[發明專利]預測模型的訓練方法及裝置在審
| 申請號： | 202010014918.7 | 申請日： | 2020-01-07 |
| 公開（公告）號： | CN111199429A | 公開（公告）日： | 2020-05-26 |
| 發明（設計）人： | 侯志鵬;陳碧瑩;陳凌;劉磊 | 申請（專利權）人： | 支付寶（杭州）信息技術有限公司 |
| 主分類號： | G06Q30/02 | 分類號： | G06Q30/02;G06K9/62 |
| 代理公司： | 北京智信禾專利代理有限公司 11637 | 代理人： | 李曉慶 |
| 地址： | 310013 浙江省杭州市*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 預測 模型 訓練 方法 裝置 | ||
1.一種預測模型的訓練方法，包括：
為采集的每個用戶分配一個權益，并按照權益類型對權益進行劃分；
將每種權益類型的權益的權益特征和對應的用戶的用戶特征分為訓練數據和測試數據；
基于每種權益類型的訓練數據對每種權益類型對應的初始預測模型進行訓練，得到每種權益類型對應的預測模型；
將每種權益類型的測試數據輸入每種權益類型對應的預測模型中得到測試結果，并基于所有測試結果調整預測模型。
2.根據權利要求1所述的預測模型的訓練方法，所述基于每種權益類型的訓練數據對每種權益類型對應的初始預測模型進行訓練，得到每種權益類型對應的預測模型包括：
基于每種權益類型的訓練數據對每種權益類型對應的初始預測模型進行訓練，得到每種權益類型對應的、輸出用戶特征針對權益特征的響應率的預測模型。
3.根據權利要求2所述的預測模型的訓練方法，所述測試結果包括用戶特征針對權益特征的測試響應率；
相應的，所述將每種權益類型的測試數據輸入每種權益類型對應的預測模型中得到測試結果，并基于所有測試結果調整預測模型包括：
將每種權益類型的測試數據輸入每種權益類型對應的預測模型中得到每種權益類型的用戶特征針對權益特征的測試響應率，并基于所述測試響應率調整預測模型。
4.根據權利要求3所述的預測模型的訓練方法，所述基于所述測試響應率調整所述預測模型之前，還包括：
獲取每種權益類型的預測模型輸出的用戶特征針對權益特征的預設響應率。
5.根據權利要求4所述的預測模型的訓練方法，所述基于所述測試響應率調整預測模型包括：
計算每種權益類型的預測模型輸出的用戶特征針對權益特征的預設響應率與其對應的測試響應率的差值，在所述差值大于等于預設閾值的情況下，基于所述差值調整預測模型。
6.根據權利要求5所述的預測模型的訓練方法，所述基于所述測試響應率調整預測模型包括：
對所有權益類型的預測模型輸出的用戶特征針對權益特征的預設響應率進行排序，得到預設響應率的排序結果；
對所有權益類型的預測模型輸出的用戶特征針對權益特征的測試響應率進行排序，得到測試響應率的排序結果；
在所述預設響應率的排序結果與所述測試響應率的排序結果不同的情況下，基于所述測試響應率調整預測模型。
7.根據權利要求6所述的預測模型的訓練方法，所述基于所述測試響應率調整預測模型包括：
基于所述測試響應率調整所有權益類型對應的至少一個預測模型。
8.根據權利要求1所述的預測模型的訓練方法，所述基于每種權益類型的訓練數據對每種權益類型對應的初始預測模型進行訓練，得到每種權益類型對應的預測模型包括：
基于每種權益類型的訓練數據對每種權益類型對應的相同的初始預測模型進行訓練，得到每種權益類型對應的相同的預測模型。
9.根據權利要求1所述的預測模型的訓練方法，所述基于每種權益類型的訓練數據對每種權益類型對應的初始預測模型進行訓練，得到每種權益類型對應的預測模型包括：
基于每種權益類型的訓練數據對每種權益類型對應的不同的初始預測模型進行訓練，得到每種權益類型對應的不同的預測模型。
10.根據權利要求1所述的預測模型的訓練方法，所述將采集的至少兩個權益按照權益類型進行劃分，并為劃分后的每種權益類型的權益分配不同的用戶之前，還包括：
采集多個用戶及多個權益。
11.根據權利要求1所述的預測模型的訓練方法，所述用戶特征包括所述用戶的屬性特征以及行為特征。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于支付寶（杭州）信息技術有限公司，未經支付寶（杭州）信息技術有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010014918.7/1.html，轉載請聲明來源鉆瓜專利網。
