[发明专利]个性化展示图像的生成方法及装置、电子设备

权利要求书

1.一种个性化展示图像的生成方法，其特征在于，所述方法包括：

对目标用户的用户数据、关于至少一种展示图像的展示对象数据以及所述至少一种展示图像的文案数据进行编码处理，得到第一特征；

对所述至少一种展示图像进行特征提取，得到第二特征；

通过训练后的排序模型对所述第一特征和所述第二特征进行融合处理，得到融合特征；

通过所述排序模型预测所述目标用户对所述融合特征的点击信息，以确定所述目标用户的个性化展示图像。

2.根据权利要求1所述的个性化展示图像的生成方法，其特征在于，

所述用户数据包括：用户画像数据和用户对应的设备标识；

所述展示对象数据包括：分类数据、标识和修饰手法数据；

所述文案数据包括：文案风格和文案版式；

所述训练后的排序模型是基于神经网络模型、决策树模型和极端梯度提升模型中的至少一种得到的。

3.根据权利要求1所述的个性化展示图像的生成方法，其特征在于，所述对所述至少一种展示图像进行特征提取，得到第二特征，包括：

将所述展示图像输入预训练的神经网络模型；

根据所述预训练的神经网络模型的全连接层确定图像全连接层特征，以及根据所述预训练的神经网络模型的隐藏层的输出向量的内积确定图像风格特征。

4.根据权利要求1至3中任意一项所述的个性化展示图像的生成方法，其特征在于，所述方法还包括：

获取多组训练样本，其中，每组训练样本包含：用户特征，以及至少一种展示图像的属性特征和关于所示属性特征的目标点击信息；

将所述用户特征和所述属性特征输入至排序模型；

根据所述排序模型的特征融合层融合所述用户特征和所述属性特征，得到融合特征；

根据所述融合特征确定预测点击信息，并基于所述预测点击信息和所示目标点击信息确定损失函数，以根据所示损失函数优化所述排序模型的模型参数。

5.根据权利要求4所述的个性化展示图像的生成方法，其特征在于，所述基于所述预测点击信息和所示目标点击信息确定损失函数，包括：

确定所述预测点击信息和所示目标点击信息的交叉熵函数，作为所述损失函数。

6.根据权利要求1至3中任意一项所述的个性化展示图像的生成方法，其特征在于，所述通过训练后的排序模型对所述第一特征和所述第二特征进行融合处理，得到融合特征，包括：

通过所述排序模型的嵌入层对所述第一特征进行嵌入式学习，得到嵌入式特征；

通过所述排序模型的第一融合层对所述嵌入式特征进行融合处理，得到第一融合特征；

通过所述排序模型的第二融合层对将所述第一融合特征和所述第二特征进行融合处理，得到第二融合特征。

7.根据权利要求6所述的个性化展示图像的生成方法，其特征在于，所述通过所述排序模型预测所述目标用户对所述融合特征的点击信息，以确定所述目标用户的个性化展示图像，包括：

通过所述排序模型的分类层预测所述目标用户对所述融合特征的点击信息；

根据预测结果确定目标融合特征，其中，所述目标融合特征包含一组关于所述目标用户的个性化特征；

根据所述个性化特征确定所述个性化展示图像。

8.一种个性化展示图像的生成装置，其特征在于，所述装置包括：

第一特征确定模块，被配置为对目标用户的用户数据、关于至少一种展示图像的展示对象数据以及所述至少一种展示图像的文案数据进行编码处理，得到第一特征；

第二特征确定模块，被配置为对所述至少一种展示图像进行特征提取，得到第二特征；

特征融合模块，被配置为通过训练后的排序模型对所述第一特征和所述第二特征进行融合处理，得到融合特征；

个性化展示图像确定模块，被配置为通过所述排序模型预测所述目标用户对所述融合特征的点击信息，以确定所述目标用户的个性化展示图像。