[發(fā)明專利]業(yè)務預測系統(tǒng)的訓練方法及裝置

有效

• 申請?zhí)枺?/td>: 202110322500.7
• 申請日: 2021-03-25
• 公開（公告）號: CN112949752B
• 公開（公告）日: 2022-09-06
• 發(fā)明（設計）人: 申書恒;鄭霖;傅欣藝;劉蓓;王維強
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06N5/00;G06N20/20;G06Q20/40;G06F16/9535
• 代理公司: 北京億騰知識產(chǎn)權代理事務所(普通合伙) 11309
• 代理人: 陳霽;周良玉

1.一種業(yè)務預測系統(tǒng)的訓練方法，包括：

獲取針對商戶的訓練樣本集，其中包括多個源域樣本和多個目標域樣本，其中各個樣本包括對應多個公共特征的特征值，形成公共特征部分；所述多個公共特征至少包括以下中的一項：熱銷商品、用戶評分、銷量、被投訴次數(shù)、經(jīng)營時長；源域為支付平臺，目標域為小程序平臺；

將所述各個樣本中的公共特征部分作為當前特征部分，輸入遷移學習系統(tǒng)，該遷移學習系統(tǒng)包括特征表征器，域判別器和源域業(yè)務預測器，其中，

當所述當前特征部分屬于源域樣本時，采用所述特征表征器對該當前特征部分進行特征表征，得到源域特征表示；將該源域特征表示分別輸入所述域判別器和源域業(yè)務預測器中，對應得到源域判別結果和源域商戶分類結果；

當所述當前特征部分屬于目標域樣本時，采用所述特征表征器對該當前特征部分進行特征表征，得到目標域特征表示；將該目標域特征表示輸入所述域判別器中，得到目標域判別結果；

根據(jù)所述源域判別結果和源域標識，以及所述目標域判別結果和目標域標識，確定域判別損失；根據(jù)所述源域商戶分類結果和其所對應源域樣本中的源域業(yè)務標簽，確定源域預測損失；基于所述域判別損失和源域預測損失，訓練所述遷移學習系統(tǒng)；

利用訓練后遷移學習系統(tǒng)中的特征表征器，處理所述多個目標域樣本對應的多個公共特征部分，得到多個強特征表示；

利用所述多個目標域樣本和對應的多個強特征表示，訓練針對目標域商戶的業(yè)務預測模型；其中，訓練后的業(yè)務預測模型和所述訓練后遷移學習系統(tǒng)中的特征表征器構成業(yè)務預測系統(tǒng)。

2.根據(jù)權利要求1所述的方法，其中，每個目標域樣本中還包括對應若干目標域私有特征的特征值。

3.根據(jù)權利要求1所述的方法，其中，將該源域特征表示分別輸入所述域判別器和源域業(yè)務預測器中，對應得到源域判別結果和源域商戶分類結果，包括：

將所述源域特征表示輸入所述源域業(yè)務預測器，得到所述源域商戶分類結果；將所述源域商戶分類結果和源域特征表示共同輸入域判別器，得到所述源域判別結果；

其中，所述遷移學習系統(tǒng)中還包括目標域業(yè)務預測器，在采用所述特征表征器對其進行特征表征，得到目標域特征表示之后，所述方法還包括：

將所述目標域特征表示輸入目標域業(yè)務預測器，得到所述目標域業(yè)務預測結果；

其中，將該目標域特征表示輸入所述域判別器中，得到目標域判別結果，包括：

將所述目標域業(yè)務預測結果和目標域特征表示共同輸入域判別器，得到所述目標域判別結果。

4.根據(jù)權利要求1所述的方法，其中，所述特征表征器實現(xiàn)為深度神經(jīng)網(wǎng)絡DNN。

5.根據(jù)權利要求1所述的方法，其中，利用所述多個目標域樣本和對應的多個強特征表示，訓練針對目標域商戶的業(yè)務預測模型，包括：

將每個目標域樣本中的全部特征和對應的強特征表示共同輸入所述業(yè)務預測模型，得到預測結果；

將所述預測結果和所述每個目標域樣本中的目標域業(yè)務標簽，確定目標域預測損失；

基于所述目標域預測損失，訓練所述業(yè)務預測模型。

6.根據(jù)權利要求5所述的方法，其中，所述業(yè)務預測模型實現(xiàn)為決策樹模型。

7.根據(jù)權利要求1-6中任一項所述的方法，其中，所述業(yè)務預測模型用于預測所述目標域商戶的分類或回歸值。

8.根據(jù)權利要求1-6中任一項所述的方法，其中，所述多個源域樣本的樣本數(shù)量大于所述多個目標域樣本的樣本數(shù)量。