[發(fā)明專利]多任務(wù)模型的子任務(wù)概率計(jì)算方法及裝置、介質(zhì)及終端

在審

• 申請?zhí)枺?/td>: 202111487595.4
• 申請日: 2021-12-07
• 公開（公告）號(hào): CN116244045A
• 公開（公告）日: 2023-06-09
• 發(fā)明（設(shè)計(jì)）人: 廖志
• 申請（專利權(quán)）人: 廣州視源電子科技股份有限公司;廣州視源人工智能創(chuàng)新研究院有限公司
• 主分類號(hào): G06F9/48
• 分類號(hào): G06F9/48;G06N3/048;G06N3/084;G06N3/045
• 代理公司: 北京恒博知識(shí)產(chǎn)權(quán)代理有限公司 11528
• 代理人: 張曉芳

本申請?zhí)峁┝艘环N多任務(wù)模型的子任務(wù)概率計(jì)算方法及裝置、介質(zhì)及終端，涉及計(jì)算機(jī)技術(shù)領(lǐng)域。該方法包括：確定M個(gè)特征對應(yīng)的第一向量；將第一向量輸入T個(gè)子任務(wù)中的第t?1個(gè)子任務(wù)對應(yīng)的子任務(wù)模型中，得到第t?1個(gè)子任務(wù)的第一輸出；根據(jù)預(yù)設(shè)函數(shù)確定第t?1個(gè)子任務(wù)的第一輸出對應(yīng)的轉(zhuǎn)換信息；將第一向量輸入T個(gè)子任務(wù)中的第t個(gè)子任務(wù)對應(yīng)的子任務(wù)模型中，得到第t個(gè)子任務(wù)的第一輸出；根據(jù)第t?1個(gè)子任務(wù)的第一輸出對應(yīng)的轉(zhuǎn)換信息和第t個(gè)子任務(wù)的第一輸出，確定第t個(gè)子任務(wù)的目標(biāo)輸出；根據(jù)第t個(gè)子任務(wù)的目標(biāo)輸出確定第t個(gè)子任務(wù)對應(yīng)的概率值。本申請將前一個(gè)轉(zhuǎn)換階段的信息傳遞給下一階段，可解決下一階段信息類別不平衡問題。

技術(shù)領(lǐng)域

本申請涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種多任務(wù)模型的子任務(wù)概率計(jì)算方法及裝置、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)及終端。

背景技術(shù)

在現(xiàn)今的信息過載影響之下，電子商務(wù)網(wǎng)站為了提高用戶的留存率以及購買率，會(huì)通過深度學(xué)習(xí)模型來構(gòu)建個(gè)性化推薦系統(tǒng)，以根據(jù)用戶的興趣特點(diǎn)和購買行為，向用戶推薦用戶感興趣的信息和商品。因此，如何提高個(gè)性化推薦的精準(zhǔn)度已成為電子商務(wù)領(lǐng)域所關(guān)注的主要問題之一。

需要說明的是，在上述背景技術(shù)部分公開的信息僅用于加強(qiáng)對本申請的背景的理解，因此可以包括不構(gòu)成對本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

發(fā)明內(nèi)容

本申請的目的在于提供一種多任務(wù)模型的子任務(wù)概率計(jì)算方法及裝置、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)及終端，至少在一定程度上提高端到端的轉(zhuǎn)換效率。

本申請的其他特性和優(yōu)點(diǎn)將通過下面的詳細(xì)描述變得顯然，或部分地通過本申請的實(shí)踐而習(xí)得。

根據(jù)本申請的第一個(gè)方面，提供一種多任務(wù)模型的子任務(wù)概率計(jì)算方法，上述方法包括：確定M個(gè)特征對應(yīng)的第一向量，其中，M為正整數(shù)；將上述第一向量輸入T個(gè)子任務(wù)中的第t-1個(gè)子任務(wù)對應(yīng)的子任務(wù)模型中，得到上述第t-1個(gè)子任務(wù)的第一輸出，其中，t為大于等于2的正整數(shù)，T為大于或等于2的正整數(shù)，t為小于或等于T的正整數(shù)；根據(jù)預(yù)設(shè)函數(shù)確定上述第t-1個(gè)子任務(wù)的第一輸出對應(yīng)的轉(zhuǎn)換信息；將上述第一向量輸入上述T個(gè)子任務(wù)中的第t個(gè)子任務(wù)對應(yīng)的子任務(wù)模型中，得到上述第t個(gè)子任務(wù)的第一輸出；根據(jù)上述第t-1個(gè)子任務(wù)的第一輸出對應(yīng)的轉(zhuǎn)換信息和上述第t個(gè)子任務(wù)的第一輸出，確定上述第t個(gè)子任務(wù)的目標(biāo)輸出；根據(jù)上述第t個(gè)子任務(wù)的目標(biāo)輸出確定上述第t個(gè)子任務(wù)對應(yīng)的概率值。

在本申請一個(gè)實(shí)施例中，上述確定M個(gè)特征對應(yīng)的第一向量，包括：將上述M個(gè)特征中的第i特征輸入共享嵌入層，得到上述第i特征對應(yīng)的第i向量，其中，i取值為1至M的每一個(gè)正整數(shù)；通過上述共享嵌入層將每個(gè)上述第i向量進(jìn)行合并，得到上述M個(gè)特征對應(yīng)的第一向量。

在本申請一個(gè)實(shí)施例中，上述根據(jù)上述第t個(gè)子任務(wù)的目標(biāo)輸出確定上述第t個(gè)子任務(wù)對應(yīng)的概率值，包括：將上述第t個(gè)子任務(wù)的目標(biāo)輸出輸入神經(jīng)網(wǎng)絡(luò)，并根據(jù)神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)的輸出確定上述第t個(gè)子任務(wù)對應(yīng)的概率值。

在本申請一個(gè)實(shí)施例中，上述根據(jù)上述第t個(gè)子任務(wù)的目標(biāo)輸出確定上述第t個(gè)子任務(wù)對應(yīng)的概率值之后，上述方法還包括：根據(jù)上述第t個(gè)子任務(wù)對應(yīng)的概率值和第t個(gè)子任務(wù)的狀態(tài)值的交叉熵函數(shù)，確定第一損失函數(shù)，其中，上述第t個(gè)子任務(wù)的狀態(tài)值的取值為0或1；根據(jù)上述第t個(gè)子任務(wù)對應(yīng)的概率值以及第t-1個(gè)子任務(wù)對應(yīng)的概率值，確定校準(zhǔn)函數(shù)；根據(jù)上述第一損失函數(shù)以及上述校準(zhǔn)函數(shù)，確定上述多任務(wù)模型的第二損失函數(shù)；根據(jù)上述第二損失函數(shù)優(yōu)化上述多任務(wù)模型的參數(shù)。

在本申請一個(gè)實(shí)施例中，上述第一損失函數(shù)的計(jì)算方法為：其中，L_ce為上述第一損失函數(shù)，θ為模型參數(shù)，N為樣本數(shù)量，D為樣本集，(x，y_t)為樣本集D中的一組樣本，每組樣本包括上述M個(gè)特征的值，以及上述M個(gè)特征對應(yīng)的第t個(gè)子任務(wù)的狀態(tài)值，上述x為上述M個(gè)特征的值，上述y_t為上述第t個(gè)子任務(wù)的狀態(tài)值，為上述第t個(gè)子任務(wù)的第一概率。