[發(fā)明專利]模型訓練方法、信息預測方法、裝置、存儲介質(zhì)及設備

有效

• 申請?zhí)枺?/td>: 201911360658.2
• 申請日: 2019-12-25
• 公開（公告）號: CN111126495B
• 公開（公告）日: 2023-06-02
• 發(fā)明（設計）人: 楊晚鵬;譚怒濤
• 申請（專利權）人: 廣州市百果園信息技術有限公司
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06F16/951;G06F16/958
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發(fā)明實施例公開了模型訓練方法、信息預測方法、裝置、存儲介質(zhì)及設備。其中，模型訓練方法包括：獲取當前訓練周期對應的訓練樣本集合，其中，訓練樣本集合中的訓練樣本包含特征項目、對應的特征屬性值以及用戶針對信息條目的行為數(shù)據(jù)，對訓練樣本集合中的行為數(shù)據(jù)進行統(tǒng)計，并利用當前行為統(tǒng)計數(shù)據(jù)更新第一信息預測模型中的第一行為統(tǒng)計數(shù)據(jù)，得到第二信息預測模型，其中，第一信息預測模型對應于上一個訓練周期，利用訓練樣本集合對第二信息預測模型進行訓練。通過采用上述技術方案，可以更準確地訓練模型中的參數(shù)，提升模型準確性，在需要進行信息預測時，可以及時獲取到最新的模型用于信息預測，可提升信息預測的準確度以及時效性。

技術領域

本發(fā)明實施例涉及計算機技術領域，尤其涉及模型訓練方法、信息預測方法、裝置、存儲介質(zhì)及設備。

背景技術

隨著互聯(lián)網(wǎng)領域的飛速發(fā)展，爆炸式增長的信息導致用戶想要獲取感興趣的有效內(nèi)容越來越困難。個性化推薦技術已經(jīng)成為互聯(lián)網(wǎng)領域不可或缺的基礎技術，在涉及新聞、短視頻和音樂等信息的產(chǎn)品中扮演著越來越重要的角色。

目前，一般的信息推薦系統(tǒng)往往采用流式統(tǒng)計任務(如sparkstreaming或者flink等)進行用戶行為的連續(xù)特征(如點擊、點贊以及分享等行為特征)統(tǒng)計和更新，行為特征數(shù)據(jù)存儲于分布式存儲系統(tǒng)(如redis等)，當線上需要進行推薦時，需要通過流式統(tǒng)計任務從存儲系統(tǒng)讀取行為特征并進行行為特征抽取及行為特征統(tǒng)計，然后與當前樣本一起輸入至預先訓練好的信息預測模型中進行預測，再根據(jù)預測結果進行信息推薦。然而，上述方案中信息預測模型準確性不高，需要改進。

發(fā)明內(nèi)容

本發(fā)明實施例提供了模型訓練方法、裝置、設備和存儲介質(zhì)，可以優(yōu)化現(xiàn)有的信息預測模型的訓練方案。

第一方面，本發(fā)明實施例提供了一種信息預測模型訓練方法，該方法包括：

獲取當前訓練周期對應的訓練樣本集合，其中，所述訓練樣本集合中的訓練樣本包含特征項目、所述特征項目對應的特征屬性值以及用戶針對信息條目的行為數(shù)據(jù)，特征項目中包含用戶特征和/或信息條目特征；

對所述訓練樣本集合中的所述行為數(shù)據(jù)進行統(tǒng)計，得到當前行為統(tǒng)計數(shù)據(jù)，并利用所述當前行為統(tǒng)計數(shù)據(jù)更新第一信息預測模型中的第一行為統(tǒng)計數(shù)據(jù)，得到第二信息預測模型，其中，所述第一信息預測模型對應于上一個訓練周期；

利用所述訓練樣本集合對所述第二信息預測模型進行訓練，得到訓練后的第三信息預測模型。

第二方面，本發(fā)明實施例提供了一種信息預測方法，該方法包括：

獲取候選信息條目對應的當前樣本；

獲取信息預測模型，其中，所述信息預測模型采用本發(fā)明實施例提供的信息預測模型訓練方法訓練得到；

將所述當前樣本輸入至所述信息預測模型，并根據(jù)所述信息預測模型的輸出結果確定所述候選信息條目對應的預測結果。

第三方面，本發(fā)明實施例提供了一種信息預測模型訓練裝置，該裝置包括：

訓練樣本獲取模塊，用于獲取當前訓練周期對應的訓練樣本集合，其中，所述訓練樣本集合中的訓練樣本包含特征項目、所述特征項目對應的特征屬性值以及用戶針對信息條目的行為數(shù)據(jù)，特征項目中包含用戶特征和/或信息條目特征；

行為統(tǒng)計數(shù)據(jù)更新模塊，用于對所述訓練樣本集合中的所述行為數(shù)據(jù)進行統(tǒng)計，得到當前行為統(tǒng)計數(shù)據(jù)，并利用所述當前行為統(tǒng)計數(shù)據(jù)更新第一信息預測模型中的第一行為統(tǒng)計數(shù)據(jù)，得到第二信息預測模型，其中，所述第一信息預測模型對應于上一個訓練周期；

模型訓練模塊，用于利用所述訓練樣本集合對所述第二信息預測模型進行訓練，得到訓練后的第三信息預測模型。

第四方面，本發(fā)明實施例提供了一種信息預測裝置，該裝置包括：