(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 202211327139.8 (22)申请日 2022.10.26 (71)申请人 平安银行股份有限公司 地址 518000 广东省深圳市罗湖区深南 东 路5047号 (72)发明人 张峰超　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 李翠 (51)Int.Cl. G06F 16/9535(2019.01) G06Q 30/02(2012.01) G06Q 30/06(2012.01) (54)发明名称 基于多目标价值学习模型的素材数据处理 方法、 装置、 电子设备和存 储介质 (57)摘要 本申请提供一种基于多目标价值学习模型 的素材数据处理方法、 装置、 电子设备和存储介 质， 其中， 基于多目标价值学习模型的素材数据 处理方法包括： 基于多目标学习模 型计算每个预 选素材的第一营收分数和每个预选素材的第二 营收分数； 基于多目标学习模型、 每个预选素材 的第一营收分数、 每个预选素材的第二营收分 数、 每个预选素材的第一价值提升概率、 每个预 选素材的第二价值提升概率和每个预选素材的 点击率， 计算每个预选素材的推荐得分； 基于每 个预选素材的推荐得分确定最优推荐素材等步 骤。 本申请综合考虑了预选素材对多个业务产品 的收益， 从而能够更加精确地确定最优素 材。 权利要求书3页 说明书11页 附图3页 CN 115495664 A 2022.12.20 CN 115495664 A 1.一种基于多目标价 值学习模型的素 材数据处理方法， 其中， 所述方法包括： 获取用户数据和若干个预选素 材的属性数据； 将所述用户数据和若干个所述预选素 材的属性数据输入到多目标 学习模型中； 基于所述多目标 学习模型计算若干个预选素 材中每个所述预选素 材的点击率； 基于所述多目标学习模型计算每个所述预选素材的第一价值提升概率和每个所述预 选素材的第二价值提升概率， 其中， 所述第一价值提升概率表征用户点击所述预选素材后， 能够提高第一业务产品价值的概率， 所述第二价值提升概率表征用户点击所述预选素材 后， 能够提高第二 业务产品价 值的概率； 基于所述多目标学习模型计算每个所述预选素材的第一营收分数和每个所述预选素 材的第二营收分数； 基于所述多目标学习模型、 每个所述预选素材的第一营收分数、 每个所述预选素材的 第二营收分数、 每个所述预选素材 的第一价值提升概率、 每个所述预选素材 的第二价值提 升概率和每个所述预选素 材的点击率， 计算每 个所述预选素 材的推荐得分； 基于每个所述预选素 材的推荐得分确定最优推荐素 材。 2.如权利要求1所述的方法， 其特征在于， 所述基于所述多目标学习模型计算每个所述 预选素材的第一营收分数和每 个所述预选素 材的第二营收分数， 包括： 基于所述多目标学习模型计算每个所述预选素材的第 一营收金额和第 二营收金额， 其 中， 所述第一营收金额表征所述预选素材为所述第一业务产品带来的实际收入， 所述第二 营收金额表征 所述预选素 材为所述第二 业务产品带来的实际收入； 基于所述多目标学习模块对所述每个所述预选素材的第 一营收金额进行归一化处理， 得到每个所述预选素 材的第一营收得分； 基于所述多目标学习模块对所述每个所述预选素材的第 二营收金额进行归一化处理， 得到每个所述预选素 材的第二营收得分。 3.如权利要求1所述的方法， 其特征在于， 在所述基于所述多目标学习模型、 每个所述 预选素材 的第一营收分数、 每个所述预选素材 的第二营收分数、 每个所述预选素材 的第一 价值提升概率、 每个所述预选素材 的第二价值提升概率和每个所述预选素材 的点击率， 计 算每个所述预选素 材的推荐得分之前， 所述方法还 包括： 判断所述第一 业务产品的权 重和所述第二 业务产品的权 重是否存在； 当所述第一业务产品的权重和第 二业务产品的权重均存在时， 则基于所述多目标学习 模型、 每个所述预选素材的第一营收分数、 每个所述预选素材的第二营收分数、 每个所述预 选素材的第一价值提升概率、 每个所述预选素材 的第二价值提升概率、 所述第一业务产品 的权重、 所述第二业务产品的权重和每个所述预选素材 的点击率， 计算每个所述预选素材 的推荐得分。 4.如权利要求3所述的方法， 其特征在于， 所述基于所述多目标学习模型、 每个所述预 选素材的第一营收分数、 每个所述预选素材 的第二营收分数、 每个所述预选素材 的第一价 值提升概率、 每个所述预选素材的第二价值提升概率、 所述第一业务产品的权重、 所述第二 业务产品的权重和每个所述预选素材 的点击率， 计算每个所述预选素材 的推荐得分， 对应 的计算式为： S＝A*(P1*A1*B1+P2*A 2*B2)；权　利　要　求　书 1/3 页 2 CN 115495664 A 2其中， S表示预选素材的推荐得分， A表示所述预选素材的点击率、 P1表示所述第一业务 产品的权重， A1表示所述预选素材的第一营收分数， B1表示所述预选素材的第一价值提升 概率， P2表 示所述第二业务产品的权重， A2表 示所述预选素材的第二营收分数， B2表示所述 预选素材的第二 价值提升概率。 5.一种基于多目标价 值学习模型的素 材数据处理装置， 其中， 所述装置包括： 获取模块， 用于获取用户数据和若干个预选素 材的属性数据； 输入模块， 用于将所述用户数据和若干个所述预选素材的属性数据输入到多目标学习 模型中； 第一计算模块， 用于基于所述多目标学习 模型计算若干个预选素材中每个所述预选素 材的点击率； 第二计算模块， 用于基于所述多目标学习 模型计算每个所述预选素材的第 一价值提升 概率和每个所述预选素材 的第二价值提升概率， 其中， 所述第一价值提升概率表征用户点 击所述预选素材后， 能够提高第一业务产品价值的概率， 所述第二价值提升概率表征用户 点击所述预选素 材后， 能够提高第二 业务产品价 值的概率； 第三计算模块， 用于基于所述多目标学习 模型计算每个所述预选素材的第 一营收分数 和每个所述预选素 材的第二营收分数； 第四计算模块， 用于基于所述多目标学习 模型、 每个所述预选素材的第 一营收分数、 每 个所述预选素材 的第二营收分数、 每个所述预选素材 的第一价值提升概率、 每个所述预选 素材的第二价值提升概率和每个所述预选素材的点击率， 计算每个所述预选素材的推荐得 分； 确定模块， 用于基于每 个所述预选素 材的推荐得分确定最优推荐素 材。 6.如权利要求5所述的装置， 其特 征在于， 所述第三计算模块， 包括： 计算子模块， 用于基于所述多目标学习模型计算每个所述预选素材的第 一营收金额和 第二营收金额， 其中， 所述第一营收金额表征所述预选素材为所述第一业务产品带来的实 际收入， 所述第二营收金额表征 所述预选素 材为所述第二 业务产品带来的实际收入； 归一化处理模块， 用于基于所述多目标学习 模块对所述每个所述预选素材的第 一营收 金额进行归一 化处理， 得到每 个所述预选素 材的第一营收得分； 所述归一化处理模块还用于基于所述多目标学习模块对所述每个所述预选素材的第 二营收金额进行归一 化处理， 得到每 个所述预选素 材的第二营收得分。 7.如权利要求1所述的装置， 其特 征在于， 所述装置还 包括： 判断模块， 用于判断所述第一 业务产品的权 重和所述第二 业务产品的权 重是否存在； 以及， 所述第四计算模块还用于当所述第 一业务产品的权重和第 二业务产品的权重均 存在时， 基于所述多目标学习模 型、 每个所述预选素材的第一营收分数、 每个所述预选素材 的第二营收分数、 每个所述预选素材 的第一价值提升概率、 每个所述预选素材 的第二价值 提升概率、 所述第一业务产品的权重、 所述第二业务产品的权重和每个所述预选素材 的点 击率， 计算每 个所述预选素 材的推荐得分。 8.如权利要求7 所述的装置， 其特 征在于， 所述第四计算模块采用的计算式为： S＝A*(P1*A1*B1+P2*A 2*B2)； 其中， S表示预选素材的推荐得分， A表示所述预选素材的点击率、 P1表示所述第一业务权　利　要　求　书 2/3 页 3 CN 115495664 A 3