[發明專利]一種行為預測模型訓練方法、裝置、設備及存儲介質

在審

• 申請號: 202011629448.1
• 申請日: 2020-12-30
• 公開（公告）號: CN112669078A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 尚斌;付睿;沈翔宇
• 申請（專利權）人: 上海眾源網絡有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/08
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 呂俊秀

本發明實施例提供了一種行為預測模型訓練方法、裝置、設備及存儲介質，包括：獲取當前周期的訓練數據；將訓練數據中的樣本用戶特征及樣本視頻特征輸入至行為預測模型，計算樣本用戶對樣本視頻的預測行為特征，行為預測模型為對當前周期之前的至少一個周期的歷史訓練數據進行訓練得到的；根據預測行為特征與訓練數據中的真實行為特征之間的損失值，調整行為預測模型的模型參數，以使預測行為特征與真實行為特征之間的損失值滿足預設條件，得到新的行為預測模型。這樣，每次訓練中的數據量較小，可以加快行為預測模型的收斂速度，而且，得到的行為預測模型是根據較長時間內的多個周期的訓練數據進行訓練得到的，信息量較全面，可以提高精準度。

技術領域

本發明涉及互聯網技術領域，特別是涉及一種行為預測模型訓練方法、裝置、設備及存儲介質。

背景技術

視頻平臺通常會分析用戶瀏覽視頻的歷史行為，并以此為依據對用戶的行為進行預測，根據預測結果，向用戶推薦其可能感興趣的視頻，從而提高用戶的在線時長。舉例而言，如果預測用戶對某一視頻的點擊概率越高，則表示用戶對該視頻感興趣的概率較高，那么，如果向用戶推薦該視頻，則用戶的在線時長也會比較高。

現有技術中，視頻平臺向用戶推薦視頻的方法通常為：首先，獲取固定時長內采集的用戶行為數據，然后，利用獲取到的用戶行為數據，對預設模型進行訓練，得到行為預測模型，進而，利用行為預測模型預測目標用戶點擊概率較大的視頻，并向目標用戶推薦這些視頻。

但是，在上述方法中，每次都需要固定時長的用戶行為數據，重新訓練行為預測模型，重新調整模型參數，使得行為預測模型的收斂速度緩慢，而且，只能根據固定時長內的用戶行為數據判斷用戶的偏好，用于訓練的數據中包含的信息量較少，分析的結果也不夠準確。

發明內容

本發明實施例的目的在于提供一種行為預測模型訓練方法、裝置、設備及存儲介質，以加快行為預測模型的收斂速度，并提高行為預測模型分析結果的精準度。具體技術方案如下：

在本發明實施的第一方面，首先提供了一種行為預測模型訓練方法，所述方法包括：

獲取當前周期的訓練數據，所述訓練數據中包括樣本用戶的樣本用戶特征、樣本視頻的樣本視頻特征及所述樣本用戶在所述當前周期內對所述樣本視頻的真實行為特征；

將所述樣本用戶特征及所述樣本視頻特征輸入至行為預測模型，計算所述樣本用戶對所述樣本視頻的預測行為特征，所述行為預測模型為對所述當前周期之前的至少一個周期的歷史訓練數據進行訓練得到的；

根據所述預測行為特征與所述真實行為特征之間的損失值，調整所述行為預測模型的模型參數，以使所述預測行為特征與所述真實行為特征之間的損失值滿足預設條件，得到新的行為預測模型。

可選地，所述根據所述預測行為特征與所述真實行為特征之間的損失值，調整所述行為預測模型的模型參數，得到新的行為預測模型，包括：

建立所述預測行為特征與所述真實行為特征之間的損失函數，根據所述損失函數，計算出預測梯度信息；

獲取預先存儲的所述行為預測模型的歷史梯度信息，根據所述歷史梯度信息及所述預測梯度信息，計算當前梯度信息；

利用所述當前梯度信息，對所述行為預測模型進行反向傳播，調整所述行為預測模型的模型參數，以使所述預測行為特征與所述真實行為特征之間的損失值滿足預設條件，得到新的行為預測模型，并將所述當前梯度信息存儲為所述新的行為預測模型的歷史梯度信息。

可選地，所述將所述樣本用戶特征及所述樣本視頻特征輸入至行為預測模型，計算所述樣本用戶對所述樣本視頻的預測行為特征，包括：

將所述訓練數據分為多組，其中，每組包括第一預設數量個訓練數據；

從所述多組訓練數據中選擇一組，作為目標訓練數據；