[發明專利]行為預測模型的訓練方法及裝置

有效

• 申請號: 202011626281.3
• 申請日: 2020-08-14
• 公開（公告）號: CN112581191B
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 莊晨熠;張志強;劉子奇;周俊;譚譯澤;魏建平;劉致寧;吳鄭偉;顧進杰;漆遠;張冠男
• 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;G06N3/04;G06N3/08;G06V10/764;G06V10/762;G06V10/80;G06V10/82
• 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

1.一種行為預測模型的訓練方法，包括：

針對目標對象，獲取基于多個種子用戶形成的多個正樣本，其中任意的第一正樣本包括，與第一種子用戶對應的第一用戶特征和正例標簽，該正例標簽指示出，對應用戶是被確定為對所述目標對象做出特定行為的用戶；

基于所述多個種子用戶各自的用戶特征，采用無監督的離群點檢測算法，確定所述第一種子用戶的離群分數，作為針對行為預測任務的第一訓練權重；所述離群分數越高，其所在區域種子用戶分布越稀疏；

利用針對所述行為預測任務的訓練樣本集，對第一行為預測模型進行第一訓練，所述訓練樣本集包括所述多個正樣本以及預先獲取的多個負樣本；所述第一訓練具體包括：

將所述第一用戶特征輸入第一行為預測模型中，得到對應的行為預測結果；

基于所述行為預測結果和所述正例標簽，確定行為預測損失，并利用所述第一訓練權重對該行為預測損失進行加權處理，得到加權損失；

利用所述加權損失，訓練所述第一行為預測模型。

2.根據權利要求1所述的方法，其中，基于所述多個種子用戶各自的用戶特征，采用無監督的離群點檢測算法，確定所述第一種子用戶的離群分數，包括：

利用所述多個種子用戶各自的用戶特征，構建孤立森林模型，所述孤立森林模型中包括多棵孤立樹，其中每棵孤立樹包括用于對種子用戶進行劃分的多個節點和節點之間的多條邊；

將所述第一用戶特征輸入所述孤立森林模型，得到多條路徑，其中各條路徑為所述第一種子用戶在對應的孤立樹中從根節點到葉節點經過的邊；

將所述各條路徑中所包含邊的數量輸入與所述孤立森林模型對應的離群評估函數，得到所述第一種子用戶的離群分數。

3.根據權利要求1所述的方法，其中，基于所述多個種子用戶各自的用戶特征，采用無監督的離群點檢測算法，確定所述第一種子用戶的離群分數，包括：

基于所述多個種子用戶各自的用戶特征,利用密度估計算法，確定所述多個種子用戶對應的概率密度函數；

利用所述概率密度函數，確定所述第一種子用戶對應的概率密度；

利用預設的減函數對所述概率密度進行運算，得到所述離群分數。

4.根據權利要求1所述的方法，其中，在訓練第一行為預測模型之后，所述方法還包括：

獲取多個候選用戶的多個用戶特征，并將該多個用戶特征分別輸入訓練后的第一行為預測模型中，得到對應的多個行為預測結果；

基于所述多個行為預測結果，從所述多個候選用戶中選出多個目標用戶；

向所述多個目標用戶推送所述目標對象。

5.根據權利要求4所述的方法，其中，在向所述多個目標用戶推送所述目標對象之后，所述方法還包括：

獲取針對所述多個目標用戶采集的行為反饋數據；

基于所述行為反饋數據構建多個訓練樣本，其中各個訓練樣本中包括對應目標用戶的用戶特征和樣本標簽，該樣本標簽指示該對應目標用戶是否對所述目標對象做出所述特定行為；

利用所述多個訓練樣本，訓練第二行為預測模型。

6.根據權利要求5所述的方法，其中，利用所述多個訓練樣本，訓練第二行為預測模型，包括：

從所述多個正樣本中確定多個選中正樣本；

利用所述多個訓練樣本以及所述多個選中正樣本，訓練第二行為預測模型。

7.根據權利要求6所述的方法，其中，從所述多個正樣本中確定多個選中正樣本，包括：

利用所述多個訓練樣本，訓練第三行為預測模型；

將所述多個正樣本中包含的多個用戶特征，分別輸入訓練后的第三行為預測模型中，得到多個預測概率；

確定所述多個預測概率中排在預定靠前范圍內的預測概率，并將對應的正樣本歸為所述多個選中正樣本。