[发明专利]藏汉双语用户兴趣标签的预测方法及装置

说明书

本发明涉及一种藏汉双语用户兴趣标签的预测方法及装置，所述方法包括获取用户行为日志，通过用户行为日志确定用户的兴趣数据；其中，用户行为日志为藏汉双语行为日志；根据兴趣数据得到用户兴趣标签，将用户兴趣标签作为训练样本，并对训练样本进行处理，得到左边塔输入向量和右边塔输入向量；利用左边塔输入向量和右边塔输入向量对初始预测模型进行训练，得到用户兴趣标签预测模型；其中，初始预测模型为双塔深度神经网络结构，包括左边塔和右边塔。本发明直接使用模型中已有的兴趣点来预测用户可能感兴趣的潜在未知兴趣点，从来源上能够覆盖大部分的待探索兴趣点和待探索资源，从而能够取得更好的探索效果。

技术领域

本发明属于神经网络技术领域，具体涉及一种藏汉双语用户兴趣标签的预测方法及装置。

背景技术

相关技术中，多语言推荐系统的用户兴趣标签预测方面，已有的方法是在“内容模型”的内容理解层面采用机器翻译技术，将内容资源从多语言统一翻译成单语言，记录所翻译的内容资源对应的语种，然后在“用户模型”层面基于内容资源来进行探索，或融合知识图谱的知识点进行扩展。也有的方法使用相似人群的隐式向量进行相似人群探索扩散方法进行相似人群探索扩散。但是上述的基于探索与利用的方法，主要通过老兴趣点延伸到新兴趣点的点到点推荐，存在兴趣点之间探索距离过近，从而带来探索效率不足的问题。而基于相似人群探索扩散的方法，主要对代表性好且优质的资源能加快探索效率，对长尾资源或长尾兴趣点所起的作用不大。

因为将内容资源从多语言统一翻译成单语言再进行用户兴趣预测建模的方法，会将用户对不同语种的兴趣偏好进行混淆。比如藏族用户A喜好汉语的财经内容和藏语的佛教内容，但不喜好藏语的财经内容和汉语的佛教内容，这种建模方法就无法高效区分用户A对藏汉不同语种不同类别的这种兴趣偏好。

发明内容

有鉴于此，本发明的目的在于克服现有技术的不足，提供一种藏汉双语用户兴趣标签的预测方法及装置，以解决现有技术中无法高效区分用户对藏汉不同语种不同类别的这种兴趣偏好的问题。

为实现以上目的，本发明采用如下技术方案：一种藏汉双语用户兴趣标签的预测方法，包括：

获取用户行为日志，通过所述用户行为日志确定用户的兴趣数据；其中，所述用户行为日志为藏汉双语行为日志；

根据所述兴趣数据得到用户兴趣标签，将所述用户兴趣标签作为训练样本，并对所述训练样本进行处理，得到左边塔输入向量和右边塔输入向量；

利用左边塔输入向量和右边塔输入向量对初始预测模型进行训练，得到用户兴趣标签预测模型；其中，所述初始预测模型为双塔深度神经网络结构，包括左边塔和右边塔。

进一步的，对所述训练样本进行处理，得到左边塔输入向量，包括：

随机隐藏预设比例的用户兴趣点的训练样本，将未隐藏用户兴趣点的训练样本作为左边塔输入样本；

确定所述左边塔训练样本的用户人口属性特征向量；所述用户人口属性包括年龄、性别、城市和职业；

用各个用户兴趣标签的一级分类的点击信号强度作为其位置编码特征向量；

基于所有左边塔输入样本特征向量、位置编码特征向量，得到一级分类向量；

将所有一级分类向量与用户人口属性特征向量进行拼接，得到左边塔输入向量。

进一步的，对所述训练样本进行处理，得到右边塔输入向量，包括：

随机隐藏预设比例的用户兴趣点的训练样本，作为正样本；

基于mini batch shuffle方法选择的训练样本，作为负样本；

将正样本和负样本分别向量化，得到右边塔输入向量。