事务推荐方法、装置、存储介质及设备与流程

本说明书涉及计算机，尤其涉及一种事务推荐方法、装置、存储介质及设备。

背景技术：

1、随着互联网技术的飞速发展及普及，用户数据呈现爆发式增长。从海量用户数据中挖掘有价值的行为信息，根据用户行为信息为用户推荐感兴趣的应用事务是近年来被关注与研究的焦点。

技术实现思路

1、本说明书实施例提供的一种事务推荐方法、装置、存储介质及设备，可以根据用户数据计算用户对待推荐事务的转化率，从而根据转化率推荐待推荐事务给用户。所述技术方案如下：

2、第一方面，本说明书实施例提供了一种事务推荐方法，所述方法包括：

3、获取第一用户对应的用户数据以及待推荐事务，所述用户数据包括第一画像特征以及第一行为特征；

4、根据所述第一画像特征确定与所述第一用户相关联的至少一个相似用户，获取各所述相似用户分别对应的第二行为特征；

5、基于各所述第二行为特征对所述第一行为特征进行特征重构，得到重构行为特征；

6、基于所述重构行为特征和所述待推荐事务生成所述第一用户针对所述待推荐事务的转化率；

7、基于所述转化率推荐所述待推荐事务至所述第一用户。

8、第二方面，本说明书实施例提供了一种转化率预测模型训练方法，所述方法包括：

9、构建训练样本数据集，所述训练样本数据包括样本用户画像信息、样本用户行为信息、样本推荐事务以及样本转化率标签值；

10、将所述训练样本数据输入至转化率预测模型中，基于所述特征提取网络提取所述样本用户画像信息中的样本用户画像特征、提取所述样本用户行为信息中的样本用户行为特征以及提取所述样本推荐事务中的样本事务特征；

11、采用特征重构网络根据所述样本用户画像特征生成所述训练样本数据对应的样本重构行为特征；

12、采用转化率预测网络根据所述样本重构行为特征和所述样本事务特征进行推荐预测，得到所述训练样本数据对应的样本转化率预测值；

13、基于预设损失函数、所述样本用户行为特征、所述样本重构行为特征、所述转化率标签值以及所述样本转化率预测值对所述转化率预测模型进行监督训练并迭代更新所述转化率预测模型的模型参数，直至转化率预测模型收敛，得到训练完成的转化率预测模型。

14、第三方面，本说明书实施例提供了一种事务推荐装置，所述装置包括：

15、用户数据获取模块，用于获取第一用户对应的用户数据以及待推荐事务，所述用户数据包括第一画像特征以及第一行为特征；

16、相似特征确定模块，用于根据所述第一画像特征确定与所述第一用户相关联的至少一个相似用户，获取各所述相似用户分别对应的第二行为特征；

17、行为特征重构模块，用于基于各所述第二行为特征对所述第一行为特征进行特征重构，得到重构行为特征；

18、转化率预测模块，用于基于所述重构行为特征和所述待推荐事务生成所述第一用户针对所述待推荐事务的转化率；

19、事务推荐模块，用于基于所述转化率推荐所述待推荐事务至所述第一用户。

20、第四方面，本说明书实施例提供了一种转化率预测模型训练装置，所述装置包括：

21、样本数据获取模块，用于构建训练样本数据集，所述训练样本数据包括样本用户画像信息、样本用户行为信息、样本推荐事务以及样本转化率标签值；

22、样本特征提取模块，用于将所述训练样本数据输入至转化率预测模型中，基于所述特征提取网络提取所述样本用户画像信息中的样本用户画像特征、提取所述样本用户行为信息中的样本用户行为特征以及提取所述样本推荐事务中的样本事务特征；

23、重构特征生成模块，用于采用特征重构网络根据所述样本用户画像特征生成所述训练样本数据对应的样本重构行为特征；

24、转化率预测模块，用于采用转化率预测网络根据所述样本重构行为特征和所述样本事务特征进行推荐预测，得到所述训练样本数据对应的样本转化率预测值；

25、模型监督训练模块，用于基于预设损失函数、所述样本用户行为特征、所述样本重构行为特征、所述转化率标签值以及所述样本转化率预测值对所述转化率预测模型进行监督训练并迭代更新所述转化率预测模型的模型参数，直至转化率预测模型收敛，得到训练完成的转化率预测模型。

26、第五方面，本说明书实施例提供一种计算机程序产品，所述计算机程序产品存储有至少一条指令，所述至少一条指令适于由处理器加载并执行上述的方法步骤。

27、第六方面，本说明书实施例提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序适于由处理器加载并执行上述的方法步骤。

28、第七方面，本说明书实施例提供一种电子设备，可包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述的方法步骤。

29、本说明书一些实施例提供的技术方案带来的有益效果至少包括：

30、采用本说明书实施例提供的事务推荐方法，通过获取第一用户对应的用户数据以及待推荐事务，用户数据包括第一画像特征以及第一行为特征，然后根据用户数据中的第一画像特征确定与第一用户相关联的至少一个相似用户，并基于各相似用户分别对应的第二行为特征对第一行为特征进行特征重构，得到重构行为特征，最后基于重构行为特征和待推荐事务生成第一用户针对待推荐事务的转化率，并基于转化率推荐待推荐事务至第一用户，可以解决行为稀疏用户由于用户行为特征较少导致的事务推荐效果不好的问题，根据第一画像特征确定相似用户，根据相似用户的第二行为特征对第一用户的第一行为特征进行特征重构，实现了对行为稀疏用户的行为特征的丰富，进而提升了事务推荐的效果。

技术特征：

1.一种事务推荐方法，所述方法包括：

2.根据权利要求1所述的方法，所述获取第一用户对应的用户数据，包括：

3.根据权利要求1所述的方法，所述根据所述第一画像特征确定与所述第一用户相关联的至少一个相似用户，获取各所述相似用户分别对应的第二行为特征，包括：

4.根据权利要求1所述的方法，所述基于所述重构行为特征和所述待推荐事务生成所述第一用户针对所述待推荐事务的转化率，包括：

5.根据权利要求1所述的方法，所述方法还包括：

6.根据权利要求1所述的方法，所述基于所述转化率推荐所述待推荐事务至所述第一用户，包括：

7.根据权利要求1所述的方法，所述基于所述转化率推荐所述待推荐事务至所述第一用户，包括：

8.一种转化率预测模型训练方法，所述转化率预测模型包括特征提取网络、特征重构网络以及转化率预测网络，所述方法包括：

9.根据权利要求8所述的方法，所述预设损失函数包括重构损失函数和预测损失函数，所述基于预设损失函数、所述样本用户行为特征、所述样本重构行为特征、所述转化率标签值以及所述样本转化率预测值对所述转化率预测模型进行监督训练并迭代更新所述转化率预测模型的模型参数，直至转化率预测模型收敛，得到训练完成的转化率预测模型，包括：

10.根据权利要求9所述的方法，所述基于所述重构损失值和所述预测损失值更新所述转化率预测模型的模型参数，包括：

11.一种事务推荐装置，包括：

12.一种转化率预测模型训练装置，包括：

13.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～7或8～10中任意一项所述方法的步骤。

14.一种电子设备，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1～7或8～10中任意一项所述方法的步骤。

15.一种计算机程序产品，其上存储有至少一条指令，其特征在于，所述至少一条指令被处理器执行时实现权利要求1～7或8～10中任意一项所述方法的步骤。

技术总结
本说明书公开了一种事务推荐方法、装置、存储介质及设备，通过获取第一用户对应的用户数据以及待推荐事务，用户数据包括第一画像特征以及第一行为特征，然后根据用户数据中的第一画像特征确定与第一用户相关联的至少一个相似用户，并基于各相似用户分别对应的第二行为特征对第一行为特征进行特征重构，得到重构行为特征，最后基于重构行为特征和待推荐事务生成第一用户针对待推荐事务的转化率，并基于转化率推荐待推荐事务至第一用户。

技术研发人员：闵旭,张晓露,周俊
受保护的技术使用者：支付宝（杭州）信息技术有限公司
技术研发日：
技术公布日：2024/2/6