[發明專利]一種模型訓練方法、數據獲取方法以及相關裝置

有效

• 申請號: 202010003044.5
• 申請日: 2020-01-02
• 公開（公告）號: CN111222563B
• 公開（公告）日: 2023-10-10
• 發明（設計）人: 鐘文波;程明月
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06F18/22;G06F18/2411
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

1.一種模型訓練的方法，其特征在于，包括：

獲取多個訓練樣本，其中每個訓練樣本包括第一對象，以及與所述第一對象相關聯的至少兩個標識碼，所述至少兩個標識碼中的每個標識碼用于指示一個終端設備；

獲取所述每個訓練樣本中所述至少兩個標識碼分別指示的終端設備的行為信息，所述行為信息包括連接行為、下載行為或注冊行為中的至少一個；

根據所述行為信息確定用于第一模型訓練的特征向量；

將所述特征向量輸入所述第一模型，以得到第二模型，所述第二模型用于確定至少兩個目標標識碼之間的匹配結果，所述匹配結果用于指示所述至少兩個目標標識碼是否對應同一目標對象。

2.根據權利要求1所述的方法，其特征在于，所述根據所述行為信息確定用于第一模型訓練的特征向量，包括：

獲取所述行為信息中的用于指示標識碼對應的終端設備的網絡結構特征，所述網絡結構特征基于所述終端設備的應用程序列表確定；

確定所述網絡結構特征和所述標識碼的第一關聯關系；

根據所述第一關聯關系確定所述特征向量。

3.根據權利要求2所述的方法，其特征在于，所述根據所述第一關聯關系確定所述特征向量，包括：

根據所述第一關聯關系確定拓撲網絡；

基于所述拓撲網絡進行隨機游走，以生成節點序列，所述節點序列用于將所述標識碼基于所述網絡結構特征進行關聯；

將所述節點序列進行向量轉換，以確定所述特征向量。

4.根據權利要求3所述的方法，其特征在于，所述將所述節點序列進行向量轉換，以確定所述特征向量，包括：

確定所述節點序列中節點對應的屬性特征，所述屬性特征用于指示所述節點對應于所述標識碼或所述網絡結構特征；

將所述屬性特征和所述節點序列輸入卷積神經網絡模型，以輸出所述特征向量。

5.根據權利要求1所述的方法，其特征在于，所述根據所述行為信息確定用于第一模型訓練的特征向量，包括：

獲取所述行為信息中的用于指示標識碼對應的終端設備的時間序列特征，所述時間序列特征基于所述終端設備的網絡連接情況確定；

確定所述時間序列特征和所述標識碼的第二關聯關系；

將所述第二關聯關系輸入循環神經網絡模型，以確定所述特征向量。

6.根據權利要求5所述的方法，其特征在于，所述獲取所述行為信息中的用于指示標識碼對應的終端設備的時間序列特征，包括：

獲取所述行為信息中的用于指示標識碼對應的終端設備的無線網絡的連接序列記錄；

根據所述連接序列記錄確定所述時間序列特征。

7.根據權利要求6所述的方法，其特征在于，所述根據所述連接序列記錄確定所述時間序列特征，包括：

確定所述連接序列記錄中的重復項，以更新所述連接序列記錄，所述重復項用于指示所述終端設備連接同一無線網絡的情況；

基于更新后的所述連接序列記錄確定所述時間序列特征。

8.根據權利要求1所述的方法，其特征在于，所述根據所述行為信息確定用于第一模型訓練的特征向量，包括：

獲取所述行為信息中的用于指示同一訓練樣本內的標識碼對應的終端設備的行為特征；

基于所述行為特征獲取所述同一訓練樣本內的標識碼的相似度；

根據所述相似度與所述訓練樣本的對應關系確定所述特征向量。

9.根據權利要求8所述的方法，其特征在于，所述基于所述行為特征獲取所述同一訓練樣本內的標識碼的相似度，包括：

確定所述行為特征中的目標特征；

為所述目標特征設置權重信息，并更新所述行為特征；

基于更新后的所述行為特征獲取所述同一訓練樣本內的標識碼的相似度。