[发明专利]相似用户确定方法、向量转化模型、装置、介质及设备

权利要求书

1.一种相似用户确定方法，其特征在于，包括：

获取候选用户的用户数据，对所述用户数据进行向量转化处理，以生成对应的用户行为向量和行为转化向量；所述用户数据包括行为数据和行为转化数据；

基于所述用户行为向量和所述行为转化向量生成所述候选用户对应的候选用户向量；

确定种子用户对应的种子用户向量；

计算所述候选用户向量与所述种子用户向量之间的相似度，以根据所述相似度从所述候选用户中确定与所述种子用户对应的相似用户；

所述对所述用户数据进行向量转化处理，以生成对应的用户行为向量和行为转化向量，包括：

获取预先构建的向量转化模型；所述向量转化模型包括第一子模型和第二子模型；

根据所述候选用户的用户数据确定所述候选用户的候选用户特征；

将所述候选用户特征输入至所述向量转化模型，以通过所述第一子模型确定所述用户行为向量，并通过所述第二子模型确定所述行为转化向量；

其中，所述向量转化模型通过下述步骤训练得到：

获取训练样本集，并获取初始双塔模型，以将所述训练样本集输入至所述初始双塔模型；所述训练样本集包括训练用户对应的训练用户特征和训练推荐对象特征；

基于所述训练用户特征与所述训练推荐对象特征，并通过所述第一子模型确定所述训练用户对应的行为预测值；

基于所述训练用户特征与所述训练推荐对象特征，并通过所述第二子模型确定所述训练用户对应的行为转化预测值；

基于所述行为预测值和所述行为转化预测值确定所述初始双塔模型的损失函数；

通过所述损失函数同步更新所述第一子模型的模型参数与所述第二子模型的模型参数，以得到所述向量转化模型；

所述基于所述训练用户特征与所述训练推荐对象特征，并通过所述第一子模型确定所述训练用户对应的行为预测值，包括：

将所述训练用户特征与所述训练推荐对象特征输入至所述第一子模型，由所述第一子模型确定所述训练用户的用户行为向量表示和第一推荐对象向量；

将所述用户行为向量表示与所述第一推荐对象向量之间的余弦相似度确定为第一初始相似度；

对所述第一初始相似度进行倍数放大处理，得到第一相似度，以根据所述第一相似度确定所述行为预测值；

所述基于所述训练用户特征与所述训练推荐对象特征，并通过所述第二子模型确定所述训练用户对应的行为转化预测值，包括：

将所述训练用户特征与所述训练推荐对象特征输入至所述第二子模型，由所述第二子模型确定所述训练用户的用户转化向量表示和第二推荐对象向量；

将所述用户转化向量表示与所述第二推荐对象向量之间的余弦相似度确定为第二初始相似度；

对所述第二初始相似度进行倍数放大处理，得到第二相似度，以根据所述第二相似度确定所述行为转化预测值。

2.根据权利要求1所述的方法，其特征在于，在所述获取训练样本集之前，所述方法还包括：

获取初始训练用户的用户行为数据，并根据所述用户行为数据确定所述初始训练用户对应的初始用户特征和初始推荐对象特征；所述初始用户特征包括初始用户画像特征和初始用户行为特征；

根据所述初始用户画像特征、初始用户行为特征以及所述初始推荐对象特征生成初始训练样本集；所述初始训练样本集包括第一样本子集和第二样本子集；

对所述初始训练样本集进行样本采集处理，以使所述第一样本子集和所述第二样本子集之间的数量比例处于预设数值区间；

将经过所述样本采集处理的初始训练样本集作为所述训练样本集。

3.根据权利要求1所述的方法，其特征在于，所述基于所述行为预测值和所述行为转化预测值确定所述初始双塔模型的损失函数，包括：

基于所述行为预测值确定第一损失函数，并确定所述第一损失函数对应的第一权重；

基于所述行为转化预测值确定第二损失函数，并确定所述第二损失函数对应的第二权重；

根据所述第一权重和所述第二权重对所述第一损失函数和所述第二损失函数进行加权求和处理，以确定所述损失函数。