[發明專利]信息轉化率預測方法、裝置、設備及可讀存儲介質

在審

• 申請號: 202010943346.0
• 申請日: 2020-09-09
• 公開（公告）號: CN112070542A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 譚奔;鄭文琛
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N20/00
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 張志江

1.一種信息轉化率預測方法，其特征在于，所述信息轉化率預測方法包括：

獲取原始訓練數據的用戶設備號對應的擴展用戶數據，并基于所述擴展用戶數據對所述原始訓練數據進行重新構建，得到增強型訓練數據；

利用所述原始訓練數據以及所述增強型訓練數據進行聯合模型訓練，得到信息轉化率預測模型以及輔助模型，并基于所述輔助模型對所述信息轉化率預測模型進行優化；

在接收到信息轉化率預測請求時，根據優化后的所述信息轉化率預測模型得到所述信息轉化率預測請求對應的信息內容的轉化率預測結果。

2.如權利要求1所述信息轉化率預測方法，其特征在于，所述原始訓練數據包括原始信息特征數據和用戶設備號對應的原始轉化率；

所述獲取原始訓練數據的用戶設備號對應的擴展用戶數據，并基于所述擴展用戶數據對所述原始訓練數據進行重新構建，得到增強型訓練數據的步驟包括：

在預設的用戶輔助信息庫中，根據所述用戶設備號查找所述擴展用戶數據，并在預設的用戶畫像數據庫中，根據所述用戶設備號查找用戶畫像數據；

基于所述用戶設備號，將所述擴展用戶數據、所述用戶畫像數據、所述原始信息特征數據以及所述原始轉化率關聯保存作為所述增強型訓練數據。

3.如權利要求1所述信息轉化率預測方法，其特征在于，所述利用所述原始訓練數據以及所述增強型訓練數據進行聯合模型訓練，得到信息轉化率預測模型以及輔助模型，并基于所述輔助模型對所述信息轉化率預測模型進行優化的步驟包括：

將所述原始訓練數據輸入初始預測模型進行模型訓練，同時將所述增強型訓練數據輸入輔助模型進行模型訓練，基于所述初始預測模型的第一預測值以及所述輔助模型的第二預測值，構造所述初始預測模型對應的第一總損失函數以及所述輔助模型對應的第二總損失函數；

基于所述第一總損失函數以及所述第二總損失函數進行模型迭代訓練，利用所述輔助模型的第二預測值對所述初始預測模型進行優化；

當所述初始預測模型收斂時，將當前所述初始預測模型確定為優化后的所述信息轉化率預測模型。

4.如權利要求3所述信息轉化率預測方法，其特征在于，所述基于所述初始預測模型的第一預測值以及所述輔助模型的第二預測值，構造所述初始預測模型對應的第一總損失函數的步驟包括：

基于所述初始預測模型的第一預測值以及所述原始訓練數據的原始轉化率，確定第一損失函數；

基于所述初始預測模型的第一預測值以及所述輔助模型的第二預測值，確定第三損失函數；

對所述第一損失函數和所述第三損失函數進行加權求和，得到所述第一總損失函數。

5.如權利要求3所述信息轉化率預測方法，其特征在于，所述當所述初始預測模型收斂時，將當前所述初始預測模型確定為優化后的所述信息轉化率預測模型的步驟包括：

基于所述第一總損失函數以及預設閾值確定所述初始預測模型是否收斂；

當所述第一總損失函數小于或等于預設閾值時，確定所述初始預測模型收斂，得到所述優化后的所述信息轉化率預測模型。

6.如權利要求3所述信息轉化率預測方法，其特征在于，所述基于所述初始預測模型的第一預測值以及所述輔助模型的第二預測值，構造所述輔助模型對應的第二總損失函數的步驟包括：

基于所述輔助模型的第二預測值以及所述原始訓練數據的原始轉化率，確定第二損失函數；

對基于所述初始預測模型的第一預測值以及所述輔助模型的第二預測值確定的第三損失函數和所述第二損失函數進行加權求和，得到所述第二總損失函數。

7.如權利要求1至6中任一項所述信息轉化率預測方法，其特征在于，所述信息轉化率預測請求包括目標用戶設備號和目標信息特征數據，所述在接收到信息轉化率預測請求時，根據優化后的所述信息轉化率預測模型得到所述信息轉化率預測請求對應的信息內容的轉化率預測結果的步驟包括：

在預設的用戶畫像數據庫中，根據所述目標用戶設備號查找目標用戶畫像數據；

將所述目標用戶畫像數據、所述目標信息特征數據輸入優化后的所述信息轉化率預測模型進行轉化率預測，將所述信息轉化率預測模型輸出的預測值作為所述預測轉化率。