[發(fā)明專利]負(fù)樣本的抽取方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910985141.6
• 申請(qǐng)日: 2019-10-16
• 公開（公告）號(hào): CN110851708A
• 公開（公告）日: 2020-02-28
• 發(fā)明（設(shè)計(jì)）人: 任俊松
• 申請(qǐng)（專利權(quán)）人: 中國(guó)平安人壽保險(xiǎn)股份有限公司
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/951
• 代理公司: 北京市立方律師事務(wù)所 11330
• 代理人: 劉延喜

本申請(qǐng)涉及機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，尤其涉及一種負(fù)樣本的抽取方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)，包括：獲取應(yīng)用平臺(tái)中展示頁(yè)面的頁(yè)面埋點(diǎn)信息，根據(jù)所述頁(yè)面埋點(diǎn)信息確定各個(gè)埋點(diǎn)對(duì)象的標(biāo)簽信息和流行度信息；獲取用戶在所述應(yīng)用平臺(tái)中的歷史行為信息，并通過所述歷史行為信息確定用戶在所述應(yīng)用平臺(tái)中的標(biāo)簽權(quán)重；根據(jù)所述標(biāo)簽權(quán)重和各個(gè)埋點(diǎn)對(duì)象的標(biāo)簽信息，確定所述應(yīng)用平臺(tái)中各個(gè)埋點(diǎn)對(duì)象被用戶抽樣的抽樣概率；根據(jù)各個(gè)埋點(diǎn)對(duì)象的流行度信息和抽樣概率生成負(fù)樣本分布序列，并從所述負(fù)樣本分布序列中抽取負(fù)樣本；本方案不僅優(yōu)化了負(fù)樣本的抽樣邏輯，還降低了模型訓(xùn)練過程中的計(jì)算量以及提高了模型效果和評(píng)價(jià)指標(biāo)。

技術(shù)領(lǐng)域

本申請(qǐng)涉及機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，尤其涉及一種負(fù)樣本的抽取方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

目前，個(gè)性化信息推薦已經(jīng)被各大互聯(lián)網(wǎng)平臺(tái)廣泛采用，它通過跟蹤用戶的歷史行為，提取用戶的興趣特征，分析信息與用戶特征的匹配程度，從而給用戶推薦可能感興趣的信息。

例如，推薦系統(tǒng)會(huì)將應(yīng)用平臺(tái)中收集到的用戶的樣本信息送入訓(xùn)練模型中進(jìn)行訓(xùn)練，通過比較樣本信息中的正負(fù)樣本來模擬用戶可能感興趣的信息，其中，負(fù)樣本的選取對(duì)訓(xùn)練模型的效果起到關(guān)鍵性的作用；但是，目前推薦系統(tǒng)在對(duì)負(fù)樣本進(jìn)行選取時(shí)，通常采用隨機(jī)抽樣的方式，這種方式選取的負(fù)樣本價(jià)值度較低，容易影響推薦效果。

發(fā)明內(nèi)容

本申請(qǐng)的目的旨在至少能解決上述的技術(shù)缺陷之一，特別是現(xiàn)有技術(shù)中采用隨機(jī)抽樣的方式選取的負(fù)樣本價(jià)值度較低，容易影響推薦效果的技術(shù)缺陷。

本申請(qǐng)?zhí)峁┮环N負(fù)樣本的抽取方法，包括如下步驟：

獲取應(yīng)用平臺(tái)中展示頁(yè)面的頁(yè)面埋點(diǎn)信息，根據(jù)所述頁(yè)面埋點(diǎn)信息確定各個(gè)埋點(diǎn)對(duì)象的標(biāo)簽信息和流行度信息；

獲取用戶在所述應(yīng)用平臺(tái)中的歷史行為信息，并通過所述歷史行為信息確定用戶在所述應(yīng)用平臺(tái)中的標(biāo)簽權(quán)重；

根據(jù)所述標(biāo)簽權(quán)重和各個(gè)埋點(diǎn)對(duì)象的標(biāo)簽信息，確定所述應(yīng)用平臺(tái)中各個(gè)埋點(diǎn)對(duì)象被用戶抽樣的抽樣概率；

根據(jù)各個(gè)埋點(diǎn)對(duì)象的流行度信息和抽樣概率生成負(fù)樣本分布序列，并從所述負(fù)樣本分布序列中抽取負(fù)樣本。

在一個(gè)實(shí)施例中，根據(jù)所述頁(yè)面埋點(diǎn)信息確定各個(gè)埋點(diǎn)對(duì)象的標(biāo)簽信息和流行度信息的步驟，包括：

通過所述頁(yè)面埋點(diǎn)信息確定所述展示頁(yè)面中的各個(gè)埋點(diǎn)對(duì)象，以及所述埋點(diǎn)對(duì)象對(duì)應(yīng)的埋點(diǎn)數(shù)據(jù)；其中，所述埋點(diǎn)數(shù)據(jù)包括埋點(diǎn)屬性和交互信息；

根據(jù)所述埋點(diǎn)屬性確定所述埋點(diǎn)對(duì)象的標(biāo)簽信息，以及根據(jù)所述交互信息確定所述埋點(diǎn)對(duì)象的流行度信息。

在一個(gè)實(shí)施例中，通過所述歷史行為信息確定用戶在所述應(yīng)用平臺(tái)中的標(biāo)簽權(quán)重的步驟，包括：

根據(jù)所述歷史行為信息確定用戶在所述應(yīng)用平臺(tái)中的各個(gè)行為對(duì)象，以及所述行為對(duì)象對(duì)應(yīng)的行為數(shù)據(jù)；

根據(jù)所述行為數(shù)據(jù)統(tǒng)計(jì)所述行為對(duì)象中各個(gè)標(biāo)簽對(duì)應(yīng)的標(biāo)簽數(shù)據(jù)，并將所述標(biāo)簽數(shù)據(jù)進(jìn)行歸一化處理后得到用戶在所述應(yīng)用平臺(tái)中的標(biāo)簽權(quán)重。

在一個(gè)實(shí)施例中，根據(jù)所述標(biāo)簽權(quán)重和各個(gè)埋點(diǎn)對(duì)象的標(biāo)簽信息，確定所述應(yīng)用平臺(tái)中各個(gè)埋點(diǎn)對(duì)象被用戶抽樣的抽樣概率的步驟，包括：

根據(jù)所述標(biāo)簽權(quán)重對(duì)應(yīng)的標(biāo)簽以及各個(gè)埋點(diǎn)對(duì)象的標(biāo)簽信息確定用戶對(duì)各個(gè)埋點(diǎn)對(duì)象的興趣度；其中，在所述標(biāo)簽權(quán)重中沒有與所述埋點(diǎn)對(duì)象的標(biāo)簽信息對(duì)應(yīng)的標(biāo)簽時(shí)，所述興趣度取零；

根據(jù)所述興趣度確定所述應(yīng)用平臺(tái)中各個(gè)埋點(diǎn)對(duì)象被用戶抽樣的抽樣概率。

在一個(gè)實(shí)施例中，所述流行度信息包括各個(gè)埋點(diǎn)對(duì)象被用戶點(diǎn)擊的次數(shù)；

根據(jù)各個(gè)埋點(diǎn)對(duì)象的流行度信息和抽樣概率生成負(fù)樣本分布序列的步驟，包括：