(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211257444.4 (22)申请日 2022.10.14 (71)申请人 支付宝 （杭州） 信息技 术有限公司 地址 310000 浙江省杭州市西湖区西溪路 556号8层B段801-1 1 (72)发明人 吕世伟　 (74)专利代理 机构 北京君慧知识产权代理事务 所(普通合伙) 11716 专利代理师 肖鹏 (51)Int.Cl. G06F 30/27(2020.01) G06F 16/9535(2019.01) G06F 119/02(2020.01) (54)发明名称 一种针对用户的候选项展示方法、 装置以及 设备 (57)摘要 本说明书实施例公开了一种针对用户的候 选项展示方法、 装置以及设备。 方案包括： 为指定 用户生成用户特征嵌入向量， 为指定候选项生成 候选项特征嵌入向量； 将用户特征嵌入向量和候 选项特征嵌入向量进行编码处理， 得到编码结果 向量； 将编码结果向量， 输入第一分类器进行解 码处理， 预测得到指定用户将执行点击动作的倾 向程度； 将编码结果向量， 输入与指定候选项对 应的第二分类器进行解码处理， 预测得到指定用 户对指定候选项的偏好程度； 根据倾向程度和偏 好程度， 确定指定用户对候选项特征的点击概 率； 根据点击概率， 确定要向指定用户展示的候 选项。 权利要求书2页 说明书12页 附图3页 CN 115526111 A 2022.12.27 CN 115526111 A 1.一种针对用户的候选项 展示方法， 包括： 为指定用户生成用户特 征嵌入向量， 为指定候选项生成候选项特 征嵌入向量； 将所述用户特征嵌入向量和所述候选项特征嵌入向量进行编码处理， 得到编码结果向 量； 将所述编码结果向量， 输入第一分类器进行解码处理， 预测得到所述指定用户将执行 点击动作的倾向程度； 将所述编码结果向量， 输入与所述指定候选项对应的第二分类器进行解码处理， 预测 得到所述指定用户对所述指定候选项的偏好 程度； 根据所述倾向程度和所述偏好程度， 确定所述指定用户对所述候选项特征的点击概 率； 根据所述 点击概率， 确定要向所述指定用户展示的候选项。 2.如权利要求1所述的方法， 所述将所述编码结果向量， 输入与 所述指定候选项对应的 第二分类 器进行解码处 理， 具体包括： 将所述编码结果向量， 输入多个第 二分类器中与 所述指定候选项对应的第 二分类器进 行解码处 理， 预测得到所述指定用户对所述指定候选项的偏好 程度； 其中， 各候选项与所述多个第二分类 器中的各第二分类 器一一对应。 3.如权利要求1所述的方法， 所述将所述用户特征嵌入向量和所述候选项特征嵌入向 量进行编码处 理， 得到编码结果向量， 具体包括： 根据所述指定用户在一段时间内的点击数据 序列， 生成序列特 征嵌入向量； 将所述用户特征嵌入向量、 所述候选项特征嵌入向量和所述序列特征嵌入向量进行编 码处理， 得到编码结果向量。 4.如权利要求3所述的方法， 所述进行编码处 理， 得到编码结果向量， 具体包括： 根据所述用户特征嵌入向量和/或所述候选项特征嵌入向量， 确定自注意力的查询参 数； 根据所述指定用户在一段时间内的点击数据 序列， 确定自注意力的键参数和值 参数； 根据所述查询参数、 所述键参数和所述值参数， 进行自注意力计算， 得到所述序列特征 嵌入向量对应的序列特 征重表示向量； 根据所述用户特征嵌入向量和/或所述候选项特征嵌入向量， 以及所述序列特征重表 示向量， 得到编码结果向量。 5.如权利要求3所述的方法， 所述点击数据序列对应的点击动作不是针对各候选项， 而 是针对所述各候选项以外的可点击交 互区域的。 6.如权利要求3所述的方法， 所述点击数据序列反映了对应的点击动作的发生时间和 发生页面。 7.如权利要求1所述的方法， 还 包括： 确定用户对应候选项的点击概 率对应的训练标签； 确定包含非相似性损失项的损失函数， 所述非相似性损失项用于扩大所述第 一分类器 和所述第二分类 器在训练时能够学习到的知识之间的非相似性； 根据所述训练标签和所述损失函数， 对包含了所述第 一分类器和所述第 二分类器的模 型进行训练， 以用于预测所述指定用户对所述 候选项特 征的点击概 率。权　利　要　求　书 1/2 页 2 CN 115526111 A 28.如权利要求7所述的方法， 所述第一分类器包括相连接的第一神经网络层和第一分 类层， 所述第二分类 器包括相连接的第二神经网络层和第二分类层； 所述根据 所述倾向程度和所述偏好程度， 确定所述指定用户对所述候选项特征的点击 概率， 具体包括： 根据所述第一分类层输出的所述倾向程度， 以及所述第二分类层输出的所述偏好程 度， 确定所述指定用户对所述 候选项特 征的点击概 率。 9.如权利要求8所述的方法， 所述确定包 含非相似性损失项的损失函数， 具体包括： 确定反映所述第一神经网络层的输出或中间结果的第一 参数； 确定反映所述第二神经网络层的输出或中间结果的第二 参数； 通过构造所述第一 参数与所述第二 参数之间的参数比较项， 作为非相似性损失项。 10.如权利要求1～ 9任一项所述的方法， 所述 候选项为商品。 11.一种针对用户的候选项 展示装置， 包括： 嵌入向量生成模块， 为指定用户生成用户特征嵌入向量， 为指定候选项生成候选项特 征嵌入向量； 向量编码处理模块， 将所述用户特征嵌入向量和所述候选项特征嵌入向量进行编码处 理， 得到编码结果向量； 倾向程度预测模块， 将所述编码结果向量， 输入第 一分类器进行解码处理， 预测得到所 述指定用户将执 行点击动作的倾向程度； 偏好程度预测模块， 将所述编码结果向量， 输入与所述指定候选项对应的第二分类器 进行解码处 理， 预测得到所述指定用户对所述指定候选项的偏好 程度； 点击概率确定模块， 根据所述倾向程度和所述偏好程度， 确定所述指定用户对所述候 选项特征的点击概 率； 候选项确定模块， 根据所述 点击概率， 确定要向所述指定用户展示的候选项。 12.一种针对用户的候选项 展示设备， 包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处 理器能够： 为指定用户生成用户特 征嵌入向量， 为指定候选项生成候选项特 征嵌入向量； 将所述用户特征嵌入向量和所述候选项特征嵌入向量进行编码处理， 得到编码结果向 量； 将所述编码结果向量， 输入第一分类器进行解码处理， 预测得到所述指定用户将执行 点击动作的倾向程度； 将所述编码结果向量， 输入与所述指定候选项对应的第二分类器进行解码处理， 预测 得到所述指定用户对所述指定候选项的偏好 程度； 根据所述倾向程度和所述偏好程度， 确定所述指定用户对所述候选项特征的点击概 率； 根据所述 点击概率， 确定要向所述指定用户展示的候选项。权　利　要　求　书 2/2 页 3 CN 115526111 A 3