[发明专利]基于深度兴趣网络的深度兴趣捕获模型构建方法及装置

权利要求书

1.一种深度兴趣捕获模型构建方法，其特征在于，包括以下步骤：

获取用户信息和用户的历史点击数据，并根据所述用户信息和所述历史点击数据生成训练数据；

根据所述训练数据进行模型训练，以得到深度兴趣捕获模型。

2.如权利要求1所述的深度兴趣捕获模型构建方法，其特征在于，所述深度兴趣捕获模型构建方法进一步包括：

获取物品对应的物品信息，并将所述物品信息输入到所述深度兴趣捕获模型，以通过所述深度兴趣捕获模型输出对应的物品向量，以及根据每个物品对应的物品向量计算专题向量；

获取用户的待分析点击数据，并将所述待分析点击数据输入到所述深度兴趣捕获模型，以通过所述深度兴趣捕获模型输出对应的用户向量。

3.如权利要求1所述的深度兴趣捕获模型构建方法，其特征在于，所述用户的历史点击数据包括用户每次历史点击行为对应的物品信息、时间信息和各历史点击行为之间的排序信息；或所述用户的历史点击数据包括用户的曝光日志和点击行为日志，所述曝光日志中记录了某个物品对某个用户当天是否曝光，而所述点击行为日志记载了用户的点击行为对应的信息。

4.如权利要求1所述的深度兴趣捕获模型构建方法，其特征在于，所述训练数据包括离散型特征、连续型特征和序列特征；

其中，所述离散型特征包括时间信息、用户属性信息和物品分类信息，所述连续型特征包括用户历史点击物品分类统计信息，所述序列特征包括用户历史点击行为对应的物品信息序列。

5.如权利要求4所述的深度兴趣捕获模型构建方法，其特征在于，所述深度兴趣捕获模型包括：

BatchNormalization层，其用于将所述序列特征、所述离散型特征和所述连续型特征进行拼接；以及

多层全连接层，每层全连接层后接BatchNormalization层和Dice激活函数。

6.如权利要求5所述的深度兴趣捕获模型构建方法，其特征在于，所述深度兴趣捕获模型包括：3层所述全连接层。

7.一种计算机可读存储介质，其特征在于，其上存储有基于深度兴趣网络的深度兴趣捕获模型构建程序，该基于深度兴趣网络的专题推荐程序被处理器执行时实现如权利要求1-6中任一项所述的深度兴趣捕获模型构建方法。

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如权利要求1-6中任一项所述的深度兴趣捕获模型构建方法。

9.一种基于深度兴趣网络的深度兴趣捕获模型构建装置，其特征在于，包括：

获取模块，所述获取模块用于获取用户信息和用户的历史点击数据，并根据所述用户信息和所述历史点击数据生成训练数据；

训练模块，所述训练模块用于根据所述训练数据进行模型训练，以得到深度兴趣捕获模型。

10.如权利要求9所述基于深度兴趣网络的深度兴趣捕获模型构建装置，其特征在于，所述深度兴趣捕获模型包括：

BatchNormalization层，其用于将序列特征、离散型特征和连续型特征进行拼接；以及

多层全连接层，每层全连接层后接BatchNormalization层和Dice激活函数。