[發(fā)明專利]一種模型訓練以及業(yè)務執(zhí)行的方法及裝置

在審

• 申請?zhí)枺?/td>: 202010932642.0
• 申請日: 2020-09-08
• 公開（公告）號: CN112183584A
• 公開（公告）日: 2021-01-05
• 發(fā)明（設計）人: 史潤東
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q40/02
• 代理公司: 北京曼威知識產權代理有限公司 11709
• 代理人: 方志煒

1.一種模型訓練的方法，其特征在于，所述方法包括：

獲取用戶在各應用平臺上的用戶信息；

針對各應用平臺，將該應用平臺上的用戶信息輸入該應用平臺對應的待訓練第一模型，得到所述待訓練第一模型輸出的所述用戶對應于該應用平臺的用戶特征；

根據(jù)所述用戶對應于每個應用平臺的用戶特征，確定所述用戶的用戶綜合特征以及第一損失；

確定目標事件，判斷所述用戶歷史上是否執(zhí)行所述目標事件，將判斷結果作為標注，并將所述用戶綜合特征輸入所述目標事件對應的待訓練第二模型，得到所述待訓練第二模型輸出的所述用戶執(zhí)行所述目標事件的執(zhí)行概率；

根據(jù)所述執(zhí)行概率以及所述標注，確定所述待訓練第二模型的第二損失；

根據(jù)所述第一損失以及所述第二損失，對各待訓練第一模型以及所述待訓練第二模型進行訓練。

2.如權利要求1所述的方法，其特征在于，用戶特征包括共性特征以及特性特征；

根據(jù)各應用平臺的用戶特征，確定所述用戶的用戶綜合特征以及第一損失，具體包括：

根據(jù)各應用平臺的共性特征，確定平均共性特征；

根據(jù)所述平均共性特征與各應用平臺的特性特征，確定所述用戶綜合特征以及所述第一損失。

3.如權利要求2所述的方法，其特征在于，根據(jù)所述平均共性特征與各應用平臺的特性特征，確定所述第一損失，具體包括：

根據(jù)各應用平臺的共性特征以及所述平均共性特征，分別確定各應用平臺對應的待訓練第一模型的第一共性損失；

根據(jù)各應用平臺的特性特征以及所述平均共性特征，分別確定各應用平臺對應的待訓練第一模型的第一特性損失；

根據(jù)各應用平臺對應的待訓練第一模型的第一共性損失以及第一特性損失，確定所述第一損失。

4.如權利要求3所述的方法，其特征在于，根據(jù)各應用平臺的特性特征以及所述平均共性特征，分別確定各應用平臺對應的待訓練第一模型的第一特性損失，具體包括：

針對各應用平臺，根據(jù)該應用平臺的特性特征與所述平均共性特征，確定該應用平臺的第一正交損失；

根據(jù)該應用平臺的特性特征與其他任一應用平臺的特性特征，確定該應用平臺的第二正交損失；

根據(jù)所述第一正交損失以及各第二正交損失，確定該應用平臺對應的待訓練第一模型的第一特性損失。

5.如權利要求3所述的方法，其特征在于，根據(jù)各應用平臺對應的待訓練第一模型的第一共性損失以及第一特性損失，確定所述第一損失，具體包括：

確定各應用平臺對應的待訓練第一模型的第一共性損失的和值作為第一共性損失和值以及第一特性損失的和值作為第一特性損失和值；

根據(jù)預先設置的共性損失權重、特性損失權重、所述第一共性損失和值以及所述第一特性損失和值，確定所述第一損失。

6.如權利要求1所述的方法，其特征在于，根據(jù)所述第一損失以及所述第二損失，對各待訓練第一模型以及所述待訓練第二模型進行訓練，具體包括：

根據(jù)預設的第一損失權重、第二損失權重以及所述第一損失、第二損失，確定最終損失，所述最終損失與所述第一損失正相關，所述最終損失與所述第二損失正相關；

以所述最終損失最小化為優(yōu)化目標，對各待訓練第一模型以及所述待訓練第二模型進行訓練。

7.一種業(yè)務執(zhí)行的方法，其特征在于，所述方法包括：

獲取目標用戶在各應用平臺上的用戶信息；

根據(jù)所述目標用戶在各應用平臺上的用戶信息以及各應用平臺對應的預先訓練的第一模型，分別確定所述目標用戶在各應用平臺上的用戶特征；

根據(jù)在各應用平臺上的用戶特征，確定所述目標用戶的用戶綜合特征；

將所述用戶綜合特征輸入預先訓練的第二模型，得到所述第二模型輸出的預測結果；

根據(jù)所述預測結果，對所述目標用戶執(zhí)行業(yè)務。