[發明專利]訓練事件預測模型的方法及裝置

有效

• 申請號: 202010888440.0
• 申請日: 2020-08-28
• 公開（公告）號: CN111814977B
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 宋博文;顧曦;陳帥
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N20/00;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: 陳婧玥;周良玉

1.一種訓練事件預測模型的方法，所述方法包括：

獲取多個訓練樣本，其中各個樣本中包括用戶的多個操作事件構成的事件序列，以及對應的分類標簽，所述分類標簽針對所述事件序列或所述事件序列中的最后一個事件；

獲取針對該多個訓練樣本對應的多個用戶而構建的關系網絡圖，其中包括對應該多個用戶的多個節點，以及節點之間存在關聯關系而形成的連接邊；

將所述各個樣本作為當前樣本，輸入事件預測模型，該事件預測模型包括特征提取器、圖神經網絡和分類網絡，其中，

利用所述特征提取器對所述當前樣本進行特征提取，所述特征提取器包括編碼層、第一嵌入層和第二嵌入層；其中編碼層用于，針對當前樣本所對應當前事件序列中的每個事件，將該事件的多項屬性信息編碼為對應的多個編碼向量；第一嵌入層用于，對所述每個事件的多個編碼向量進行第一組合，得到各個事件對應的各個事件向量；第二嵌入層用于，對所述各個事件向量進行第二組合，得到所述當前事件序列對應的特征表示；

利用所述圖神經網絡，基于所述特征表示，對所述關系網絡圖進行圖嵌入處理，得到所述當前事件序列的圖嵌入向量；

利用所述分類網絡，基于所述圖嵌入向量，預測所述當前樣本的事件類別，得到預測結果；

基于各個樣本的預測結果和對應的分類標簽，訓練所述事件預測模型。

2.根據權利要求1所述的方法，其中，所述第一組合包括，涉及N個編碼向量相乘的N階向量間組合運算，其中N≥2。

3.根據權利要求1所述的方法，其中，所述第二嵌入層包括基于時序的神經網絡，用于依次迭代處理所述各個事件向量，得到所述當前事件序列對應的特征表示。

4.根據權利要求1所述的方法，其中，所述第二組合包括，涉及M個事件向量的M階向量間組合運算，其中M≥2。

5.根據權利要求1所述的方法，其中，所述各個樣本中還包括所述用戶的用戶畫像特征；所述事件預測模型中還包括特征編碼器，該特征編碼器用于對所述用戶畫像特征進行編碼，得到畫像編碼向量；

其中，利用所述圖神經網絡，基于所述特征表示，對所述關系網絡圖進行圖嵌入處理，得到所述當前事件序列的圖嵌入向量，包括：

利用所述圖神經網絡，基于所述特征表示和所述當前事件序列所對應的當前畫像編碼向量，對所述關系網絡圖進行圖嵌入處理，得到所述圖嵌入向量。

6.根據權利要求1所述的方法，其中，所述各個樣本中還包括所述用戶的用戶畫像特征；所述事件預測模型中還包括特征編碼器，該特征編碼器用于對所述用戶畫像特征進行編碼，得到畫像編碼向量；

其中，利用所述分類網絡，基于所述圖嵌入向量，預測所述當前樣本的事件類別，得到預測結果，包括：

將所述圖嵌入向量和所述當前事件所對應的當前畫像編碼向量，輸入所述分類網絡中，得到所述預測結果。