[發明專利]預測模型訓練和用戶資源額度確定方法及裝置

有效

• 申請號: 202010010460.8
• 申請日: 2020-01-06
• 公開（公告）號: CN111210072B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 申月;劉子奇;王東
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F16/901;G06K9/62
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 陳霽;周良玉

1.一種用于預測用戶分享行為數據的預測模型訓練方法，通過計算機執行，所述方法包括：

基于分享關系圖譜，獲取第一用戶的第一關系特征；其中，所述分享關系圖譜用于表征多個用戶之間的分享關系，包括多個用戶節點以及用戶節點之間存在分享關系時形成的連接邊；

至少基于所述第一關系特征，確定所述第一用戶的第一特征數據；

獲取所述第一用戶在接收到第一資源額度的資源之后的分享行為數據，作為標準數據；其中，所述資源為對所述第一用戶的獎勵資源；

將所述第一特征數據和所述第一資源額度輸入預測模型，通過所述預測模型輸出所述第一用戶針對所述第一資源額度的分享行為的預測數據；

根據所述標準數據與所述預測數據的比較，確定第一預測損失；

向使得所述第一預測損失減小的方向，更新所述預測模型。

2.根據權利要求1所述的方法，所述基于分享關系圖譜，獲取第一用戶的第一關系特征的步驟，包括：

通過圖神經網絡模型，利用所述分享關系圖譜中第一用戶節點及其鄰居節點集的數據，進行多級特征聚合，得到所述第一用戶的第一關系特征；其中，所述第一用戶節點對應所述第一用戶。

3.根據權利要求2所述的方法，所述向使得所述第一預測損失減小的方向，更新所述預測模型的步驟，包括：

向使得所述第一預測損失減小的方向，更新所述預測模型和所述圖神經網絡模型。

4.根據權利要求1所述的方法，所述至少基于所述第一關系特征，確定所述第一用戶的第一特征數據的步驟，包括：

獲取用于表征所述第一用戶的靜態屬性的第一屬性特征，和/或，獲取用于表征所述第一用戶的個體資源敏感度的第一個體特征；其中，所述第一個體特征基于所述第一用戶針對不同資源額度執行個體行為時對應的個體行為數據而提取得到；

將所述第一關系特征與所述第一屬性特征和/或所述第一個體特征進行融合，得到所述第一用戶的第一特征數據。

5.根據權利要求1所述的方法，所述分享行為數據包括不同類別的子分享行為數據；

所述根據所述標準數據與所述預測數據的比較，確定第一預測損失的步驟，包括：

將所述標準數據與所述預測數據中同類別的子分享行為數據分別進行比較，得到多個類別的預測損失；

根據多個類別的第一預設權重，對多個類別的預測損失進行融合，得到所述第一預測損失。

6.根據權利要求1所述的方法，所述基于分享關系圖譜，獲取第一用戶的第一關系特征的步驟，包括：

獲取所述分享關系圖譜的鄰接矩陣；

對所述鄰接矩陣進行特征值分解，利用特征值分解結果，確定所述鄰接矩陣的節點向量矩陣；

從所述節點向量矩陣中讀取所述第一用戶對應的第一節點向量，作為所述第一關系特征。

7.一種確定用戶資源額度以對用戶進行資源分配的方法，通過計算機執行，所述方法包括：

基于分享關系圖譜，獲取待分配資源的第二用戶的第二關系特征；其中，所述分享關系圖譜用于表征多個用戶之間的分享關系，包括多個用戶節點以及用戶節點之間存在分享關系時形成的連接邊；

至少基于所述第二關系特征，確定所述第二用戶的第二特征數據；

將所述第二特征數據和多個不同檔位資源額度輸入預測模型，通過所述預測模型輸出所述第二用戶針對所述多個不同檔位資源額度的分享行為數據；其中，所述預測模型采用權利要求1所述的方法訓練完成；

根據輸出的所述分享行為數據對多個不同檔位資源額度進行選擇，根據選擇結果確定針對所述第二用戶分配的資源額度。

8.根據權利要求7所述的方法，所述根據輸出的所述分享行為數據對多個不同檔位資源額度進行選擇，根據選擇結果確定針對所述第二用戶分配的資源額度的步驟，包括：

獲取待分配資源的剩余總資源；

按照輸出的所述分享行為數據的大小對多個不同檔位資源額度進行排序，并從排序結果中選擇一個不大于所述剩余總資源的檔位資源額度，作為針對所述第二用戶分配的資源額度。