基于商品表示的点击率预测方法及装置与流程

技术特征：
1.一种基于商品表示的点击率预测方法，所述方法包括：获取目标用户的用户行为与目标商品所各自对应的一组多模态信息；利用第一模型确定各组多模态信息对应的独有特征，所述独有特征包括存在于一种模态中的特征，并具有针对不同模态的动态权重；利用第二模型确定各组多模态信息对应的共有特征，所述共有特征包括共同存在于多种模态中的特征；根据所述独有特征与共有特征分别确定所述目标用户的用户表示以及所述目标商品的商品表示；利用深度神经网络处理所述用户表示与商品表示，得到所述目标用户点击所述目标商品的概率。2.根据权利要求1所述的方法，其特征在于，所述获取目标用户的用户行为与目标商品所各自对应的一组多模态信息，包括：根据所述用户行为确定对应的行为商品；根据预设模态获取所述行为商品与目标商品对应的各模态的特征信息；基于预设策略将所述特征信息映射为低维向量，得到所述行为商品与目标商品各自对应的一组多模态信息。3.根据权利要求1所述的方法，其特征在于，利用第一模型确定各组多模态信息对应的独有特征，包括：利用独有性投影层处理所述多模态信息，得到各模态中具有的模态独有特征；获取所述多模态信息对应商品的类目；根据所述类目与模态独有特征确定所述商品的多个模态对应的模态权重；利用所述模态权重以及所述模态独有特征确定对应所述商品的独有特征。4.根据权利要求3所述的方法，其特征在于，利用所述模态权重以及所述模态独有特征确定对应所述商品的独有特征，包括：根据所述模态权重对所述模态独有特征进行加权求和，得到所述商品的独有特征。5.根据权利要求3所述的方法，其特征在于，所述方法还包括：利用辅助判别器对所述模态独有特征进行过滤，以得到在各模态中可识别的模态独有特征。6.根据权利要求1所述的方法，其特征在于，利用第二模型确定各组多模态信息对应的共有特征，包括：利用共有性投影层处理所述多模态信息，得到各模态中具有的模态共有特征；利用第一判别器从所述模态共有特征中确定无法识别的候选共有特征；利用第二判别器对所述候选共有特征与所述模态共有特征进行组合识别，以确定各模态中最无法识别的一个所述候选共有特征；将所述各模态中最无法识别的一个所述候选共有特征组合，得到所述多模态信息对应的共有特征。7.根据权利要求1所述的方法，其特征在于，根据所述独有特征与共有特征分别确定所述目标用户的用户表示以及所述目标商品的商品表示，包括：将目标商品对应的独有特征与共有特征进行组合，得到所述商品表示；
利用所述用户行为的行为属性确定所述目标用户的用户表示，所述行为属性包括用户行为的类型与时间信息。8.根据权利要求7所述的方法，其特征在于，利用所述用户行为的行为属性确定所述目标用户的用户表示，包括：将目标用户的用户行为对应的行为商品的独有特征与共有特征组合，得到所述行为商品表示；根据所述用户行为的行为属性以及所述行为商品表示确定所述目标用户的行为状态，所述行为状态用于表示目标用户针对所述行为商品执行所述用户行为的喜好程度；利用所述行为状态匹配所述行为商品与所述目标商品的相关性，确定所述行为商品对应的权重；根据所述权重对所述目标用户的所有用户行为进行加权求和，得到所述目标用户的用户表示。9.一种基于商品表示的点击率预测装置，所述方法包括：获取单元，用于获取目标用户的用户行为与目标商品所各自对应的一组多模态信息；第一确定单元，用于利用第一模型确定所述获取单元获取的各组多模态信息对应的独有特征，所述独有特征包括存在于一种模态中的特征，并具有针对不同模态的动态权重；第二确定单元，用于利用第二模型确定所述获取单元获取的各组多模态信息对应的共有特征，所述共有特征包括共同存在于多种模态中的特征；表示单元，用于根据所述第一确定单元确定的独有特征与第二确定单元确定的共有特征分别确定所述目标用户的用户表示以及所述目标商品的商品表示；预测单元，用于利用深度神经网络处理所述表示单元得到的用户表示与商品表示，得到所述目标用户点击所述目标商品的概率。10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1-8中任意一项权利要求所述的基于商品表示的点击率预测方法。

技术总结
本发明公开了一种基于商品表示的点击率预测方法及装置，涉及数据处理技术领域，本发明的主要目的在于对多模态商品进行更准确的商品表示，以提高点击率预测的准确性。本发明主要的技术方案为：获取目标用户的用户行为与目标商品所各自对应的一组多模态信息；利用第一模型确定各组多模态信息对应的独有特征，该独有特征包括存在于一种模态中的特征，并具有针对不同模态的动态权重；利用第二模型确定各组多模态信息对应的共有特征，该共有特征包括共同存在于多种模态中的特征；根据独有特征与共有特征分别确定目标用户的用户表示以及目标商品的商品表示；利用深度神经网络处理用户表示与商品表示，得到目标用户点击目标商品的概率。概率。概率。


技术研发人员：李响
受保护的技术使用者：阿里巴巴集团控股有限公司
技术研发日：2020.05.11
技术公布日：2021/11/14