[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

说明书

本发明公开了一种深度兴趣捕获模型构建方法、介质、设备及装置，其中方法包括：获取用户信息和用户的历史点击数据，并生成训练数据；训练得到深度兴趣捕获模型。本发明通过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；接着，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。可以基于该深度兴趣捕获模型准确地对用户进行专题推荐，降低专题推荐过程中所需耗费的人力和物力。

本申请是申请日为2021年1月15日、名称为“基于深度兴趣网络的专题推荐方法及装置”、申请号为“2021100548410”的分案申请。

技术领域

本发明涉及深度学习技术领域，特别涉及一种基于深度学习网络的深度兴趣捕获模型构建方法、一种计算机可读存储介质、一种计算机设备以及一种基于深度兴趣网络的深度兴趣捕获模型构建装置。

背景技术

相关技术中，在需要为用户推荐相应的专题时，多采用画像的方式；即言，首先，基于规则统计出用户对于不同专题的偏好得分；然后，将用户最偏好的类目下的专题进行优先展示，以完成专题的推荐；然而，这种方式对于专题对应的标签依赖性强，为了提高专题推荐的准确性，必然需要耗费大量的人力物力来建立高质量的标签。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种基于深度兴趣网络的深度兴趣捕获模型构建方法，能够在无需建立专题对应的标签的前提下，可以基于该深度兴趣捕获模型准确地对用户进行专题推荐，降低专题推荐过程中所需耗费的人力和物力。

为达到上述目的，本发明第一方面实施例提出了一种基于深度兴趣网络的深度兴趣捕获模型构建方法，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。

根据本发明实施例的基于深度兴趣网络的深度兴趣捕获模型构建方法，首先，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；接着，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。可以基于该深度兴趣捕获模型准确地对用户进行专题推荐，降低专题推荐过程中所需耗费的人力和物力。

为达到上述目的，本发明第二方面实施例提出了一种计算机可读存储介质，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上述的深度兴趣捕获模型构建方法。

为达到上述目的，本发明第三方面实施例提出了一种计算机设备，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，所述处理器执行所述程序时，实现如上述的基于深度兴趣网络的深度兴趣捕获模型构建方法。

为达到上述目的，本发明第四方面实施例提出了一种基于深度兴趣网络的深度兴趣捕获模型构建装置，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。

根据本发明实施例的基于深度兴趣网络的深度兴趣捕获模型构建装置，通过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；接着，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。可以基于该深度兴趣捕获模型准确地对用户进行专题推荐，降低专题推荐过程中所需耗费的人力和物力。

附图说明

图1为根据本发明实施例的基于深度兴趣网络的专题推荐方法的流程示意图；

图2为根据本发明实施例的深度兴趣捕获模型的结构示意图；

图3为根据本发明实施例的基于深度兴趣网络的专题推荐装置的方框示意图。

具体实施方式