[发明专利]优选业务确定方法及装置

说明书

本公开提供了优选业务确定方法及装置。具体而言，本公开提供了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FM层对所述多个嵌入输出向量集合执行处理以生成FM输出，其中每一个嵌入输出向量集合被输入多个FM单元中的一个FM单元进行处理；以及使用全连接层对所述FM输出进行处理以获取预测数据。

技术领域

本公开一般涉及互联网技术领域，尤其涉及优选业务确定方法及装置。

背景技术

机器学习模型接收输入数据并且基于所接收的输入来生成输出数据，例如，预测输出。一些机器学习模型是深度模型，采用多层模型来为接收到的输入数据生成输出数据。

机器学习模型可被应用于数据的预测。例如，在互联网领域，机器学习模型可被用来预测网络广告(例如，图片广告、文字广告、视频广告等)的点击率CTR(Click ThroughRate)。

发明内容

本发明的一方面提供了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FM层对所述多个嵌入输出向量集合执行处理以生成FM输出，其中每一个嵌入输出向量集合被输入多个FM单元中的一个FM单元进行处理；以及

使用全连接层对所述FM输出进行处理以获取预测数据。

可任选地，该方法进一步包括：

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FM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。

可任选地，该方法进一步包括，

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。

可任选地，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。

可任选地，该方法进一步包括，

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。

可任选地，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。

可任选地，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。

可任选地，所述FM单元包括二阶单元，并且在FM层对所述多个嵌入输出向量集合执行处理以生成FM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。

可任选地，所述FM单元包括一阶单元，并且在FM层对所述多个嵌入输出向量集合执行处理以生成FM输出进一步包括：