[发明专利]一种数据处理方法及装置

说明书

本申请公开了一种数据处理方法，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。采用所述方法，解决了针对用户对候选对象的关注度顺序的预测准确度较低的问题。

技术领域

本申请涉及数据处理技术领域，具体涉及一种数据处理方法、装置及设备。本申请还涉及一种推荐系统。

背景技术

随着互联网的发展，在业务服务平台上运营的可供用户选择的对象越来越多，因此，用户与对象的相关性挖掘显得非常重要。其中，业务服务平台可以是外卖平台，也可以是提供其他业务服务的运营平台，例如，商品网购平台。所谓对象可以是向用户提供业务服务的实体对象，也可以是供用户进行网购的商品。例如，对象为提供外卖服务的商户；再如，对象为外卖菜品。

现有技术中，业务服务平台根据日志中记录的用户行为，预测目标用户与候选对象的相关性排序。所述相关性排序，为目标用户对每个候选对象的关注度顺序。以外卖平台为例，根据用户的下单、点击、曝光行为，通过矩阵分解技术预测用户与提供外卖服务的商户的相关性评分。采用矩阵分解技术的方式中假设潜在空间的每一维相互独立，并且用相同的权重进行线性结合，未考虑非线性因素，从而导致预测得到的相关性排序的准确度较低。另外，用户在不同时段对候选对象的偏好不同，时段是用户的业务行为习惯的影响因素，但是，现有技术中未根据时段预测用户对不同对象的偏好权重。因此使得用户对候选对象的关注度顺序的预测准确度较低。

因此，如何针对用户对候选对象的关注度顺序进行更为准确的预测是需要解决的问题。

发明内容

本申请实施例提供的数据处理方法，解决了针对用户对候选对象的关注度顺序的预测准确度较低的问题。

本申请实施例提供一种数据处理方法，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。

可选的，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。

可选的，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。

可选的，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。

可选的，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，