，使得所有待排序物品都能获得最佳曝光位，即消除位置不同带来的预估偏差；在第一次排序得到预估值后，然后还会进行第二次预估，得到待排序产品排序的后验预估值(第一目标预估值)，可见第二次预估相当于是从真实环境中学习得到的预估值，此时得到预估值为修正后的预估值，该修正后的预估值更加接近真实值；也就是说，基于该修正后的预估值的预估误差更小，对于后续价格的预估误差也就更小，因此，通过本申请的方式解决了现有技术中预估值与真实值之间的误差较大的问题，提升了产品在页面中推荐位的准确性。
附图说明
[0013]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。
[0014]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0015]图1为本申请实施例提供的一种产品在页面中位置的确定方法的流程示意图之一；
[0016]图2为本申请实施例提供的一种产品在页面中位置的确定方法的流程示意图之二；
[0017]图3为本申请实施例提供的具体示例中基于双排序机制的CTR预估示意图；
[0018]图4为本申请实施例提供的以4中排序模型为例的预估误差比较示意图；
[0019]图5为本申请实施例提供的一种产品在页面中位置的确定装置的结构示意图；
[0020]图6为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0021]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0022]图1为本申请实施例提供的一种产品在页面中位置的确定方法的流程示意图，如图1所示，本申请实施例的方法步骤包括：
[0023]步骤101，将同一页面中至少两个推荐位的初始值置零，并将目标特征以及至少两个推荐位的初始值作为排序模型的输入得到待排序产品的初始预估值，其中，目标特征包括用户特征和待排序产品的产品特征；
[0024]在本申请实施例中所涉及到的排序模型在具体示例中可以是深度神经网络(Deep Nueral Network，DNN)模型,Wide&Deep模型,深度网络(Deep&Cross Network，DCN)模型和DeepFM模型。此外，本申请实施例中的待排序产品包括金融类产品，如保险产品、信托产品、理财产品，其他需要排序的产品也是在本申请的保护范围之内。
[0025]此外，本申请实施例中涉及到的至少两个推荐位具体是多少个，在具体应用场景可以根据待排序产品的数量确定，例如当前待排序产品为保险产品，当前保险产品的有保险产品A、保险产品B以及保险产品C，则初始值置零的推荐位数量也可以是3本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种产品在页面中位置的确定方法，其特征在于，包括：将同一页面中至少两个推荐位的初始值置零，并将目标特征以及所述至少两个推荐位的初始值作为排序模型的输入得到待排序产品的初始预估值，其中，所述目标特征包括用户特征和所述待排序产品的产品特征；基于所述待排序产品的初始预估值更新所述至少两个推荐位的取值；将所述目标特征以及更新后的所述至少两个推荐位的取值再次输入所述排序模型，得到所述待排序产品的第一目标预估值，以根据所述第一目标预估值确定所述待排序产品在所述推荐位的位置。2.根据权利要求1所述的方法，其特征在于，所述将目标特征以及所述至少两个推荐位的初始值作为排序模型的输入得到待排序产品的初始预估值，包括：将所述目标特征以及所述至少两个推荐位的初始值输入所述排序模型的嵌入层得到第一稠密向量，并将所述第一稠密向量输入所述排序模型的多层感知机层，以通过所述多层感知机层中的激活函数获取所述待排序产品的初始点击率预估；将所述目标特征以及所述至少两个推荐位的初始值输入所述排序模型的嵌入层得到第二稠密向量，并将所述第二稠密向量输入所述排序模型的多层感知机层，以通过所述多层感知机层中的激活函数获取所述待排序产品的初始转化率预估。3.根据权利要求2所述的方法，其特征在于，所述基于所述待排序产品的初始预估值更新所述至少两个推荐位的取值，包括：对所述初始点击率预估和/或所述初始转化率预估进行排序；基于排序后的所述初始点击率预估和/或所述初始转化率预估更新所述至少两个推荐位的取值，其中，所述初始点击率预估和/或所述初始转化率预估的分值越高所对应的推荐位的取值越小，所述推荐位的取值越小表示所述待排序产品在页面的排序位置越靠前。4.根据权利要求2所述的方法，其特征在于，所述将所述目标特征以及更新后的所述至少两个推荐位的取值再次输入所述排序模型，得到所述待排序产品的第一目标预估值，包括：将所述目标特征以及更新后的所述至少两个推荐位的取值再次输入所述排序模型的嵌入层得到第三稠密向量，并将所述第三稠密向量输入所述排序模型的多层感知机层，以通过所述多层感知机层中的激活函数获取第一目标点击率预估；将所述目标特征以及所述至少两个推荐位的初始值输入所述排序模型的嵌入层得到第四稠密向量，并将所述第四稠密向量输入所述排序模型的多层感知机层，以通过所述多层感知机层中的激活函...

【专利技术属性】
技术研发人员：张懿，
申请(专利权)人：微民保险代理有限公司，
类型：发明
国别省市：