[发明专利]一种用户行为预测方法及装置

说明书

本发明实施例提供一种用户行为预测方法及装置，涉及大数据机器学习技术领域，能够降低高阶特征稀疏性在用户行为预测过程中引起的偏差。具体方案为：预测装置获取第一样本集中每个特征分别对应的权重；第一样本集中的每个样本包括行为标签和第一特征向量，第一特征向量包括多个一阶特征和多个高阶特征，高阶特征由多个一阶特征组合而成；预测装置记录每个特征分别出现的频次；确定第一频次边界；修正第一样本集中每个特征分别对应的权重；其中，修正具体包括：减小频次小于第一频次边界的特征分别对应的权重；根据修正后的每个特征分别对应的权重，预测目标第一特征向量与行为标签的取值的概率对应关系。本发明实施例用于预测用户行为。

技术领域

本发明实施例涉及大数据机器学习技术领域，尤其涉及一种用户行为预测方法及装置。

背景技术

目前，用户行为预测作为现有个性化推荐、广告精准投放等领域的重要技术，被广泛关注和使用。以用户行为预测中的点击率预测为例，在实际应用场景中，用户是否会点击一个内容，不仅与用户固有的偏好特征和内容的属性特征有关，还与当时可能会影响用户决策的上下文特征有关。现有技术通过在训练样本的特征向量中纳入上下文特征，并通过特征组合生成高阶特征，以反映不同特征对用户行为预测的共同作用。

然而，现有技术中通过简单的特征组合的方法生成的阶数较高的特征，某些高阶特征容易在训练样本集中出现频次过低，即高阶特征具有稀疏性，从而容易在训练过程中发生局部过拟合，使得训练得到的某些高阶特征对应的权重不具备泛化能力，导致根据这些高阶特征对应的权重进行用户行为预测时出现偏差。

发明内容

本发明实施例提供一种用户行为预测方法及装置，能够降低高阶特征稀疏性在用户行为预测过程中引起的偏差。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，本发明实施例提供了一种用户行为预测方法，该方法包括：预测装置首先获取第一样本集中每个特征分别对应的权重。其中，第一样本集包括多个样本，第一样本集中的每个样本包括行为标签和第一特征向量，第一特征向量包括多个一阶特征和多个高阶特征，高阶特征由第一特征向量中的多个一阶特征组合而成。其次，预测装置记录第一样本集中每个特征分别出现的频次。而后，预测装置确定第一频次边界。之后，预测装置修正第一样本集中每个特征分别对应的权重。其中，修正具体包括：预测装置减小频次小于第一频次边界的特征分别对应的权重。然后，预测装置根据修正后的第一样本集中每个特征分别对应的权重，预测目标第一特征向量与行为标签的取值的概率对应关系。

从而，通过减小频次小于第一频次边界的特征对应的权重，预测装置可以抑制频次过低的高阶特征对应的权重，降低高阶特征稀疏性在用户行为预测过程中引起的偏差。

在一种可能的实现方式中，预测装置确定第一频次边界包括：预测装置根据第一样本集中最高阶特征出现的频次的平均值，确定第一频次边界。

其中，由于第一频次边界用于区分正常频次的特征和频次过低的特征，因而第一频次边界的取值可以参考第一样本集中最高阶特征出现的频次的平均值。

在一种可能的实现方式中，第一频次边界小于第一样本集中最高阶特征出现的频次的平均值，以尽量确保频次小于第一频次边界的特征为频次过低的问题特征。

在一种可能的实现方式中，该方法还包括：预测装置确定第二频次边界，第二频次边界大于第一频次边界。该修正还包括：预测装置减小频次大于第二频次边界的特征分别对应的权重。

从而，通过减小频次大于第二频次边界的特征分别对应的权重，预测装置还可以抑制频次过高的特征对应的权重，降低高频曝光问题在用户行为预测过程中引起的偏差。

在一种可能的实现方式中，预测装置确定第二频次边界包括：预测装置根据第一样本集中一阶特征出现的频次的平均值，确定第二频次边界。