[发明专利]优选业务确定方法及装置

权利要求书

1.一种获取预测数据的方法，包括：

获取多个特征；

对所述多个特征进行分组以生成多组特征；

对所述多组特征进行嵌入处理以生成多个嵌入输出向量集合，其中每一组特征被输入多个嵌入单元中的一个嵌入单元进行嵌入处理以产生对应的嵌入输出向量集合，每个嵌入输出向量集合中的向量的维度相同；

在因子分解机层对所述多个嵌入输出向量集合执行处理以生成因子分解机输出，其中每一个嵌入输出向量集合被输入多个因子分解机单元中的一个因子分解机单元进行处理；以及

使用全连接层对所述因子分解机输出进行处理以获取预测数据。

2.如权利要求1所述的方法，其特征在于，进一步包括：

对组合特征执行嵌入处理以生成组合向量集合；以及

使用所述全连接层对所述组合向量集合和所述因子分解机输出进行处理以获取所述预测数据，

其中所述组合特征包括至少一个业务的业务特征和用户的用户特征的组合，其中所述至少一个业务是与用户的历史行为相关的业务。

3.如权利要求2所述的方法，其特征在于，进一步包括，

将所述组合向量集合输入到深度神经网络进行处理以生成深度神经网络输出；以及

使用所述全连接层处理所述深度神经网络输出以用于获取预测数据。

4.如权利要求2所述的方法，其特征在于，所述历史行为包括所述用户对所述业务的点击和/或购买行为。

5.如权利要求1所述的方法，其特征在于，进一步包括，

将所述多个嵌入输出向量集合输入到深度神经网络进行处理以生成深度神经网络输出；以及

使用所述全连接层处理所述深度神经网络输出以用于获取预测数据。

6.如权利要求1所述的方法，其特征在于，所述对所述多个特征进行分组包括：按照所述多个特征的表示的位数对所述多个特征进行分组。

7.如权利要求1所述的方法，其特征在于，所述对所述多个特征进行分组包括：按照所述多个特征的类型对所述多个特征进行分组。

8.如权利要求1所述的方法，其特征在于，所述因子分解机单元包括二阶单元，并且在因子分解机层对所述多个嵌入输出向量集合执行处理以生成因子分解机输出包括：

将每一个嵌入输出向量集合中的向量输入多个二阶单元中的一个二阶单元以进行点积处理。

9.如权利要求8所述的方法，其特征在于，所述因子分解机单元包括一阶单元，并且在因子分解机层对所述多个嵌入输出向量集合执行处理以生成因子分解机输出进一步包括：

将每一个嵌入输出向量集合中的向量输入多个一阶单元中的一个一阶单元以进行相加处理。

10.如权利要求1所述的方法，其特征在于，所述多个特征包括用户的用户特征和一个或多个业务的业务特征，所述预测数据是所述用户关于所述至少一个业务的点击率，并且所述方法进一步包括：

对所述至少一个业务的点击率进行排序以确定一个或多个优选业务，所述优选业务为所述至少一个业务中点击率排名靠前的业务。

11.一种获取预测数据的装置，包括：

用于获取多个特征的模块；

用于对所述多个特征进行分组以生成多组特征的模块；

用于对所述多组特征进行嵌入处理以生成多个嵌入输出向量集合的模块，其中每一组特征被输入多个嵌入单元中的一个嵌入单元进行嵌入处理以产生对应的嵌入输出向量集合，每个嵌入输出向量集合中的向量的维度相同；

用于在因子分解机层对所述多个嵌入输出向量集合执行处理以生成因子分解机输出的模块，其中每一个嵌入输出向量集合被输入多个因子分解机单元中的一个因子分解机单元进行处理；以及

用于使用全连接层对所述因子分解机输出进行处理以获取预测数据的模块。