CN114662001A - 资源交互预测模型训练方法和装置和资源推荐方法和装置 - Google Patents

Abstract

本公开提供一种资源交互预测模型训练方法和装置以及资源推荐方法和装置。所述资源交互预测模型包括特征提取网络和交互预测网络，所述训练方法包括：获取第一用户的账户信息和与目标资源的交互数据；基于账户信息和特征信息，利用特征提取网络得到与第一用户和目标资源对应的特征向量；基于特征向量利用交互预测网络，得到第一用户对目标资源的预测交互次数；基于特征向量利用操作预测网络，得到第一用户对目标资源的预测操作标签数据；基于实际交互次数、预测交互次数、实际操作标签数据和预测操作标签数据，更新资源交互预测模型的参数。

Description

资源交互预测模型训练方法和装置和资源推荐方法和装置

技术领域

本公开涉及数据处理技术领域，尤其涉及一种资源推荐方法和装置以及资源交互预测模型的训练方法和装置。

背景技术

目前，在资源平台上投放推荐信息的客户通常以用户完成与所推荐资源的交互作为目标，即期望在向用户投放推荐信息后能够实现用户对所推荐资源的交互。

对于资源平台，提高对用户资源交互行为的预测准确率，有利于用户对客户所推荐资源的关注和交互。因此，如何更加提高用户与推荐资源的交互行为成为亟待解决的问题。

发明内容

本公开提供一种资源推荐方法和资源推荐装置以及资源交互预测模型的训练方法和装置，以至少解决上述提及的问题。

根据本公开实施例的第一方面，提供一种资源交互预测模型的训练方法，所述资源交互预测模型可包括特征提取网络和交互预测网络，所述训练方法可包括：获取第一用户的账户信息和与目标资源的交互数据，其中，所述交互数据包括所述目标资源的特征信息、第一用户对所述目标资源的实际交互次数和与第一用户的交互行为相关联的实际操作标签数据；基于所述账户信息和所述特征信息，利用所述资源交互预测模型的所述特征提取网络得到与第一用户和所述目标资源对应的特征向量；基于所述特征向量利用所述资源交互预测模型的所述交互预测网络，得到第一用户对所述目标资源的预测交互次数；基于所述特征向量利用操作预测网络，得到第一用户对所述目标资源的预测操作标签数据；基于所述实际交互次数、所述预测交互次数、所述实际操作标签数据和所述预测操作标签数据，更新所述资源交互预测模型的参数。

可选地，基于所述特征向量利用所述交互预测网络，得到第一用户对所述目标资源的预测交互次数，可包括：基于所述特征向量利用所述交互预测网络，得到第一用户对所述目标资源的预设种类的交互次数的概率；基于所述预设种类的交互次数的概率确定第一用户对所述目标资源的预测交互次数。

可选地，基于所述实际交互次数、所述预测交互次数、所述实际操作标签数据和所述预测操作标签数据，更新所述资源交互预测模型的参数，可包括：基于所述实际交互次数和所述预测交互次数来构造第一损失函数，并且通过使由第一损失函数计算的损失最小化来调整所述资源交互预测模型的所述特征提取网络和所述交互预测网络的参数；基于所述实际操作标签数据和所述预测操作标签数据来构造第二损失函数，并且通过使由第二损失函数计算的损失最小化来调整所述操作预测网络和所述资源交互预测模型的所述特征提取网络的参数。

可选地，所述操作标签数据可包括以下中的至少一个：第一用户对所述目标资源的资源链接的实际操作标签、对包括所述目标资源的资源列表的实际操作标签、对所述目标资源的实际浏览标签和对第二用户的实际关注标签。

可选地，所述账户信息可包括第一用户在第二用户推荐包括所述目标资源的资源时的实时行为数据以及第一用户的长周期行为数据中的至少一个。

根据本公开实施例的第二方面，提供一种资源推荐方法，可包括：获取第一用户的账户信息和在第二用户推荐资源时的目标资源信息；基于所述账户信息和所述目标资源信息利用资源交互预测模型来预测第一用户与所述目标资源的交互次数；在预测的交互次数满足预设条件的情况下，确定向第一用户发送关于所述目标资源的资源推荐信息，其中，所述资源交互预测模型基于上述所述的训练方法被获得。

根据本公开实施例的第三方面，提供一种资源交互预测模型的训练装置，所述资源交互预测模型可包括特征提取网络和交互预测网络，所述训练装置可包括：获取模块，被配置为获取第一用户的账户信息和与目标资源的交互数据，其中，所述交互数据包括所述目标资源的特征信息、第一用户对所述目标资源的实际交互次数和与第一用户的交互行为相关联的实际操作标签数据；训练模块，被配置为：基于所述账户信息和所述特征信息，利用所述资源交互预测模型的所述特征提取网络得到与第一用户和所述目标资源对应的特征向量；基于所述特征向量利用所述资源交互预测模型的所述交互预测网络，得到第一用户对所述目标资源的预测交互次数；基于所述特征向量利用操作预测网络，得到第一用户对所述目标资源的预测操作标签数据；基于所述实际交互次数、所述预测交互次数、所述实际操作标签数据和所述预测操作标签数据，更新所述资源交互预测模型的参数。

可选地，训练模块可被配置为：基于所述特征向量利用所述交互预测网络，得到第一用户对所述目标资源的预设种类的交互次数的概率；基于所述预设种类的交互次数的概率确定第一用户对所述目标资源的预测交互次数。

可选地，训练模块可被配置为：基于所述实际交互次数和所述预测交互次数来构造第一损失函数，并且通过使由第一损失函数计算的损失最小化来调整所述资源交互预测模型的所述特征提取网络和所述交互预测网络的参数；基于所述实际操作标签数据和所述预测操作标签数据来构造第二损失函数，并且通过使由第二损失函数计算的损失最小化来调整所述操作预测网络和所述资源交互预测模型的所述特征提取网络的参数。

可选地，所述操作标签数据可包括以下中的至少一个：第一用户对所述目标资源的资源链接的实际操作标签、对包括所述目标资源的资源列表的实际操作标签、对所述目标资源的实际浏览标签和对第二用户的实际关注标签。

可选地，所述账户信息可包括第一用户在第二用户推荐包括所述目标资源的资源时的实时行为数据以及第一用户的长周期行为数据中的至少一个。

根据本公开实施例的第四方面，提供一种资源推荐装置，可包括：获取模块，被配置为获取第一用户的账户信息和在第二用户推荐资源时的目标资源信息；预测模块，被配置为基于所述账户信息和所述目标资源信息利用资源交互预测模型来预测第一用户与所述目标资源的交互次数；处理模块，被配置为在预测的交互次数满足预设条件的情况下，确定向第一用户发送关于所述目标资源的资源推荐信息，其中，所述资源交互预测模型基于上述所述的训练方法被获得。

根据本公开实施例的第五方面，提供一种电子设备，所述电子设备可包括：至少一个处理器；至少一个存储计算机可执行指令的存储器，其中，所述计算机可执行指令在被所述至少一个处理器运行时，促使所述至少一个处理器执行如上所述的资源推荐方法或训练方法。

根据本公开实施例的第六方面，提供一种计算机可读存储介质，存储有指令，当所述指令被至少一个处理器运行时，促使所述至少一个处理器执行如上所述的资源推荐方法或训练方法。

根据本公开实施例的第七方面，提供一种计算机程序产品，所述计算机程序产品中的指令被电子装置中的至少一个处理器运行以执行如上所述的资源推荐方法或训练方法。

本公开的实施例提供的技术方案至少带来以下有益效果：

通过考虑与资源交互行为相关的其他信息(诸如资源链接的操作信息、资源列表的操作信息、关注主播信息和浏览资源信息)训练资源交互预测模型，可提高模型的预测准确率。

通过增加更高次的交互次数，可避免训练过程中的欠成本现象，并且有助于获取多次与资源交互的优质流量。

通过在模型训练时考虑到用户的实时行为数据以及用户的长周期行为数据的有效特征，可使模型预测的准确性更高，提高预测模型的鲁棒性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。

图1是根据本公开的实施例的资源交互预测模型的训练方法的流程图；

图2是根据本公开的另一实施例的资源交互预测模型的训练方法的流程示意图；

图3是根据本公开的实施例的资源推荐方法的流程图；

图4是根据本公开的实施例的资源推荐设备的结构示意图；

图5是根据本公开的实施例的电子设备的框图；

图6是根据本公开的实施例的资源交互预测模型的训练装置的框图；

图7是根据本公开的实施例的资源推荐装置的框图。

在整个附图中，应注意，相同的参考标号用于表示相同或相似的元件、特征和结构。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

提供参照附图的以下描述以帮助对由权利要求及其等同物限定的本公开的实施例的全面理解。包括各种特定细节以帮助理解，但这些细节仅被视为是示例性的。因此，本领域的普通技术人员将认识到在不脱离本公开的范围和精神的情况下，可对描述于此的实施例进行各种改变和修改。此外，为了清楚和简洁，省略对公知的功能和结构的描述。

以下描述和权利要求中使用的术语和词语不限于书面含义，而仅由发明人用来实现本公开的清楚且一致的理解。因此，本领域的技术人员应清楚，本公开的各种实施例的以下描述仅被提供用于说明目的而不用于限制由权利要求及其等同物限定的本公开的目的。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在相关技术中，预测用户与资源(诸如商品)的交互次数(诸如购买次数)采用三分类建模，即预测用户会与资源交互0次、1次、大于等于2次的概率。用户交互次数大于等于2次的合并在一起，这导致交互次数为3次等更高次的信息丢失。对于三分类建模的模型训练，由于忽略了与资源交互3次、4次等更高次的情况，所以会存在以下问题：广告主展示报表、成本控制模块使用的均是完整的用户交互次数数据，模型与二者目标存在不一致(模型使用的资源交互数据(即订单支付数量)更少)，易出现欠成本现象(欠成本现象是指广告主本应该消费很多资金并且广告应该投放给很多用户，但是广告主实际消费很少资金，广告也只投放给很少的用户，这样广告平台从广告主收取的费用变少)；在无法达到全局最优的情况下，广告主出价也更容易出现非真实出价现象。此外，现有的三分类模型不能反映3次及以上交互次数的差异，不利于多次交互的优质流量的获取。

另外，由于目前用户进行资源交互的概率并不高，例如，很多用户进入主播讲解资源的直播间后仅是观看，并不会发生购买行为。因此，资源交互行为本身存在资源交互信号稀疏的问题。

基于上述问题，本公开改变三分类建模方式，增加交互次数种类的分类，诸如五分类，以缓解欠成本问题。此外，在模型训练时，通过增加与资源交互任务相关的信息，辅助资源交互任务的学习。另外，通过增加用户的有效特征，提高对用户交互资源行为的预测准确率。

在下文中，根据本公开的各种实施例，将参照附图对本公开的方法、装置和设备进行详细描述。

图1是根据本公开的实施例的资源交互预测模型的训练方法的流程图。根据本公开的资源交互预测模型可被用于预测用户针对目标资源的交互次数。资源交互预测模型可在用户正在观看主播直播讲解资源的过程中预测针对某个资源的交互次数，诸如购买该商品的次数，使得根据预测的交互次数来确定是否向用户发送与该资源相关的推荐信息。资源交互预测模型可在主播直播讲解资源之前预测用户对于主播将要讲解的资源的交互次数，使得在主播开播之前能够根据预测的交互次数向用户有针对性地发送相关的推荐信息。

根据本公开的训练方法可由任意具有数据处理功能的电子设备执行。电子设备可以是智能手机、平板电脑、便携式计算机和台式计算机等中的至少一种。电子设备也可以是服务器等。

根据本公开的实施例的资源交互预测模型可包括特征提取网络和交互预测网络。特征提取网络可用于提供相应的特征向量，交互预测网络可用于预测用户与目标资源的交互次数。

参照图1，在步骤S101，获取第一用户的账户信息和与目标资源的交互数据。交互数据可包括目标资源的特征信息、第一用户对目标资源的实际交互次数和与第一用户的交互行为相关联的实际操作标签数据。第一用户可表示观看主播直播带货的观众。第二用户可表示主播。资源可表示商品、产品等。

第一用户的账户信息可包括用户的基本信息(诸如性别、年龄等)、用户在观看主播直播讲解资源时的实时行为数据(诸如实时状态和兴趣数据)、用户的长周期行为数据(诸如长周期兴趣数据)等。然而，账户信息的示例仅是示例性的，本公开不限于此。

通过在训练模型时考虑到用户的实时状态和兴趣以及用户的长周期兴趣等有效特征，可使模型预测的准确性更好，提高预测模型的鲁棒性。

资源交互数据可从主播在直播讲解资源时的直播视频数据或者在主播拍摄的视频数据中获取。

目标资源的特征信息可包括资源的参数、属性等信息。第一用户对目标资源的实际交互次数可以指例如第一用户购买该资源的实际购买次数。

与第一用户的交互行为相关联的操作行为可包括第一用户对目标资源的资源链接的操作行为(诸如第一用户是否点击某个商品链接)、第一用户对包括目标资源的资源列表的操作行为(诸如第一用户是否点击主播直播时推荐资源的购物车)、第一用户对目标资源的浏览行为(诸如第一用户是否浏览某个商品)和对第二用户的关注行为(诸如第一用户是否关注了当前直播的主播)中的至少一个。相应地，与第一用户的交互行为相关联的实际操作标签数据可包括第一用户对目标资源的资源链接的实际操作标签、对包括目标资源的资源列表的实际操作标签、对目标资源的实际浏览标签和对第二用户的实际关注标签中的至少一个。

例如，若第一用户点击目标资源的资源链接，则将该操作标签设置为第一值(诸如1)，否则将该操作标签设置为第二值(诸如2)。若第一用户点击资源列表，则将该操作标签设置为第一值(诸如1)，否则将该操作标签设置为第二值(诸如2)。若第一用户浏览了目标资源，则将该操作标签设置为第一值(诸如1)，否则将该操作标签设置为第二值(诸如2)。若第一用户关注了推荐目标资源的第二用户(诸如主播)，则将该操作标签设置为第一值(诸如1)，否则将该操作标签设置为第二值(诸如2)。上述示例仅是示例性的，本公开不限于此。

例如，可将用户点击资源链接的标签设置为真值，将用户未点击资源链接的标签设置为假值。可将用户在直播画面中点击购物车的标签设置为真值，将用户在直播画面中未点击购物车的标签设置为假值。可将用户浏览目标资源的标签设置为真值，将用户未浏览目标资源设置为假值。可将用户关注了主播的标签设置为真值，将用户未关注主播的标签设置为假值。

在步骤S102，基于获取的账户信息和目标资源的特征信息，利用资源交互预测模型的特征提取网络得到与第一用户和目标资源对应的特征向量。

作为示例，特征提取网络可由神经网络的全连接层(例如一个全连接层)实现。可首先基于账户信息和目标资源的特征信息生成嵌入向量，然后将嵌入向量输入全连接层以得到与第一用户和目标资源对应的特征向量。这里，与第一用户和目标资源对应的特征向量可被称为共享向量。

在步骤S103，基于得到的特征向量利用资源交互预测模型的交互预测网络，得到第一用户对目标资源的预测交互次数。

作为示例，交互预测网络可由多个神经网络的全连接层(例如六个全连接层)实现。首先可基于得到的特征向量利用交互预测网络，得到第一用户对目标资源的预设种类的交互次数的概率，然后基于预设种类的交互次数的概率确定第一用户对目标资源的预测交互次数。预设种类的交互次数可包括大于和/或等于3次的交互次数。

根据本公开的实施例，预设种类的数量可大于3。例如，交互次数的种类可被分类为交互0次、交互1次、交互2次、交互3次和交互大于等于4次(即将大于4次的合并到4次中)。然而，上述分类示例仅是示例性的，本公开不限于此，还可分类为更高次的交互次数。

通过考虑交互3次、4次等更高次的情况，可避免模型训练时的欠成本现象，并且有助于获取多次与资源交互的优质流量。

为了便于描述，以资源交互预测模型预测目标资源的交互次数为例，目标资源不限于某一个资源，也可指代任意数量的资源。也就是说，资源交互预测模型可针对一个用户预测该用户对多个资源的交互次数，或者可针对多个用户分别预测每个用户对多个资源的交互次数。此外，每个资源可对应于不同的第二用户(诸如主播)。

资源交互预测模型可由多个全连接层实现。例如，可首先基于账户信息和目标资源的特征信息生成嵌入向量，将嵌入向量输入至资源交互预测模型中的第一个全连接层(即特征提取网络)得到共享向量，将共享向量输入至资源交互预测模型中的第一个全连接层之后的全连接层，诸如第一个全连接之后的其余全连接层构成交互预测网络，得到每种类型的交互次数的交互概率。。然而，上述网络层的示例仅是示例性的，本公开不限于此。

在将交互次数分类为五类，即0次、1次、2次、3次和大于等于4次的情况下，资源交互预测模型中的交互预测网络可基于共享向量预测每类交互次数的交互概率。

可基于得到的交互概率确定第一用户对目标资源的预测交互次数。例如，在将交互次数分类为五类的情况下，可基于以下等式(1)来确定用户对目标资源的交互次数。

E＝P₀*0+P₁*1+P₂*2+P₃*3+P₄*4 (1)

其中，E为用户与资源的交互次数，p₀为用户与资源交互0次的概率，p₁为用户与资源交互1次的概率，p₂为用户与资源交互2次的概率，p₃为用户与资源交互3次的概率，p₄为用户与资源交互大于等于4次的概率。

此外，可根据需求，针对每种分类的交互次数概率设置不同的权重，然后计算加权求和后的交互次数期望。

在步骤S104，基于得到的特征向量利用操作预测网络，得到第一用户对目标资源的预测操作标签数据。

在本公开中，在模型训练时，为了得到更加准确的预测模型，考虑到与交互行为相关联的操作行为数据。

这里，操作预测网络可仅用于资源交互预测模型的训练阶段，而在预测阶段不使用操作预测网络。

针对每个操作标签数据，可使用一个操作预测网络进行预测。也就是说，当使用上述两个操作标签数据时，可使用两个操作预测网络进行预测。当使用上述四个操作标签数据时，可使用四个操作预测网络进行预测。每种操作标签对应一个操作预测网络。

操作预测网络可由多个全连接层实现，诸如六个全连接层。例如，可将共享向量输入至操作预测网络得到与上述实际操作标签数据对应的预测操作标签数据。

在本公开中，在预测操作标签数据和交互次数时，可共享底层向量。可基于相同的特征向量，分别使用不同的神经网络来预测不同的操作标签数据以及交互次数。

在步骤S105，可基于实际交互次数、预测交互次数、实际操作标签数据和预测操作标签数据，更新资源交互预测模型的参数。

可基于实际交互次数和预测交互次数来构造第一损失函数，并且通过使由第一损失函数计算的损失最小化来调整资源交互预测模型的特征提取网络和交互预测网络的参数，可基于实际操作标签数据和预测操作标签数据来构造第二损失函数，并且通过使由第二损失函数计算的损失最小化来调整操作预测网络和资源交互预测模型的特征提取网络的参数。

可基于实际交互次数与预测交互次数构造损失函数，通过使由损失函数计算的损失最小化来调整资源交互预测模型的参数，例如，调整资源交互预测模型的特征提取网络和交互预测网络的参数。

在训练资源交互预测模型的过程中，还可考虑与资源交互任务相关的操作行为数据。使用操作行为数据来调整资源交互预测模型的参数。

在操作标签数据包括第一用户对资源链接的实际操作标签的情况下，可将资源交互预测模型的特征提取网络的共享向量输入至相应的操作预测网络，得到第一用户对资源链接的预测操作标签。这里，操作预测网络与交互预测网络属于并列关系，即每个网络相互独立地预测相应的数据。可基于实际交互次数、预测交互次数构造损失函数，基于预测操作标签和实际操作标签构造另一损失函数，通过使由两个损失函数计算的损失最小化来调整资源交互预测模型的参数。由于共享底层向量，所以可基于两个损失函数共同调整特征提取网络的参数，并且分别调整交互预测网络的参数和操作预测网络的参数。

在操作标签数据包括第一用户对资源列表的实际操作标签的情况下，可将资源交互预测模型的特征提取网络的共享向量输入至相应的操作预测网络，得到第一用户对资源列表的预测操作标签。这里，操作预测网络与交互预测网络属于并列关系，即每个网络相互独立地预测相应的数据。可基于实际交互次数、预测交互次数构造损失函数，基于预测操作标签和实际操作标签构造另一损失函数，通过使由两个损失函数计算的损失最小化来调整资源交互预测模型的参数。由于共享底层向量，所以可基于两个损失函数共同调整特征提取网络的参数，并且分别调整交互预测网络的参数和操作预测网络的参数。

在操作标签数据包括对目标资源的实际浏览标签的情况下，可将共享向量输入至相应的操作预测网络，得到第一用户对目标资源的预测浏览标签。这里，操作预测网络与交互预测网络属于并列关系，即每个网络相互独立地预测相应的数据。可基于实际交互次数、预测交互次数构造损失函数，基于预测浏览标签和实际浏览标签构造另一损失函数，通过使由两个损失函数计算的损失最小化来调整资源交互预测模型的参数。由于共享底层向量，所以可基于两个损失函数共同调整特征提取网络的参数，并且分别调整交互预测网络的参数和操作预测网络的参数。

在操作标签数据包括第一用户对第二用户的实际关注标签的情况下，可将共享向量输入至相应的操作预测网络，得到第一用户对第二用户的预测关注标签。这里，操作预测网络与交互预测网络属于并列关系，即每个网络相互独立地预测相应的数据。可基于实际交互次数、预测交互次数构造损失函数，基于预测关注标签和实际关注标签构造另一损失函数，通过使由两个损失函数计算的损失最小化来调整资源交互预测模型的参数。由于共享底层向量，所以可基于两个损失函数共同调整特征提取网络的参数，并且分别调整交互预测网络的参数和操作预测网络的参数。

此外，可同时使用上述全部预测标签数据或者使用部分预测标签数据，共同训练资源交互预测模型的参数。

根据本公开的资源交互预测模型可提高用户交互行为的预测准确率。

图2是根据本公开的实施例的训练资源交互预测模型的流程示意图。本公开的资源交互预测模型可包括图2中的第一全连接层和第三分支中的六个全连接层，并且在训练阶段使用其他的第一分支、第二分支、第四分支和第五分支中的网络层来辅助训练资源交互预测模型。在训练资源交互预测模型时，可考虑其他与资源交互相关的信息来调整第一全连接层的参数。由于第一分支至第五分支共享第一全连接层的共享向量，所以第一、第二、第四和第五分支可有助于第一全连接层的参数训练，从而提高资源交互预测模型的预测准确率。然而，上述网络层的示例仅是示例性的，本公开不限于此。

参照图2，可获取用户的账户信息、视频侧数据以及用户与视频之间的交互数据。这里，用户的账户信息可包括用户的基本信息(诸如性别、年龄等)、用户在观看主播直播讲解资源时的实时状态和兴趣数据、用户的长周期兴趣数据等。

视频侧数据可包括主播在直播讲解资源时的直播视频数据(诸如资源的交互链接、推荐资源列表等)、主播的非直播视频数据、主播的粉丝数量、主播的视频更新频率、主播发布的总视频数等。视频侧数据可包括资源交互信息。

交互数据可包括用户观看主播直播讲解资源的时长、用户是否关注了主播、用户是否对主播的历史视频进行了点赞、用户是否购买过主播之前讲解的资源、用户是否访问过主播的网上商店、用户是否将主播在网上商店里的商品加入过购物车、用户观看主播的非直播视频的总时长等。交互数据可包括上面描述的操作标签数据。上述示例仅是示例性的，本公开不限于此。

根据本公开的实施例，通过增加用户特征(诸如用户的长周期兴趣、用户在主播的直播间的实时状态和兴趣等)，来提高资源交互预测模型的鲁棒性。

基于获取的用户侧数据、视频侧数据和交互数据生成嵌入向量。通过将嵌入向量输入至第一全连接层，得到共享的底层向量(即共享向量)。

对于图2中的第一分支，可将共享向量输入至第一分支的六个全连接层，得到用户是否关注了主播的预测标签，然后利用预测标签和真实标签来调整第一全连接层和第一分支中的六个全连接层的参数。

对于图2中的第二分支，可将共享向量输入至第二分支的六个全连接层，得到用户是否浏览了资源的预测标签，然后利用预测标签和真实标签来调整第一全连接层和第二分支中的六个全连接层的参数。

对于图2中的第三分支，可将共享向量输入至第三分支的六个全连接层，预测用户与资源交互的交互次数，然后利用预测的交互次数和真实交互次数来调整第一全连接层和第三分支中的六个全连接层的参数。

在模型训练时，将资源的交互次数划分为0次、1次、2次、3次以及等于大于4次(即大于4次的交互次数合并到四次交互次数中)五类。第三分支预测用户与资源交互的每种次数的概率，即预测用户与资源交互0次的概率，用户与资源交互1次的概率，用户与资源交互2次的概率，用户与资源交互3次的概率，用户与资源交互4次的概率，然后计算用户与资源交互的期望作为用户与资源交互的最终次数。可按照上面等式(1)来计算用户与资源交互的交互次数。

根据本公开的实施例，通过单独考虑更高次的交互次数，避免了欠成本现象，并且有利用获取多次交互资源的优质用户流量。

对于图2中的第四分支，可将共享向量输入至第四分支的六个全连接层，预测用户是否产生了对推荐资源列表的操作行为(例如，用户是否点击了主播的直播带货画面中的购物车)，然后利用预测的操作行为标签和真实操作行为标签来调整第一全连接层和第四分支中的六个全连接层的参数。

对于图2中的第五分支，可将共享向量输入至第五分支的六个全连接层，预测用户是否产生了对资源链接的操作行为(例如，用户是否点击了商品链接)，然后利用预测的操作行为标签和真实操作行为标签来调整第一全连接层和第五分支中的六个全连接层的参数。

在图2中，五个分支使用共享向量分别获得不同的预测数据，利用每种预测数据和对应的真实数据来共同调整第一全连接层的参数并且分别调整每个分支中的全连接层的参数，利用共同调整的第一全连接层和第三分支的六个全连接层来预测用户对资源的交互次数。

图2所示的训练方式仅是示例性的，此外，可利用第一全连接层和第三分支的全连接层结合第一分支、第二分支、第四分支和第五分支中的任意组合来训练本公开的资源交互预测模型。此外，也可在图2的五个分支的基础上，增加其他的预测分支来共同训练第一层全连接层的参数。

根据本公开的实施例，通过在模型训练时增加其他与资源交互相关的信息(诸如用户对推荐资源列表的操作行为和用户对资源链接的操作行为等)，能够缓解资源交互信号的稀疏度，更好地辅助资源交互预测模型的学习。

图3是根据本公开的实施例的资源推荐方法的流程图。图3示出的资源推荐方法可被应用于在用户正在观看主播直播讲解资源时确定是否向用户发送相关的资源推荐信息，可被应用于在主播直播讲解资源之前确定是否向用户发送相关的资源推荐信息，也可被应用于在主播直播讲解资源之后确定是否向用户发送相关的资源推荐信息。

根据本公开的资源推荐方法可由任意具有数据处理功能的电子设备执行。电子设备可以是智能手机、平板电脑、便携式计算机和台式计算机等中的至少一种。电子设备也可以是服务器等。

参照图3，在步骤S301，获取第一用户的账户信息和在第二用户推荐资源时的目标资源信息。

在步骤S302，基于账户信息和目标资源信息利用资源交互预测模型来预测第一用户与目标资源交互的交互次数。这里，资源交互预测模型可基于上面描述的训练方法被训练获得。

在步骤S303，在预测的交互次数满足预设条件的情况下，确定向第一用户发送关于目标资源的资源推荐信息。

例如，在用户正在观看主播直播讲解资源时，可利用资源交互预测模型预测用户针对主播的资源列表中的每个资源的交互次数，然后将关于预测的交互次数满足预设条件的资源的相关推荐资源信息发送给用户。在预测用户针对某个资源的交互次数大于或等于1次时，电子设备可确定向该用户发送关于该资源的推荐信息，诸如向用户发送关于该资源的广告。

然而，上述示例仅是示例性的，本公开不限于此。

图4是本公开实施例的硬件运行环境的资源推荐设备的结构示意图。

如图4所示，资源推荐设备400可包括：处理组件401、通信总线402、网络接口403、输入输出接口404、存储器405以及电源组件406。其中，通信总线402用于实现这些组件之间的连接通信。输入输出接口404可以包括视频显示器(诸如，液晶显示器)、麦克风和扬声器以及用户交互接口(诸如，键盘、鼠标、触摸输入装置等)，可选地，输入输出接口404还可包括标准的有线接口、无线接口。网络接口403可选的可包括标准的有线接口、无线接口(如无线保真接口)。存储器405可以是高速的随机存取存储器，也可以是稳定的非易失性存储器。存储器405可选的还可以是独立于前述处理组件401的存储装置。

本领域技术人员可以理解，图4中示出的结构并不构成对资源推荐设备400的限定，可包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图4所示，作为一种存储介质的存储器405中可包括操作系统(诸如MAC操作系统)、数据存储模块、网络通信模块、用户接口模块、与本公开的资源推荐方法对应的程序、与模型训练方法对应的程序以及数据库。

在图4所示的资源推荐设备400中，网络接口403主要用于与外部电子设备/终端进行数据通信；输入输出接口404主要用于与用户进行数据交互；资源推荐设备400中的处理组件401、存储器405可被设置在资源推荐设备400中，资源推荐设备400通过处理组件401调用存储器405中存储的资源推荐方法、模型训练方法以及由操作系统提供的各种API，执行本公开实施例提供的资源推荐方法和模型训练方法。

处理组件401可以包括至少一个处理器，存储器405中存储有计算机可执行指令集合，当计算机可执行指令集合被至少一个处理器执行时，执行根据本公开实施例的资源推荐方法和模型训练方法。然而，上述示例仅是示例性的，本公开不限于此。

例如，处理组件401可基于本公开的资源推荐方法来确定是否向用户发送资源推荐信息。此外，处理组件401可基于本公开的模型训练方法来训练资源交互预测模型。

处理组件401可通过执行程序来实现对资源推荐设备400所包括的组件的控制。

作为示例，资源推荐设备400可以是PC计算机、平板装置、个人数字助理、智能手机、或其他能够执行上述指令集合的装置。这里，资源推荐设备400并非必须是单个的电子设备，还可以是任何能够单独或联合执行上述指令(或指令集)的装置或电路的集合体。资源推荐设备400还可以是集成控制系统或系统管理器的一部分，或者可以被配置为与本地或远程(例如，经由无线传输)以接口互联的便携式电子设备。

在资源推荐设备400中，处理组件401可包括中央处理器(CPU)、图形处理器(GPU)、可编程逻辑装置、专用处理器系统、微控制器或微处理器。作为示例而非限制，处理组件401还可以包括模拟处理器、数字处理器、微处理器、多核处理器、处理器阵列、网络处理器等。

处理组件401可运行存储在存储器中的指令或代码，其中，存储器405还可以存储数据。指令和数据还可以经由网络接口403而通过网络被发送和接收，其中，网络接口403可以采用任何已知的传输协议。

存储器405可以与处理组件401集成为一体，例如，将RAM或闪存布置在集成电路微处理器等之内。此外，存储器405可包括独立的装置，诸如，外部盘驱动、存储阵列或任何数据库系统可以使用的其他存储装置。存储器和处理组件401可以在操作上进行耦合，或者可以例如通过I/O端口、网络连接等互相通信，使得处理组件401能够读取存储在存储器405中的数据。

根据本公开的实施例，可提供一种电子设备。图5是根据本公开实施例的电子设备的框图，该电子设备500可包括至少一个存储器502和至少一个处理器501，所述至少一个存储器502存储有计算机可执行指令集合，当计算机可执行指令集合被至少一个处理器501执行时，执行根据本公开实施例的资源推荐方法和模型训练方法。

处理器501可包括中央处理器(CPU)、图形处理器(GPU)、可编程逻辑装置、专用处理器系统、微控制器或微处理器。作为示例而非限制，处理器501还可包括模拟处理器、数字处理器、微处理器、多核处理器、处理器阵列、网络处理器等。

作为一种存储介质的存储器502可包括操作系统(例如，MAC操作系统)、数据存储模块、网络通信模块、用户接口模块、与资源推荐方法对应的程序、模型训练程序以及数据库。

存储器502可与处理器501集成为一体，例如，可将RAM或闪存布置在集成电路微处理器等之内。此外，存储器502可包括独立的装置，诸如，外部盘驱动、存储阵列或任何数据库系统可使用的其他存储装置。存储器502和处理器501可在操作上进行耦合，或者可例如通过I/O端口、网络连接等互相通信，使得处理器501能够读取存储在存储器502中的文件。

此外，电子设备500还可包括视频显示器(诸如，液晶显示器)和用户交互接口(诸如，键盘、鼠标、触摸输入装置等)。电子设备500的所有组件可经由总线和/或网络而彼此连接。

本领域技术人员可理解，图5中示出的结构并不构成对的限定，可包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

图6是根据本公开的实施例的资源交互预测模型的训练装置的框图。

参照图6，训练装置600可包括获取模块601和训练模块602。训练装置600中的每个模块可由一个或多个模块来实现，并且对应模块的名称可根据模块的类型而变化。在各种实施例中，可省略训练装置600中的一些模块，或者还可包括另外的模块。此外，根据本公开的各种实施例的模块/元件可被组合以形成单个实体，并且因此可等效地执行相应模块/元件在组合之前的功能。

资源交互预测模型可包括特征提取网络和交互预测网络。

获取模块601可获取第一用户的账户信息和与目标资源的交互数据，其中，交互数据可包括目标资源的特征信息、第一用户对目标资源的实际交互次数和与第一用户的交互行为相关联的实际操作标签数据。

训练模块602可基于账户信息和特征信息，利用资源交互预测模型的特征提取网络得到与第一用户和目标资源对应的特征向量，基于特征向量利用资源交互预测模型的交互预测网络，得到第一用户对目标资源的预测交互次数，基于特征向量利用操作预测网络，得到第一用户对目标资源的预测操作标签数据，基于实际交互次数、预测交互次数、实际操作标签数据和预测操作标签数据，更新资源交互预测模型的参数。

可选地，操作标签数据可包括以下中的至少一个：第一用户对目标资源的资源链接的实际操作标签、对包括目标资源的资源列表的实际操作标签、对目标资源的实际浏览标签和对第二用户的实际关注标签。

可选地，账户信息可包括第一用户在第二用户推荐包括所述目标资源的资源时的实时行为数据以及第一用户的长周期行为数据中的至少一个。

训练模块602可基于特征向量利用交互预测网络，得到第一用户对目标资源的预设种类的交互次数的概率，基于预设种类的交互次数的概率确定第一用户对目标资源的预测交互次数。预设种类可包括五个种类，诸如交互0次、1次、2次、3次和大于等于4次。

训练模块602可基于实际交互次数和预测交互次数来构造第一损失函数，并且通过使由第一损失函数计算的损失最小化来调整资源交互预测模型的特征提取网络和交互预测网络的参数，基于实际操作标签数据和预测操作标签数据来构造第二损失函数，并且通过使由第二损失函数计算的损失最小化来调整操作预测网络和资源交互预测模型的特征提取网络的参数。

上面已根据图1和图2详细描述了模型训练过程，这里不再进行描述。

图7是根据本公开的实施例的资源推荐装置的框图。

参照图7，资源推荐装置700可包括获取模块701、预测模块702和处理模块703。资源推荐装置700中的每个模块可由一个或多个模块来实现，并且对应模块的名称可根据模块的类型而变化。在各种实施例中，可省略资源推荐装置700中的一些模块，或者还可包括另外的模块。此外，根据本公开的各种实施例的模块/元件可被组合以形成单个实体，并且因此可等效地执行相应模块/元件在组合之前的功能。

获取模块701可获取第一用户的账户信息和在第二用户推荐资源时的目标资源信息。

预测模块702可基于账户信息和目标资源信息利用资源交互预测模型来预测第一用户与目标资源的交互次数。资源交互预测模型可基于上面描述的模型训练方法被获得。

处理模块703可在预测的交互次数满足预设条件的情况下，确定向第一用户发送关于目标资源的资源推荐信息。

根据本公开的实施例，还可提供一种存储指令的计算机可读存储介质，其中，当指令被至少一个处理器运行时，促使至少一个处理器执行根据本公开的资源推荐方法和模型训练程序。这里的计算机可读存储介质的示例包括：只读存储器(ROM)、随机存取可编程只读存储器(PROM)、电可擦除可编程只读存储器(EEPROM)、随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、闪存、非易失性存储器、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-R LTH、BD-RE、蓝光或光盘存储器、硬盘驱动器(HDD)、固态硬盘(SSD)、卡式存储器(诸如，多媒体卡、安全数字(SD)卡或极速数字(XD)卡)、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘以及任何其他装置，所述任何其他装置被配置为以非暂时性方式存储计算机程序以及任何相关联的数据、数据文件和数据结构并将所述计算机程序以及任何相关联的数据、数据文件和数据结构提供给处理器或计算机使得处理器或计算机能执行所述计算机程序。上述计算机可读存储介质中的计算机程序可在诸如客户端、主机、代理装置、服务器等计算机设备中部署的环境中运行，此外，在一个示例中，计算机程序以及任何相关联的数据、数据文件和数据结构分布在联网的计算机系统上，使得计算机程序以及任何相关联的数据、数据文件和数据结构通过一个或多个处理器或计算机以分布式方式存储、访问和执行。

根据本公开的实施例中，还可提供一种计算机程序产品，该计算机程序产品中的指令可由计算机设备的处理器执行以完成上述资源推荐方法和模型训练方法。

需要说明的是，本公开所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)，均为经用户授权或者经过各方充分授权的信息。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种资源交互预测模型的训练方法，其特征在于，所述资源交互预测模型包括特征提取网络和交互预测网络，所述训练方法包括：

获取第一用户的账户信息和与目标资源的交互数据，其中，所述交互数据包括所述目标资源的特征信息、第一用户对所述目标资源的实际交互次数和与第一用户的交互行为相关联的实际操作标签数据；

基于所述账户信息和所述特征信息，利用所述资源交互预测模型的所述特征提取网络得到与第一用户和所述目标资源对应的特征向量；

基于所述特征向量利用所述资源交互预测模型的所述交互预测网络，得到第一用户对所述目标资源的预测交互次数；

基于所述特征向量利用操作预测网络，得到第一用户对所述目标资源的预测操作标签数据；

基于所述实际交互次数、所述预测交互次数、所述实际操作标签数据和所述预测操作标签数据，更新所述资源交互预测模型的参数。

2.根据权利要求1所述的训练方法，其特征在于，基于所述特征向量利用所述交互预测网络，得到第一用户对所述目标资源的预测交互次数，包括：

基于所述特征向量利用所述交互预测网络，得到第一用户对所述目标资源的预设种类的交互次数的概率；

基于所述预设种类的交互次数的概率确定第一用户对所述目标资源的预测交互次数。

3.根据权利要求1所述的训练方法，其特征在于，基于所述实际交互次数、所述预测交互次数、所述实际操作标签数据和所述预测操作标签数据，更新所述资源交互预测模型的参数，包括：

基于所述实际交互次数和所述预测交互次数来构造第一损失函数，并且通过使由第一损失函数计算的损失最小化来调整所述资源交互预测模型的所述特征提取网络和所述交互预测网络的参数；

基于所述实际操作标签数据和所述预测操作标签数据来构造第二损失函数，并且通过使由第二损失函数计算的损失最小化来调整所述操作预测网络和所述资源交互预测模型的所述特征提取网络的参数。

4.根据权利要求1所述的训练方法，其特征在于，所述操作标签数据包括以下中的至少一个：第一用户对所述目标资源的资源链接的实际操作标签、对包括所述目标资源的资源列表的实际操作标签、对所述目标资源的实际浏览标签和对第二用户的实际关注标签。

5.一种资源推荐方法，其特征在于，包括：

获取第一用户的账户信息和在第二用户推荐资源时的目标资源信息；

基于所述账户信息和所述目标资源信息利用资源交互预测模型来预测第一用户与所述目标资源的交互次数；

在预测的交互次数满足预设条件的情况下，确定向第一用户发送关于所述目标资源的资源推荐信息，

其中，所述资源交互预测模型基于权利要求1至4中任一项所述的训练方法被获得。

6.一种资源交互预测模型的训练装置，其特征在于，所述资源交互预测模型包括特征提取网络和交互预测网络，所述训练装置包括：

获取模块，被配置为获取第一用户的账户信息和与目标资源的交互数据，其中，所述交互数据包括所述目标资源的特征信息、第一用户对所述目标资源的实际交互次数和与第一用户的交互行为相关联的实际操作标签数据；

训练模块，被配置为：

基于所述账户信息和所述特征信息，利用所述资源交互预测模型的所述特征提取网络得到与第一用户和所述目标资源对应的特征向量；

基于所述特征向量利用所述资源交互预测模型的所述交互预测网络，得到第一用户对所述目标资源的预测交互次数；

基于所述特征向量利用操作预测网络，得到第一用户对所述目标资源的预测操作标签数据；

基于所述实际交互次数、所述预测交互次数、所述实际操作标签数据和所述预测操作标签数据，更新所述资源交互预测模型的参数。

7.一种资源推荐装置，其特征在于，包括：

获取模块，被配置为获取第一用户的账户信息和在第二用户推荐资源时的目标资源信息；

预测模块，被配置为基于所述账户信息和所述目标资源信息利用资源交互预测模型来预测第一用户与所述目标资源的交互次数；

处理模块，被配置为在预测的交互次数满足预设条件的情况下，确定向第一用户发送关于所述目标资源的资源推荐信息，

其中，所述资源交互预测模型基于权利要求1至4中任一项所述的训练方法被获得。

8.一种电子设备，其特征在于，包括：

至少一个处理器；

至少一个存储计算机可执行指令的存储器，

其中，所述计算机可执行指令在被所述至少一个处理器运行时，促使所述至少一个处理器执行如权利要求1至4中任一项权利要求所述的训练方法或者如权利要求5所述的资源推荐方法。

9.一种计算机可读存储介质，其特征在于，存储指令，当所述指令被至少一个处理器运行时，促使所述至少一个处理器执行如权利要求1至4中任一项权利要求所述的训练方法或者如权利要求5所述的资源推荐方法。

10.一种计算机程序产品，所述计算机程序产品中的指令被电子装置中的至少一个处理器运行以执行如权利要求1至4中任一项权利要求所述的训练方法或者如权利要求5所述的资源推荐方法。

Images