[发明专利]对象推荐的调整方法及装置、存储介质、电子设备

说明书

本申请实施例提供了一种对象推荐的调整方法及装置、存储介质、电子装置，该方法包括：获取预设时间段内的目标数据，其中，目标数据中包括：帐户集群中每个帐户的属性特征和每个帐户的行为特征，对象集群中每个对象的属性特征和每个对象的行为特征，帐户集群中的所有帐户均属于同一帐户类别，对象集群中的所有对象均属于同一对象类别；将目标数据输入至目标网络模型中，得到目标网络模型输出的帐户集群和对象集群之间的第一转化率；基于第一转化率调整对帐户集群的推荐对象。通过本申请，解决了相关技术中对象转化率的准确度较低的问题，达到提高对象转化率的准确性的效果。

技术领域

本申请实施例涉及计算机领域，具体而言，涉及一种对象推荐的调整方法及装置、存储介质、电子装置。

背景技术

对象推荐的重要指标之一是转化率，因为转化率反应了对象的偏好兴趣。例如，在商品推荐的场景中，转化率可以反应用户对商品的偏好兴趣和购买意愿。目前，转化率预估通常需要通过机器学习，特别是通过深度学习的方式预测用户对对象的转化概率。经典的转化率预估模型，通常都是通过机器学习和大数据分析技术，构建样本，提取用户和商品的特征，然后进行特征处理，例如，分桶离散化、特征交叉、独热编码等后，输入到神经网络模型中，模型学习用户特征和商品特征之间的内在关联，预测单个用户购买单个商品的概率。

除了预估单个用户对单个商品的转化率，在很多推荐场景下，也需要预测用户人群（具有某种性质的用户的集合，例如，点击过某个商品的人就构成了一个人群）对商品集合的购买概率。全部用户都根据指定的规则划分成若干群体，每个用户属于且仅属于一个群体，同样，全部商品也都根据指定规则划分成若干集合，每个商品属于且仅属于一个商品集合。

在现有技术中，预测人群对商品集合的转化率方式有两种，第一种是通过预测单用户对单个商品的转化率，然后取平均获得；第二种是构造两阶段模型，第一阶段模型预测单用户对单个商品的转化率，产出用户表征和商品表征，第二阶段将用户表征和商品表征分别简单聚合得到人群表征和商品集合表征后，再构建新模型来学习人群表征和商品集合表征之间的内在联系，预测用户群体对商品集合的转化率。但这两种方式都采用间接方式处理问题，不是直接建模人群转化率模型，同时，这些方式将个体和集合孤立对待，割裂了用户和群体之间、商品和商品集合之间的内在关联，导致人群表征和商品集合表征没有得到充分刻画和描述，进而模糊了人群中不同用户对整体转化率的贡献，因此导致对象转化率的准确度较低。

针对上述技术问题，相关技术中尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种对象推荐的调整方法及装置、存储介质、电子装置，以至少解决相关技术中对象转化率的准确度较低的问题。

根据本申请的一个实施例，提供了一种对象推荐的调整方法，包括：获取预设时间段内的目标数据，其中，上述目标数据中包括：帐户集群中每个帐户的属性特征和每个上述帐户的行为特征，对象集群中每个对象的属性特征和每个上述对象的行为特征，上述帐户集群中的所有帐户均属于同一帐户类别，上述对象集群中的所有对象均属于同一对象类别；将上述目标数据输入至目标网络模型中，得到上述目标网络模型输出的上述帐户集群和上述对象集群之间的第一转化率；基于上述第一转化率调整对上述帐户集群的推荐对象。

根据本申请的另一个实施例，提供了一种对象推荐的调整装置，包括：第一获取模块，用于获取预设时间段内的目标数据，其中，上述目标数据中包括：帐户集群中每个帐户的属性特征和每个上述帐户的行为特征，对象集群中每个对象的属性特征和每个上述对象的行为特征，上述帐户集群中的所有帐户均属于同一帐户类别，上述对象集群中的所有对象均属于同一对象类别；第一输入模块，用于将上述目标数据输入至目标网络模型中，得到上述目标网络模型输出的上述帐户集群和上述对象集群之间的第一转化率；第一调整模块，用于基于上述第一转化率调整对上述帐户集群的推荐对象。