[发明专利]用户消费时长预测方法、装置、电子设备与存储介质

权利要求书

1.一种用户消费时长预测方法，其特征在于，包括：

获取目标用户的特征信息以及目标内容的特征信息；

将所述目标用户的特征信息以及所述目标内容的特征信息输入预先训练的用户消费时长预测模型，得到所述目标用户对于所述目标内容的消费时长预测值；其中，

所述用户消费时长预测模型用于，根据所述目标用户的特征信息以及所述目标内容的特征信息在多个维度的相似度，得到目标用户对于目标内容的消费时长预测值；所述多个维度的相似度是基于多个目标用户子向量与多个目标内容子向量之间的距离得到的，所述多个目标用户子向量是通过拆分所述目标用户的特征向量得到的，所述多个目标内容子向量是通过拆分所述目标内容的特征向量得到的。

2.根据权利要求1所述的用户消费时长预测方法，其特征在于，所述用户消费时长预测模型包括输入网络层以及输出网络层；

所述输入网络层用于根据目标用户的特征信息和目标用户的特征信息所对应的权重向量生成目标用户的特征向量，以及根据目标内容的特征信息和目标内容的特征信息所对应的权重向量生成目标内容的特征向量；其中，目标用户的第一特征信息以及目标内容的第一特征信息共享同一个权重向量，所述目标用户的第一特征信息为所述目标用户的任意一个特征信息，所述目标内容的第一特征信息为所述目标内容的任意一个特征信息，且所述目标用户的第一特征信息与所述目标内容的第一特征信息相同；

所述输出网络层用于将基于所述目标用户的特征向量所得到的目标用户向量拆分成多个目标用户子向量，将基于所述目标内容的特征向量所得到的目标内容向量拆分成多个目标内容子向量，并基于所述多个目标用户子向量与所述多个目标内容子向量之间的距离计算结果，得到目标用户对于目标内容的消费时长预测值。

3.根据权利要求1或2所述的用户消费时长预测方法，其特征在于，在所述获取目标用户的特征信息以及目标内容的特征信息的步骤之前，方法还包括：

获取样本用户的特征信息、样本内容的特征信息以及多个样本消费时长；其中，所述样本消费时长用于反映样本用户对于样本内容的消费时长；

统计所述多个样本消费时长的分布情况，根据统计结果确定等分点；

根据所述等分点，将第一样本消费时长映射为第一概率值；其中，所述第一样本消费时长为所述多个样本消费时长中的任意一个，所述第一概率值用于描述第一样本消费时长超过所述多个样本消费时长中的除所述第一样本消费时长之外的其他样本消费时长的概率；

根据所述第一概率值生成样本标签；

基于所述样本用户的特征信息、样本内容的特征信息以及样本标签进行训练，得到消费时长预测模型。

4.根据权利要求2所述的用户消费时长预测方法，其特征在于，所述输出网络层进一步包括：子向量拆分层、距离计算层以及线性组合层；其中，

所述子向量拆分层用于将所述目标用户向量拆分成多个目标用户子向量，将所述目标内容向量拆分成多个目标内容子向量；其中，所述多个目标用户子向量与所述多个目标内容子向量的数量均为正整数N；所述多个目标用户子向量中的各个目标用户子向量以及所述多个目标内容子向量中的各个目标内容子向量均具有相同的维度；

所述距离计算层用于将所述多个目标用户子向量中的各个目标用户子向量分别与所述多个目标内容子向量中的各个目标内容子向量进行距离计算，得到包含所有距离计算结果的交叉向量；其中，所述交叉向量的维度为N的平方；

所述线性组合层用于将所述交叉向量中的所有距离计算结果进行线性组合，并基于组合后的交叉向量得到目标用户对于目标内容的消费时长预测值。