[发明专利]一种基于深度学习的短视频直播营销任务推荐方法

说明书

本发明公开了一种基于深度学习的短视频直播营销任务推荐方法，首先对输入用户的行为序列特征进行定义，然后设计出基于直播数据和用户行为数据的召回模型，用以召回拟推荐的直播营销任务，之后提出基于人口统计学特征和用户行为特征的排序模型用来对拟推荐任务排序，对于系统的冷启动问题，本发明也提供了通过余弦相似度计算的相关解决方案。本发明使用了基于深度学习的推荐模型结合协同过滤的思想对相关直播营销任务进行召回和排序，最终选取排序靠前的直播营销任务作为推荐序列进行精准推荐，将深度学习与推荐系统相结合，提高了推荐的精准度和用户的体验感，在营销推荐领域有重要意义。

技术领域

本发明属于短视频直播营销推荐技术领域，尤其涉及一种基于深度学习的短视频直播营销任务推荐方法。

背景技术

随着信息技术的快速发展，短视频社交平台日益成为人们日常生活不可或缺的一部分。短视频社交平台凭借其丰富的内容、新颖的传播方式和便捷的获取途径深受大众喜爱，近些年来，短视频在电商领域也快速发展，其商业价值也日益凸显，越来越多的带货播主通过直播作为营销载体销售产品，并取得了良好的效果。短视频直播营销平台作为短视频带货播主和产品销售商之间的纽带，发挥着举足轻重的作用。但在短视频直播营销平台中，对带货播主的相关产品推荐仍有不足，现有的传统的协同过滤算法无法准确给目标用户提供推荐任务，这让带货播主无法准确选择适合自己带货的相关产品，如何通过播主直播的数据在营销平台中挖掘出适合带货播主带货的商品，进而实现精准的推荐，成为了一个亟待解决的问题。

发明内容

本发明的目的在于针对现有技术中短视频直播营销平台所存在的问题，提供一种基于深度学习的短视频直播营销任务推荐方法。本发明通过收集用户行为序列和直播营销序列，经过召回模型得到拟推荐的任务列表；将拟推荐的用户列表结合用户行为序列和人口统计学序列，经过排序模型得到推荐任务列表。

本发明的目的是通过以下技术方案来实现的：一种基于深度学习的短视频直播营销任务推荐方法，包括如下步骤：

(1)获取播主用户的直播营销数据和用户的历史行为数据；

(2)构建召回模型，步骤(1)获取的数据作为模型的输入，输出为拟推荐任务集合；

(3)出现新任务时，实施冷启动策略；构建排序模型，模型的输入包括拟推荐任务集合、人口统计学特征和用户行为特征，输出为任务的点击概率；

(4)选择点击概率最高的F个任务进行推荐。

进一步地，步骤(1)中，播主用户的相关直播营销数据用户的历史行为数据其中，X_s表示按照销量排序的带货播主带货数据的行为特征集合，表示第k个带货播主带货数据的行为特征，X_b表示按照时间顺序排列的用户历史行为特征集合，代表序列中第k个历史行为特征。

进一步地，步骤(1)中，通过网络爬虫的方式获取播主用户的直播信息和用户的历史行为数据。

进一步地，步骤(2)包括：

(2.1)输入层：输入的序列包括用户行为序列直播营销数据序列

(2.2)嵌入层：将高维的输入，嵌入为低维稠密的特征向量；初始化嵌入矩阵，得到嵌入后的用户行为序列和直播营销数据序列

(2.3)提取层：采用基本注意力机制，处理嵌入后的序列，得到处理后的用户行为序列和直播营销序列为并进行拼接；

(2.4)隐藏层，负责对召回模型的训练，将提取层的输出向量，作为输入，使用深度神经网络进行模型训练，该网络拥有3层，使用监督学习的方式，得到训练好的模型；

(2.5)输出层，分为训练和在线服务两个部分；