[发明专利]一种深度双塔模型智能匹配算法及装置

权利要求书

1.一种深度双塔模型智能匹配算法，其特征在于，所述深度双塔模型至少包括第一子模型以及第二子模型,包括如下步骤：

a.通过第一子模型对至少第一用户行为数据以及第一产品数据进行学习处理，并获得学习结果pCTR；

b.在执行步骤a的同时或之前或之后通过第二子模型对至少第二用户行为数据以及第二产品数据进行学习处理，并获得学习结果pCVR；

c.通过如下公式进行计算获得匹配结果指数：

pCTCVR＝pCTR*pCVR。

2.根据权利要求1所述的算法，其特征在于，所述第一用户行为数据与所述第二用户行为数据相同。

3.根据权利要求1或2所述的算法，其特征在于，所述第一产品数据与所述第二产品数据相同。

4.根据权利要求1至3中任一项所述的算法，其特征在于，所述第一子模型和/或所述第二子模型包括如下结构：特质连接embedding层、attention层以及3层全连接网络层。

5.根据权利要求4所述的算法，其特征在于，所述步骤a包括如下步骤：

a1.将所述第一用户行为数据输入到一个256*64*12的3层子网络，获得一个12维embedding向量；

a2.将所述12维embedding向量与第一产品特征拼接起来得到embedding层；

a3.将所述embedding层结果输入到attention层网络以确定第一输出结果；

a4.将所述第一输出结果输入3层全连接网络进行计算，从而获得所述学习结果pCTR。

6.根据权利要求4所述的算法，其特征在于，所述步骤b包括如下步骤：

b1.将所述第二用户行为数据输入到一个256*64*12的3层子网络，获得一个12维embedding向量；

b2.将所述12维embedding向量与第二产品特征拼接起来得到embedding层；

b3.将所述embedding层结果输入到attention层网络以确定第二输出结果；

b4.将所述第二输出结果输入3层全连接网络进行计算，从而获得所述学习结果pCVR。

7.一种深度双塔模型智能匹配装置，其特征在于,包括：

第一处理装置(1):通过第一子模型对至少第一用户行为数据以及第一产品数据进行学习处理，并获得学习结果pCTR；

第二处理装置(2):在执行步骤a的同时或之前或之后通过第二子模型对至少第二用户行为数据以及第二产品数据进行学习处理，并获得学习结果pCVR；

第一计算装置(3):通过如下公式进行计算获得匹配结果指数：

pCTCVR＝pCTR*pCVR。

8.根据权利要求7所述的匹配装置，其特征在于，所述第一处理装置(1)包括：

第一获取装置(11):将所述第一用户行为数据输入到一个256*64*12的3层子网络，获得一个12维embedding向量；

第三处理装置(12):将所述12维embedding向量与第一产品特征拼接起来得到embedding层；

第一确定装置(13):将所述embedding层结果输入到attention层网络以确定第一输出结果；

第二计算装置(14):将所述第一输出结果输入3层全连接网络进行计算，从而获得所述学习结果pCTR。

9.根据权利要求7所述的匹配装置，其特征在于，所述第二处理装置(2)包括：

第二获取装置(21):将所述第二用户行为数据输入到一个256*64*12的3层子网络，获得一个12维embedding向量；

第四处理装置(22):将所述12维embedding向量与第二产品特征拼接起来得到embedding层；

第二确定装置(23):将所述embedding层结果输入到attention层网络以确定第二输出结果；

第三计算装置(24):将所述第二输出结果输入3层全连接网络进行计算，从而获得所述学习结果pCVR。