[發(fā)明專利]轉(zhuǎn)化率預(yù)估模型的訓(xùn)練方法、裝置及電子設(shè)備在審
| 申請?zhí)枺?/td> | 202110276438.2 | 申請日： | 2021-03-15 |
| 公開（公告）號： | CN113011920A | 公開（公告）日： | 2021-06-22 |
| 發(fā)明（設(shè)計）人： | 丁嬌;張論華;李沛龍;韓聰;姜振 | 申請（專利權(quán)）人： | 北京百度網(wǎng)訊科技有限公司 |
| 主分類號： | G06Q30/02 | 分類號： | G06Q30/02 |
| 代理公司： | 北京銀龍知識產(chǎn)權(quán)代理有限公司 11243 | 代理人： | 黃燦;尹倩 |
| 地址： | 100085 北京市*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 轉(zhuǎn)化 預(yù)估 模型 訓(xùn)練 方法 裝置 電子設(shè)備 | ||
1.一種轉(zhuǎn)化率預(yù)估模型的訓(xùn)練方法，包括：
獲取目標(biāo)多媒體的M個特征子集及所述目標(biāo)多媒體的實際轉(zhuǎn)化標(biāo)簽值，其中，每一個所述特征子集包括至少一個特征信息，M為正整數(shù)；
基于多頭注意力機制對所述特征子集中的特征信息進行篩選，得到目標(biāo)向量；
基于所述目標(biāo)向量得到所述轉(zhuǎn)化率預(yù)估模型輸出的轉(zhuǎn)化率；
獲取所述轉(zhuǎn)化率與所述實際轉(zhuǎn)化標(biāo)簽值之間的損失值，基于所述損失值對所述轉(zhuǎn)化率預(yù)估模型進行訓(xùn)練。
2.根據(jù)權(quán)利要求1所述的方法，其中，所述基于多頭注意力機制對所述特征子集中的特征信息進行篩選，得到目標(biāo)向量，包括：
基于多頭注意力機制對每一個所述特征子集的特征信息進行篩選，得到輸出向量，其中，所述輸出向量為基于所述多頭注意力機制獲取每一個所述特征子集的相似度得分，并基于所述相似度得分進行加權(quán)計算得到；
獲取多次基于所述多頭注意力機制得到的多個輸出向量，并將所述多個輸出向量進行聯(lián)結(jié)以得到目標(biāo)向量。
3.根據(jù)權(quán)利要求2所述的方法，其中，所述基于多頭注意力機制對每一個所述特征子集的特征信息進行篩選，得到輸出向量，包括：
基于多頭注意力機制獲取每一個所述特征子集的相似度得分；
將所述相似度得分大于或等于預(yù)設(shè)分值的特征子集中的特征信息進行保留，并將所述相似度得分小于所述預(yù)設(shè)分值的特征子集中的特征信息進行剔除，以得到輸出向量。
4.根據(jù)權(quán)利要求2所述的方法，其中，所述基于多頭注意力機制對每一個所述特征子集的特征信息進行篩選，得到輸出向量，包括：
獲取包含所有特征信息的目標(biāo)特征子集對應(yīng)的查詢向量，以及獲取每一個所述特征子集對應(yīng)的關(guān)鍵向量和價值向量；
獲取每一個所述特征子集對應(yīng)的關(guān)鍵向量與所述查詢向量之間的相似度得分；
根據(jù)所述相似度得分對每一個所述特征子集的價值向量進行加權(quán)計算，以獲取基于多頭注意力機制得到的輸出向量。
5.根據(jù)權(quán)利要求1所述的方法，其中，在所述目標(biāo)多媒體發(fā)生預(yù)設(shè)轉(zhuǎn)化行為的情況下，所述目標(biāo)多媒體的實際轉(zhuǎn)化標(biāo)簽值為1；
在所述目標(biāo)多媒體未發(fā)生所述預(yù)設(shè)轉(zhuǎn)化行為的情況下，所述目標(biāo)多媒體的實際轉(zhuǎn)化標(biāo)簽值為0。
6.一種轉(zhuǎn)化率預(yù)估模型的訓(xùn)練裝置，包括：
第一獲取模塊，用于獲取目標(biāo)多媒體的M個特征子集及所述目標(biāo)多媒體的實際轉(zhuǎn)化標(biāo)簽值，其中，每一個所述特征子集包括至少一個特征信息，M為正整數(shù)；
篩選模塊，用于基于多頭注意力機制對所述特征子集中的特征信息進行篩選，得到目標(biāo)向量；
第二獲取模塊，用于基于所述目標(biāo)向量得到所述轉(zhuǎn)化率預(yù)估模型輸出的轉(zhuǎn)化率；
訓(xùn)練模塊，用于獲取所述轉(zhuǎn)化率與所述實際轉(zhuǎn)化標(biāo)簽值之間的損失值，基于所述損失值對所述轉(zhuǎn)化率預(yù)估模型進行訓(xùn)練。
7.根據(jù)權(quán)利要求6所述的裝置，其中，所述篩選模塊包括：
篩選單元，用于基于多頭注意力機制對每一個所述特征子集的特征信息進行篩選，得到輸出向量，其中，所述輸出向量為基于所述多頭注意力機制獲取每一個所述特征子集的相似度得分，并基于所述相似度得分進行加權(quán)計算得到；
聯(lián)結(jié)單元，用于獲取多次基于所述多頭注意力機制得到的多個輸出向量，并將所述多個輸出向量進行聯(lián)結(jié)以得到目標(biāo)向量。
8.根據(jù)權(quán)利要求7所述的裝置，其中，所述篩選單元還用于：
基于多頭注意力機制獲取每一個所述特征子集的相似度得分；
將所述相似度得分大于或等于預(yù)設(shè)分值的特征子集中的特征信息進行保留，并將所述相似度得分小于所述預(yù)設(shè)分值的特征子集中的特征信息進行剔除，以得到輸出向量。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京百度網(wǎng)訊科技有限公司，未經(jīng)北京百度網(wǎng)訊科技有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110276438.2/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
