[發明專利]一種模型訓練方法、裝置、設備及存儲介質

在審

• 申請號: 202010141137.4
• 申請日: 2020-03-03
• 公開（公告）號: CN111507471A
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 成梭宇
• 申請（專利權）人: 上海喜馬拉雅科技有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06Q10/04;G06F16/9035;G06F17/18
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 胡彬

本發明公開了一種模型訓練方法、裝置、設備及存儲介質。其中，該方法包括：按照用戶行為順序從數據庫獲取M條樣本數據，根據樣本數據中至少兩個用戶行為的標簽確定得到M條樣本數據的至少兩個行為損失函數，進而根據M條樣本數據的至少兩個行為損失函數確定損失函數，并根據損失函數訓練預測模型，這樣不僅可以從多個維度進行模型預測，也可以考慮到用戶多種行為之間的先后關系，從而提高預測模型預測的準確率。

技術領域

本發明實施例涉及信息處理技術，尤其涉及一種模型訓練方法、裝置、設備及存儲介質。

背景技術

在信息推薦領域，通常需要通過訓練模型以實現向用戶推薦各類信息。但是，目前常用的方式是單獨使用用戶的某種特定行為來訓練模型，例如，使用展示和點擊數據單獨訓練預測用戶點擊率的模型，或者使用展示和播放數據單獨訓練用戶播放率的模型，這種方式只采用單一的用戶行為進行模型訓練與決策，基于模型向用戶推薦各類信息的準確度不高。

發明內容

本發明提供一種模型訓練方法、裝置、設備及存儲介質，能夠從多個維度進行模型預測，也可以考慮到用戶多種行為之間的先后關系，從而提高預測模型預測的準確率。

第一方面，本發明實施例提供了一種模型訓練方法，該方法包括：

按照用戶行為順序從數據庫獲取M條樣本數據，樣本數據包括用戶標識、信息標識、至少兩個用戶行為的標簽，其中，M為大于等于1的整數；

根據至少兩個用戶行為的標簽確定M條樣本數據的至少兩個行為損失函數其中，k表示第k條樣本數據，1≤k≤M，n表示用戶行為數，n為大于1 的整數；

根據M條樣本數據的至少兩個行為損失函數確定損失函數L；

根據損失函數L訓練預測模型。

第二方面，本發明實施例還提供了一種模型訓練裝置，該裝置包括：

獲取模塊，用于按照用戶行為順序從數據庫獲取M條樣本數據，樣本數據包括用戶標識、信息標識、至少兩個用戶行為的標簽，其中，M為大于等于1 的整數；

確定模塊，用于根據至少兩個用戶行為的標簽確定M條樣本數據的至少兩個行為損失函數其中，k表示第k條樣本數據，1≤k≤M，n表示用戶行為數，n為大于1的整數；

確定模塊，還用于根據M條樣本數據的至少兩個行為損失函數確定損失函數L；

訓練模塊，用于根據損失函數L訓練預測模型。

第三方面，本發明實施例還提供了一種設備，該設備包括：

存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，當處理器執行計算機程序時，實現如本發明第一方面提供的模型訓練方法。

本發明實施例提供了一種模型訓練方法、裝置、設備及存儲介質，具體為按照用戶行為順序從數據庫獲取M條樣本數據，根據樣本數據中至少兩個用戶行為的標簽確定得到M條樣本數據的至少兩個行為損失函數，進而根據M條樣本數據的至少兩個行為損失函數確定損失函數，并根據損失函數訓練預測模型，這樣不僅可以從多個維度進行模型預測，也可以考慮到用戶多種行為之間的先后關系，從而提高預測模型預測的準確率。

附圖說明

圖1是本發明實施例中的模型訓練方法流程圖；

圖2是本發明實施例中的預測模型結構示意圖；

圖3是本發明實施例中的模型訓練裝置結構示意圖；

圖4是本發明實施例中的設備結構示意圖。

具體實施方式