[发明专利]一种数据处理方法及装置

权利要求书

1.一种数据处理方法，其特征在于，包括：

获得目标用户标识以及所述目标用户标识对应的候选对象信息；

获得所述目标用户标识对应的计算设备针对所述候选对象信息进行访问的特定时间信息；

根据所述目标用户标识、所述候选对象信息以及所述特定时间信息，采用预先训练的神经网络模型确定所述目标用户对于所述候选对象信息的关注度顺序；其中，所述神经网络模型中加入了基于时间特征的注意力机制。

2.根据权利要求1所述的方法，其特征在于，所述获得目标用户标识以及所述目标用户标识对应的候选对象信息，包括：

确定所述目标用户标识对应的计算设备的位置信息；

根据所述位置信息确定所述候选对象信息。

3.根据权利要求1所述的方法，其特征在于，所述获得目标用户标识以及所述目标用户标识对应的候选对象信息，包括：

确定特定对象的业务特征；

根据所述业务特征确定与所述用户目标标识匹配的特定对象，将所述特定对象的信息作为所述候选对象信息。

4.根据权利要求1所述的方法，其特征在于，所述获得所述目标用户标识对应的计算设备针对所述候选对象信息进行访问的特定时间信息，包括：

获得业务服务平台接收到所述计算设备发送的业务访问请求的时间信息，作为所述特定时间信息，其中，所述业务服务平台为向所述计算设备提供针对所述候选对象信息的业务访问服务的平台。

5.根据权利要求1所述的方法，其特征在于，还包括：

确定所述神经网络模型的网络结构，按照所述网络结构构建初始神经网络模型；

获得用于训练所述神经网络模型的包含用户标识、对象信息、时间信息的样本数据，使用所述样本数据针对初始神经网络模型进行训练，得到所述预先训练的神经网络模型；所述神经网络模型的网络结构包括：输入层、密集层、加入基于时间特征的注意力机制的模型层、拼接层以及输出层；其中，

所述输入层，用于接收独热向量输入信息，所述独热向量输入信息包含针对用户标识、对象信息以及时间信息分别进行独热编码，得到的用户独热向量、对象独热向量以及时间独热向量；

所述密集层，用于对经过嵌入处理后的用户独热向量、对象独热向量以及时间独热向量进行非线性变化，提取出嵌入处理后的用户独热向量的用户特征、嵌入处理后的对象独热向量的对象特征以及嵌入处理后的时间独热向量的时段特征；

所述模型层，包括矩阵分解层，多层神经网络层以及基于时间特征的注意力机制层；所述矩阵分解层，用于针对所述用户特征以及所述对象特征进行元素点积计算，挖掘线性交互特征；所述多层神经网络层，用于针对所述用户特征与所述对象特征拼接后的信息，通过多层隐藏层挖掘非线性特征；所述基于时间特征的注意力机制层，用于根据所述对象特征以及所述时段特征，训练得到每个时段目标用户对每个对象的关注权重；

所述拼接层，用于将所述关注权重与所述对象特征拼接后的信息，与所述线性交互特征以及所述非线性交互特征进行拼接；

所述输出层，用于针对拼接层输出的拼接信息进行处理，得到用户标识对应的用户针对每个对象信息标识的对象产生业务行为的概率。

6.根据权利要求5所述的方法，其特征在于，所述神经网络模型，还用于：

针对时间独热向量以及对象独热向量进行嵌入处理，得到时段嵌入特征和对象嵌入特征；

将所述时段嵌入特征与所述对象嵌入特征进行乘法运算；

拼接乘法运算结果、所述时段嵌入特征以及所述对象嵌入特征，训练得到第一拼接信息；

针对第一拼接信息进行数值映射，得到每个时段用户对每个对象的关注权重；

将所述关注权重和所述对象嵌入特征相乘；

拼接相乘结果、所述线性交互特征、所述非线性特征，得到第二拼接信息；

针对第二拼接信息进行数值映射，得到每个时段用户对每个对象产生业务行为的概率。