[发明专利]一种模型训练以及信息推荐方法及装置

权利要求书

1.一种模型训练方法，其特征在于，包括：

根据用户历史的行为日志数据，确定所述用户搜索的各关键词与各商家之间的关联关系，以及各关键词与各商家属性之间的关联关系，并分别以各关键词、各商家以及各商家属性为节点，根据各节点之间的关联关系，确定图数据；

针对每条行为日志数据，确定该行为日志数据中搜索的关键词，以及与所述关键词关联的各商家，并针对关联的每个商家，根据该商家节点的节点特征、所述关键词节点的节点特征以及该行为日志数据对应用户的用户特征，确定训练样本的样本数据；其中，各节点的节点特征基于所述图数据中与所述节点关联的各其它节点确定；

根据该行为日志数据中的业务执行结果，对各训练样本进行标注；

针对每个训练样本，将该训练样本的样本数据作为输入，输入待训练的点击预估模型，确定该训练样本的预估得分，并以最小化所述训练样本的预测得分与标注之间的差异为目标，调整所述点击预估模型中的模型参数。

2.如权利要求1所述的方法，其特征在于，根据所述用户的行为日志数据，确定所述用户搜索的各关键词与各商家之间的关联关系，具体包括：

针对每个关键词，根据所述行为日志数据中各用户搜索该关键词后在各商家的下单次数，确定该关键词与各商家的关联关系；其中，所述下单次数与所述关联关系中的关系权重呈正相关；

根据所述用户的行为日志数据，确定各关键词与各商家属性之间的关联关系，具体包括：

针对每个关键词，根据所述行为日志数据中各用户搜索该关键词后下单商家对应的商家属性，确定该关键词与各商家属性的关联关系。

3.如权利要求1所述的方法，其特征在于，基于所述图数据确定节点的节点特征之前，所述方法还包括：

以最大化所述图数据中相连节点的特征相似度，以及最小化所述图数据中不相连节点的特征相似度为目标，调整所述图数据中的模型参数。

4.如权利要求1所述的方法，其特征在于，根据该商家节点的节点特征、所述关键词节点的节点特征以及该行为日志数据对应用户的用户特征，确定训练样本的样本数据，具体包括：

根据该商家节点的节点特征以及所述关键词节点的节点特征，确定该商家对应所述关键词的匹配度；

根据该商家对应所述关键词的匹配度、该商家节点的节点特征以及该行为日志数据对应用户的用户特征，确定训练样本的样本数据。

5.一种信息推荐方法，其特征在于，包括：

接收终端发送的用户搜索关键词，并确定与所述关键词关联的各商家；

从预先构建的图数据中，确定所述关键词节点的节点特征，并针对所述关联的每个商家，从预先构建的图数据中，确定该商家节点的节点特征；其中，所述图数据以各商家、各商家属性以及用户历史搜索的各关键词为节点，并根据各节点之间的关联关系构建，各节点之间的关联关系基于所述用户的行为日志数据确定；

根据该商家节点的节点特征、所述关键词节点的节点特征以及所述用户的用户特征，通过预先训练的点击预估模型，确定该商家的预估得分；

根据各商家的预估得分，对各商家进行排序，并将排序结果发送至所述终端显示。

6.如权利要求5所述的方法，其特征在于，根据该商家节点的节点特征、所述关键词节点的节点特征以及所述用户的用户特征，通过预先训练的点击预估模型，确定该商家的预估得分，具体包括：

根据该商家节点的节点特征以及所述关键词节点的节点特征，确定该商家对应所述关键词的匹配度；

将该商家对应所述关键词的匹配度、该商家节点的节点特征以及所述用户的用户特征，输入预先训练的点击预估模型，确定该商家的预估得分。