[發明專利]鑒賞力預測方法、模型訓練方法、裝置、介質及設備

在審

• 申請號: 202210139746.5
• 申請日: 2022-02-15
• 公開（公告）號: CN114492762A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 孔昭陽;李雙江;呂旸;肖強;李勇
• 申請（專利權）人: 杭州網易云音樂科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06K9/62;G06Q10/04
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 孫寶海;李建忠

1.一種鑒賞力預測方法，其特征在于，包括：

獲取目標用戶對媒體對象的目標行為數據；

從所述目標行為數據中提取行為特征數據，并對所述行為特征數據進行特征編碼，得到特征編碼信息；

將所述特征編碼信息輸入鑒賞力預測模型，輸出所述目標用戶對所述媒體對象的鑒賞力值。

2.根據權利要求1所述的鑒賞力預測方法，其特征在于，對所述行為特征數據進行特征編碼，得到特征編碼信息，包括：

在所述行為特征數據包括連續型特征數據的情況下，在事先設置的特征數據分桶中獲取所述連續型特征數據所屬的目標數據分桶、及所述目標數據分桶所對應的分桶權重；

將所述分桶權重作為所述特征編碼信息。

3.根據權利要求1所述的鑒賞力預測方法，其特征在于，所述鑒賞力預測模型包括多個第一子模型和第二子模型，則所述將所述特征編碼信息輸入鑒賞力預測模型，輸出所述目標用戶對所述媒體對象的鑒賞力值，包括：

在從所述目標行為數據中提取到多個特征維度的行為特征數據、并對應每個特征維度得到特征編碼信息的情況下，對每個所述第一子模型輸入對應特征維度的特征編碼信息并輸出對應特征維度的鑒賞力子值；

將所述多個特征維度的鑒賞力子值均輸入所述第二子模型，輸出所述目標用戶對所述媒體對象的鑒賞力值。

4.一種鑒賞力預測模型訓練方法，其特征在于，包括：

獲取用戶對媒體對象的行為樣本數據，所述行為樣本數據攜帶用戶對所述媒體對象的鑒賞力標簽；

從所述行為樣本數據中提取行為特征數據，并對所述行為特征數據進行特征編碼，得到特征編碼信息；

利用所述特征編碼信息訓練鑒賞力預測模型。

5.根據權利要求4所述的鑒賞力預測模型訓練方法，其特征在于，對所述行為特征數據進行特征編碼，得到特征編碼信息，包括：

在所述行為特征數據包括連續型特征數據的情況下，對所述連續型特征數據進行分桶，得到至少一個特征數據分桶；

對每個所述特征數據分桶，利用所述特征數據分桶中的正例樣本數量與負例樣本數量之間的比值、及所述行為樣本數據中的正例樣本數量與負例樣本數量之間的比值計算分桶權重；

將所述分桶權重作為所述特征編碼信息。

6.根據權利要求4所述的鑒賞力預測模型訓練方法，其特征在于，所述鑒賞力預測模型包括多個第一子模型和第二子模型，則所述利用所述特征編碼信息訓練鑒賞力預測模型，包括：

在從所述行為樣本數據中提取多個特征維度的行為特征數據、并對應每個特征維度得到特征編碼信息的情況下，對每個所述第一子模型輸入對應特征維度的特征編碼信息并輸出對應特征維度的第一鑒賞力預測子值，利用所述第一鑒賞力預測子值與對應的所述鑒賞力標簽所表征真實值之間的第一損失函數訓練所述第一子模型；

在訓練好所述第一子模型并獲得訓練好的第一子模型輸出的對應特征維度的第二鑒賞力預測子值的情況下，將所述多個特征維度的第二鑒賞力預測子值均輸入所述第二子模型，輸出鑒賞力預測值，并利用所述鑒賞力預測值與所述鑒賞力標簽所表征真實值之間的第二損失函數訓練所述第二子模型。

7.一種鑒賞力預測裝置，其特征在于，包括：

第一獲取模塊，獲取目標用戶對媒體對象的目標行為數據；

第一特征編碼模塊，從所述目標行為數據中提取行為特征數據，并對所述行為特征數據進行特征編碼，得到特征編碼信息；

預測模塊，將所述特征編碼信息輸入鑒賞力預測模型，輸出所述目標用戶對所述媒體對象的鑒賞力值。

8.一種鑒賞力預測模型訓練裝置，其特征在于，包括：

第二獲取模塊，獲取用戶對媒體對象的行為樣本數據，所述行為樣本數據攜帶用戶對所述媒體對象的鑒賞力標簽；

第二特征編碼模塊，從所述行為樣本數據中提取行為特征數據，并對所述行為特征數據進行特征編碼，得到特征編碼信息；

訓練模塊，利用所述特征編碼信息訓練鑒賞力預測模型。