[发明专利]一种创建跨域迁移深度网络的方法及设备

说明书

本申请的目的是提供一种创建跨域迁移深度网络的方法及设备，本申请通过获取用户在一个或多个产品领域内的样本数据，其中，所述样本数据包括用户的个人信息、产品信息及用户与产品的历史交互信息；对所述样本数据进行数据处理，得到特征数据，并根据所述特征数据构建训练数据集；构建跨域迁移深度网络的关系层，其中，所述关系层包括输入层、嵌入层、隐藏层和输出层；基于所构建的关系层，根据所述训练数据集对所述跨域迁移深度网络进行训练，得到训练后的跨域迁移深度网络模型；可以分析和挖掘用户在不同领域产品上的行为数据，从而克服数据稀疏和冷启动的问题，得到更全面的用户偏好。

技术领域

本申请涉及计算机领域，尤其涉及一种创建跨域迁移深度网络的方法及设备。

背景技术

个性化推荐技术作为解决信息爆炸时代所带来的信息过载问题的一种有效的途径，已经成为互联网时代不可缺少的一项技术，其能够通过分析客户信息数据以及客户行为数据，挖掘客户对于产品的偏好，并为客户推荐出最符合其偏好的产品。当前推荐技术已经广泛地应用于包括电子商务、新闻门户、多媒体等多种互联网服务型网站。近些年，随着金融行业中金融产品日趋丰富，以及金融信息化程度的提高，个性化推荐技术也开始应用到金融产品的推荐上。

目前，常用的推荐方法主要分为两类，一个是基于内容的推荐，另一个是基于协同过滤的推荐。其中，基于内容的推荐是根据产品的显性的特征去给不同类型的用户进行产品推荐；基于协同过滤的推荐分析用户对产品的行为数据，并计算出用户对于产品的隐性的交互特征以及偏好，并根据这些偏好对用户进行产品推荐。

但传统的推荐方法通常面临着数据稀疏以及冷启动的问题，并且只能对一种领域内的产品进行推荐，无法分析挖掘用户在其他领域产品的行为数据。例如，对于一个从未买过理财产品的新用户，无法得知其购买理财产品的偏好；此外上述传统的推荐方法也无法很好的处理非结构化的特征数据以及高维稀疏化的特征数据。

发明内容

本申请的一个目的是提供一种创建跨域迁移深度网络的方法及设备，解决现有技术中只能对一种领域内的产品进行推荐，无法分析挖掘用户在其他领域产品的行为数据，以及数据稀疏和冷启动的问题。

根据本申请的一个方面，提供了一种创建跨域迁移深度网络的方法，所述方法包括：

获取用户在一个或多个产品领域内的样本数据，其中，所述样本数据包括用户的个人信息、产品信息及用户与产品的历史交互信息；

对所述样本数据进行数据处理，得到特征数据，并根据所述特征数据构建训练数据集；

构建跨域迁移深度网络的关系层，其中，所述关系层包括输入层、嵌入层、隐藏层和输出层；

基于所构建的关系层，根据所述训练数据集对所述跨域迁移深度网络进行训练，得到训练后的跨域迁移深度网络模型。

进一步地，上述方法中，所述方法包括：

获取用户在待测产品领域的一个或多个候选产品；

通过训练后的跨域迁移深度网络模型对所述一个或多个候选产品进行预测，得到用户对于每一候选产品的偏好值。

进一步地，上述方法中，对所述样本数据进行数据处理，包括：

抽取所述样本数据的用户特征和/或产品特征，对所述用户特征和/或产品特征对应的数据进行数据处理。

进一步地，抽取所述样本数据的用户特征和/或产品特征，对所述用户特征和/或产品特征对应的数据进行数据处理，包括：

抽取所述样本数据中的用户特征和/或产品特征，对所述用户特征和/或产品特征中的连续值进行离散处理，得到离散区间值；

对经离散处理得到的离散区间值及所述用户特征和/或产品特征中的离散值进行独热编码处理，得到高维稀疏的特征。