本申請(qǐng)涉及數(shù)據(jù)處理，尤其涉及一種用戶興趣程度的預(yù)測(cè)方法及興趣程度預(yù)測(cè)模型的訓(xùn)練方法。

背景技術(shù)：

1、隨著互聯(lián)網(wǎng)的普及和個(gè)性化服務(wù)的需求日益增長(zhǎng)，理解用戶興趣成為了在線平臺(tái)和電子商務(wù)的關(guān)鍵。確定用戶的興趣，可以幫助運(yùn)營(yíng)者更好的了解用戶的興趣偏好，便于目標(biāo)對(duì)象設(shè)計(jì)和功能開發(fā)更符合用戶需求，并且有助于運(yùn)營(yíng)人員為用戶制定個(gè)性化的推薦策略，提升用戶體驗(yàn)感。

2、在一些場(chǎng)景下，在確定用戶的興趣時(shí)，常采用問卷的形式直接收集用戶的個(gè)人屬性，如年齡、職業(yè)、興趣點(diǎn)以及性別等，再基于用戶的個(gè)人屬性來對(duì)用戶的興趣進(jìn)行推斷。但是問卷調(diào)查獲取的信息通常是靜態(tài)的，無法實(shí)時(shí)反映出用戶的興趣變化，用戶興趣可能會(huì)因?yàn)樯鐣?huì)事件、個(gè)人經(jīng)歷以及季節(jié)變化等多種因素而發(fā)生變化，但是問卷調(diào)查往往只能在特定的時(shí)間點(diǎn)進(jìn)行，無法反應(yīng)用戶實(shí)時(shí)的興趣變化。此外，問卷調(diào)查通常受限于預(yù)先設(shè)定的問題范圍，可能無法涵蓋用戶更多的興趣點(diǎn)。因此，基于問卷調(diào)查的數(shù)據(jù)推斷用戶的興趣，可靠性和準(zhǔn)確度較低。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)?zhí)峁┮环N用戶興趣程度的預(yù)測(cè)方法、興趣程度預(yù)測(cè)模型的訓(xùn)練方法及裝置，在推斷用戶的興趣時(shí)，可靠性和準(zhǔn)確度較低的問題。

2、第一方面，本申請(qǐng)?zhí)峁┮环N興趣程度預(yù)測(cè)模型的訓(xùn)練方法，包括：獲取用戶的多維度數(shù)據(jù)，多維度數(shù)據(jù)包括用戶針對(duì)目標(biāo)對(duì)象的眼動(dòng)數(shù)據(jù)和用戶行為數(shù)據(jù)，用戶行為數(shù)據(jù)包括用戶使用目標(biāo)對(duì)象的功能信息；根據(jù)用戶使用的目標(biāo)對(duì)象的功能信息對(duì)用戶進(jìn)行聚類，得到多個(gè)用戶群體，不同的用戶群體中的用戶所使用的功能不同；利用各用戶群體對(duì)應(yīng)的用戶行為數(shù)據(jù)和眼動(dòng)數(shù)據(jù)對(duì)初始興趣程度預(yù)測(cè)模型進(jìn)行迭代訓(xùn)練，得到興趣程度預(yù)測(cè)模型，興趣程度預(yù)測(cè)模型用于預(yù)測(cè)目標(biāo)用戶對(duì)目標(biāo)對(duì)象的興趣程度。

3、第二方面，本申請(qǐng)?zhí)峁┮环N用戶興趣程度的預(yù)測(cè)方法，包括：獲取目標(biāo)用戶針對(duì)目標(biāo)對(duì)象的目標(biāo)眼動(dòng)數(shù)據(jù)、目標(biāo)行為數(shù)據(jù)和目標(biāo)用戶所屬的目標(biāo)用戶群體；將目標(biāo)眼動(dòng)數(shù)據(jù)、目標(biāo)用戶群體和目標(biāo)行為數(shù)據(jù)輸入至興趣程度預(yù)測(cè)模型，興趣程度預(yù)測(cè)模型為通過第一方面所提到的興趣程度預(yù)測(cè)模型的訓(xùn)練方法訓(xùn)練得到的；通過興趣程度預(yù)測(cè)模型預(yù)測(cè)目標(biāo)用戶對(duì)目標(biāo)對(duì)象的興趣程度。

4、第三方面，本申請(qǐng)?zhí)峁┮环N興趣程度預(yù)測(cè)模型的訓(xùn)練裝置，包括：獲取模，用于獲取用戶的多維度數(shù)據(jù)，多維度數(shù)據(jù)包括用戶針對(duì)目標(biāo)對(duì)象的眼動(dòng)數(shù)據(jù)和用戶行為數(shù)據(jù)，用戶行為數(shù)據(jù)包括用戶使用目標(biāo)對(duì)象的功能信息；聚類模塊，用于根據(jù)用戶使用的目標(biāo)對(duì)象的功能信息對(duì)用戶進(jìn)行聚類，得到多個(gè)用戶群體，不同的用戶群體中的用戶所使用的功能不同；訓(xùn)練模塊，用于利用各用戶群體對(duì)應(yīng)的用戶行為數(shù)據(jù)和眼動(dòng)數(shù)據(jù)對(duì)初始興趣程度預(yù)測(cè)模型進(jìn)行迭代訓(xùn)練，得到興趣程度預(yù)測(cè)模型，興趣程度預(yù)測(cè)模型用于預(yù)測(cè)目標(biāo)用戶對(duì)目標(biāo)對(duì)象的興趣程度。

5、第四方面，本申請(qǐng)?zhí)峁┮环N用戶興趣程度的預(yù)測(cè)裝置，包括：獲取模塊，用于獲取目標(biāo)用戶針對(duì)目標(biāo)對(duì)象的目標(biāo)眼動(dòng)數(shù)據(jù)、目標(biāo)行為數(shù)據(jù)和目標(biāo)用戶所屬的目標(biāo)用戶群體；預(yù)測(cè)模塊，用于將目標(biāo)眼動(dòng)數(shù)據(jù)、目標(biāo)用戶群體和目標(biāo)行為數(shù)據(jù)輸入至興趣程度預(yù)測(cè)模型，興趣程度預(yù)測(cè)模型為通過第一方面所提到的興趣程度預(yù)測(cè)模型的訓(xùn)練方法訓(xùn)練得到的；通過興趣程度預(yù)測(cè)模型預(yù)測(cè)目標(biāo)用戶對(duì)目標(biāo)對(duì)象的興趣程度。

6、第五方面，本申請(qǐng)?zhí)峁┮环N電子設(shè)備，包括：處理器；用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器；其中，處理器被配置為執(zhí)行指令，以實(shí)現(xiàn)如第一方面或第二方面的方法。

7、第六方面，本申請(qǐng)?zhí)峁┮环N計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，當(dāng)存儲(chǔ)介質(zhì)中的指令由電子設(shè)備的處理器執(zhí)行時(shí)，使得電子設(shè)備能夠執(zhí)行如第一方面或第二方面的方法。

8、第七方面，本申請(qǐng)實(shí)施例提供了一種計(jì)算機(jī)程序產(chǎn)品，計(jì)算機(jī)程序產(chǎn)品包括存儲(chǔ)在非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上的計(jì)算機(jī)程序，計(jì)算機(jī)程序包括程序指令，當(dāng)程序指令被計(jì)算機(jī)執(zhí)行時(shí)，使計(jì)算機(jī)執(zhí)行如第一方面或第二方面所提到的方法步驟。

9、通過本申請(qǐng)實(shí)施例公開的技術(shù)方案，通過獲取用戶的多維度數(shù)據(jù)，多維度數(shù)據(jù)包括用戶針對(duì)目標(biāo)對(duì)象的眼動(dòng)數(shù)據(jù)和用戶行為數(shù)據(jù)，用戶行為數(shù)據(jù)包括用戶使用目標(biāo)對(duì)象的功能信息；然后根據(jù)用戶使用的目標(biāo)對(duì)象的功能信息對(duì)用戶進(jìn)行聚類，得到多個(gè)用戶群體，不同的用戶群體中的用戶所使用的功能不同；再利用各用戶群體對(duì)應(yīng)的用戶行為數(shù)據(jù)和眼動(dòng)數(shù)據(jù)對(duì)初始興趣程度預(yù)測(cè)模型進(jìn)行迭代訓(xùn)練，得到興趣程度預(yù)測(cè)模型，興趣程度預(yù)測(cè)模型用于預(yù)測(cè)目標(biāo)用戶對(duì)目標(biāo)對(duì)象的興趣程度。如此，通過用戶細(xì)化分群，并利用各種用戶群體的眼動(dòng)數(shù)據(jù)和用戶行為數(shù)據(jù)訓(xùn)練預(yù)測(cè)模型，預(yù)防預(yù)測(cè)模型過擬合，提高模型的泛化能力，在預(yù)測(cè)模型應(yīng)用于用戶的興趣程度的預(yù)測(cè)時(shí)，可以有效的提高預(yù)測(cè)精度。且用戶的眼動(dòng)數(shù)據(jù)和用戶行為數(shù)據(jù)能夠?qū)崟r(shí)的反映出用戶的興趣變化，預(yù)測(cè)模型基于用戶的多維度數(shù)據(jù)進(jìn)行興趣程度預(yù)測(cè)時(shí)，所預(yù)測(cè)出的用戶興趣程度可靠性和準(zhǔn)確度較高。

技術(shù)特征：

1.一種興趣程度預(yù)測(cè)模型的訓(xùn)練方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的興趣程度預(yù)測(cè)模型的訓(xùn)練方法，其特征在于，所述利用各所述用戶群體對(duì)應(yīng)的用戶行為數(shù)據(jù)和所述眼動(dòng)數(shù)據(jù)對(duì)初始興趣程度預(yù)測(cè)模型進(jìn)行迭代訓(xùn)練包括：

3.根據(jù)權(quán)利要求2所述的興趣程度預(yù)測(cè)模型的訓(xùn)練方法，其特征在于，所述新的弱分類器通過上一個(gè)弱分類器的預(yù)測(cè)值與真實(shí)值之間的殘差構(gòu)建。

4.根據(jù)權(quán)利要求2所述的興趣程度預(yù)測(cè)模型的訓(xùn)練方法，其特征在于，所述構(gòu)建弱分類器包括：

5.根據(jù)權(quán)利要求4所述的興趣程度預(yù)測(cè)模型的訓(xùn)練方法，其特征在于，在所述根據(jù)所述損失函數(shù)和所述正則化項(xiàng)構(gòu)建目標(biāo)函數(shù)之前，所述方法還包括：

6.根據(jù)權(quán)利要求5所述的興趣程度預(yù)測(cè)模型的訓(xùn)練方法，其特征在于，在所述根據(jù)所述錨定正樣本到所述正樣本的第一歐幾里得距離、所述錨定正樣本到所述負(fù)樣本的第二歐幾里得距離和間隔參數(shù)構(gòu)建對(duì)比損失項(xiàng)之前，所述方法還包括：

7.根據(jù)權(quán)利要求4所述的興趣程度預(yù)測(cè)模型的訓(xùn)練方法，其特征在于，在所述根據(jù)所述損失函數(shù)和所述正則化項(xiàng)構(gòu)建目標(biāo)函數(shù)之后，所述方法還包括：

8.根據(jù)權(quán)利要求1所述的興趣程度預(yù)測(cè)模型的訓(xùn)練方法，其特征在于，所述多維度數(shù)據(jù)還包括：用戶對(duì)所述目標(biāo)對(duì)象的主觀評(píng)價(jià)數(shù)據(jù)；

9.根據(jù)權(quán)利要求1所述的興趣程度預(yù)測(cè)模型的訓(xùn)練方法，其特征在于，在所述獲取用戶的多維度數(shù)據(jù)之后，所述方法還包括：

10.一種用戶興趣程度的預(yù)測(cè)方法，其特征在于，包括：

技術(shù)總結(jié)
本申請(qǐng)實(shí)施例公開了一種興趣程度預(yù)測(cè)模型的訓(xùn)練方法及用戶興趣程度的預(yù)測(cè)方法，該興趣程度預(yù)測(cè)模型的訓(xùn)練方法包括：獲取用戶的多維度數(shù)據(jù)，多維度數(shù)據(jù)包括用戶針對(duì)目標(biāo)對(duì)象的眼動(dòng)數(shù)據(jù)和用戶行為數(shù)據(jù)，用戶行為數(shù)據(jù)包括用戶使用目標(biāo)對(duì)象的功能信息；根據(jù)用戶使用的目標(biāo)對(duì)象的功能信息對(duì)用戶進(jìn)行聚類，得到多個(gè)用戶群體，不同的用戶群體中的用戶所使用的功能不同；利用各用戶群體對(duì)應(yīng)的用戶行為數(shù)據(jù)和眼動(dòng)數(shù)據(jù)對(duì)初始興趣程度預(yù)測(cè)模型進(jìn)行迭代訓(xùn)練，得到興趣程度預(yù)測(cè)模型，興趣程度預(yù)測(cè)模型用于預(yù)測(cè)目標(biāo)用戶對(duì)目標(biāo)對(duì)象的興趣程度。

技術(shù)研發(fā)人員：黃健文,顏建輝,陳芨,胡斌,黃首盛,柯樹森,丁奕,胡莉瓊,徐誠率,王妍,胡賀吉,黃慶慧,甄勇
受保護(hù)的技術(shù)使用者：中移互聯(lián)網(wǎng)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9