[发明专利]一种用户偏好的预测方法及装置，电子设备

权利要求书

1.一种用户偏好的预测方法，其特征在于，包括：

获取目标用户对目标对象的交互行为特征；

通过训练购买预测模型，确定构成所述购买预测模型的偏好预测模型，其中，所述购买预测模型包括所述偏好预测模型、用户因素模型和对象因素模型，所述购买预测模型用于预测用户是否购买某个对象；所述偏好预测模型用于拟合用户对对象的偏好；所述用户因素模型用于拟合用户自身购物的潜在非直观因素；所述对象因素模型用于拟合对象热门程度；其中，用于所述训练购买预测模型的数据包括正例数据和负例数据，所述正例数据包括用户下单购买某个商品的日志数据，所述负例数据包括用户浏览某个商品未点击的日志数据或用户点击某个商品但未进行购买的日志数据；

通过所述偏好预测模型，基于所述交互行为特征进行预测，确定所述目标用户对所述目标对象的偏好预测结果；

根据所述偏好预测结果确定所述目标用户对所述目标对象的偏好。

2.根据权利要求1所述的方法，其特征在于，所述根据所述偏好预测结果确定所述目标用户对所述目标对象的偏好的步骤，包括：

若所述偏好预测结果对应的得分为负数，则确定所述目标用户不偏好所述目标对象；

若所述偏好预测结果对应的得分为正数，则确定所述目标用户偏好所述目标对象。

3.根据权利要求2所述的方法，其特征在于，所述购买预测模型由偏好预测模型、用户因素模型和对象因素模型叠加后，进行Sigmoid运算得到。

4.根据权利要求3所述的方法，其特征在于，所述通过训练购买预测模型，确定构成所述购买预测模型的偏好预测模型的步骤，包括：

将偏好预测模型的输出设置为零，通过训练购买预测模型，确定所述用户因素模型和对象因素模型的最优参数；

将训练得到的所述用户因素模型和对象因素模型的最优参数带入所述购买预测模型，通过再次训练所述购买预测模型，确定所述偏好预测模型的最优参数。

5.根据权利要求3或4所述的方法，其特征在于，用于训练所述购买预测模型的训练数据至少包括：用户基本特征、对象基本特征、用户对对象的交互行为特征。

6.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述偏好预测结果确定所述目标用户对所述目标的偏好之后，还包括：

根据所述目标用户对所述目标对象的偏好输出推荐和/或搜索结果。

7.一种用户偏好的预测装置，其特征在于，包括：

待预测特征获取模块，用于获取目标用户对目标对象的交互行为特征；

偏好预测模型确定模块，用于通过训练购买预测模型，确定构成所述购买预测模型的偏好预测模型，其中，所述购买预测模型包括所述偏好预测模型、用户因素模型和对象因素模型，所述购买预测模型用于预测用户是否购买某个对象；所述偏好预测模型用于拟合用户对对象的偏好；所述用户因素模型用于拟合用户自身购物的潜在非直观因素；所述对象因素模型用于拟合对象热门程度；其中，用于所述训练购买预测模型的数据包括正例数据和负例数据，所述正例数据包括用户下单购买某个商品的日志数据，所述负例数据包括用户浏览某个商品未点击的日志数据或用户点击某个商品但未进行购买的日志数据；

偏好预测模块，用于通过所述偏好预测模型，基于所述交互行为特征进行预测，确定所述目标用户对所述目标对象的偏好预测结果；

偏好确定模块，用于根据所述偏好预测结果确定所述目标用户对所述目标对象的偏好。

8.根据权利要求7所述的装置，其特征在于，所述偏好确定模块进一步用于：

若所述偏好预测结果对应的得分为负数，则确定所述目标用户不偏好所述目标对象；

若所述偏好预测结果对应的得分为正数，则确定所述目标用户偏好所述目标对象。

9.一种电子设备，包括存储器、处理器及存储在所述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计算机程序时实现权利要求1至6任意一项所述的用户偏好的预测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至6任意一项所述的用户偏好的预测方法的步骤。