[發明專利]一種用于機器學習模型的特征生成方法、裝置和電子設備

有效

• 申請號: 201510977436.0
• 申請日: 2015-12-23
• 公開（公告）號: CN106909931B
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 魏溪含
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京清源匯知識產權代理事務所(特殊普通合伙) 11644
• 代理人: 馮德魁

1.一種用于機器學習模型的特征生成方法，其特征在于，包括：

獲取待處理對象的對特定目標產生影響的基礎特征；所述對特定目標產生影響的基礎特征是指直接獲取到的、對特定目標產生影響的、待處理對象的特征，其中，所述待處理對象包括商品或者廣告；所述特定目標包括用戶是否購買所述商品或者用戶是否點擊該廣告；

根據獲取到的基礎特征，通過預先生成的特征構造模型，生成所述待處理對象的對特定目標產生影響的組合特征；所述基礎特征包括非線性的基礎特征；通過所述特征構造模型，將所述非線性的基礎特征轉換為線性特征；

其中，所述特征構造模型根據已標注特定目標的歷史對象集學習獲得，所述歷史對象集中的歷史對象與待處理對象屬于同類的不同實例，所述歷史對象是指用于訓練所述特征構造模型的訓練樣本；

所述特征構造模型采用基于深度學習模型的特征構造模型；根據所述已標注特定目標的歷史對象集學習獲得所述特征構造模型，包括：

獲取所述已標注特定目標的歷史對象集；

對各個歷史對象進行特征提取，獲取各個歷史對象的對特定目標產生影響的基礎特征；

根據各個歷史對象的所述對特定目標產生影響的基礎特征和所述已標注特定目標構成的向量對集合，學習獲得所述基于深度學習模型的特征構造模型；所述特征構造模型中的隱層節點作為所述組合特征。

2.一種用于機器學習模型的特征生成裝置，其特征在于，包括：

獲取單元，用于獲取待處理對象的對特定目標產生影響的基礎特征；所述對特定目標產生影響的基礎特征是指直接獲取到的、對特定目標產生影響的、待處理對象的特征，其中，所述待處理對象包括商品或者廣告；所述特定目標包括用戶是否購買所述商品或者用戶是否點擊該廣告；

生成特征單元，用于根據獲取到的基礎特征，通過預先生成的特征構造模型，生成所述待處理對象的對特定目標產生影響的組合特征；所述基礎特征包括非線性的基礎特征；通過所述特征構造模型，將所述非線性的基礎特征轉換為線性特征；

其中，所述特征構造模型根據已標注特定目標的歷史對象集學習獲得，所述歷史對象集中的歷史對象與待處理對象屬于同類的不同實例，所述歷史對象是指用于訓練所述特征構造模型的訓練樣本；

生成模型單元，用于根據所述已標注特定目標的歷史對象集學習獲得特征構造模型；其中，所述特征構造模型采用基于深度學習模型的特征構造模型；所述生成模型單元包括：獲取子單元，用于獲取所述已標注特定目標的歷史對象集；特征提取子單元，用于對各個歷史對象進行特征提取，獲取各個歷史對象的對特定目標產生影響的基礎特征；訓練子單元，用于根據各個歷史對象的所述對特定目標產生影響的基礎特征和所述已標注特定目標構成的向量對集合，學習獲得所述基于深度學習模型的特征構造模型；所述特征構造模型中的隱層節點作為所述組合特征。

3.一種電子設備，其特征在于，包括：

顯示器；

處理器；以及

存儲器，所述存儲器被配置成存儲用于機器學習模型的特征生成裝置，所述用于機器學習模型的特征生成裝置被所述處理器執行時，包括如下步驟：獲取待處理對象的對特定目標產生影響的基礎特征；所述對特定目標產生影響的基礎特征是指直接獲取到的、對特定目標產生影響的、待處理對象的特征，其中，所述待處理對象包括商品或者廣告；所述特定目標包括用戶是否購買所述商品或者用戶是否點擊該廣告；根據獲取到的基礎特征，通過預先生成的特征構造模型，生成所述待處理對象的對特定目標產生影響的組合特征；所述基礎特征包括非線性的基礎特征；通過所述特征構造模型，將所述非線性的基礎特征轉換為線性特征；其中，所述特征構造模型根據已標注特定目標的歷史對象集學習獲得，所述歷史對象集中的歷史對象與待處理對象屬于同類的不同實例，所述歷史對象是指用于訓練所述特征構造模型的訓練樣本；

所述特征構造模型采用基于深度學習模型的特征構造模型；根據所述已標注特定目標的歷史對象集學習獲得所述特征構造模型，包括：

獲取所述已標注特定目標的歷史對象集；

對各個歷史對象進行特征提取，獲取各個歷史對象的對特定目標產生影響的基礎特征；

根據各個歷史對象的所述對特定目標產生影響的基礎特征和所述已標注特定目標構成的向量對集合，學習獲得所述基于深度學習模型的特征構造模型；所述特征構造模型中的隱層節點作為所述組合特征。