[發明專利]用戶分析模型訓練方法、用戶標簽確定方法和裝置

有效

• 申請號: 202310878695.2
• 申請日: 2023-07-18
• 公開（公告）號: CN116611506B
• 公開（公告）日: 2023-10-03
• 發明（設計）人: 譚雅文;蘇軍根
• 申請（專利權）人: 中國電信股份有限公司
• 主分類號: G06N3/126
• 分類號: G06N3/126;G06F18/23
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 邱志強

本申請涉及一種用戶分析模型訓練方法、用戶標簽確定方法和裝置。所述方法包括：獲取用戶分析模型對應的至少一組模型參數作為種群個體；根據各種群個體的預測適應度進行聚類，得到多個子種群，根據各志愿客戶端的可靠度進行聚類，得到多個子集群；子種群的預測適應度與匹配的子集群的可靠度正相關；將樣本用戶數據和子種群中的各種群個體發送給與子種群匹配的子集群中的各志愿客戶端，使各志愿客戶端反饋實際適應度；根據接收到的實際適應度進行遺傳迭代處理，得到更新后的模型參數，直到達到迭代結束條件，得到訓練后的目標用戶分析模型。采用本方法能夠提高用戶分析模型的訓練效率。

技術領域

本申請涉及人工智能技術領域，特別是涉及一種用戶分析模型訓練方法、用戶標簽確定方法和裝置。

背景技術

用戶分析模型可以用于根據用戶數據，進行用戶畫像、用戶行為路徑分析、用戶粘性分析等。對用戶分析模型進行訓練的過程中，可以利用遺傳算法來迭代優化模型參數。為了提高用戶分析模型的分析準確度，往往需要使用大量樣本用戶數據對模型進行訓練和優化，因此模型訓練對計算資源需求量較大。

隨著越來越多的計算任務對算力有較高的要求，出現了志愿計算項目，即志愿者提供自己的空閑計算資源來幫助需求方計算大型任務的一種分布式計算。需求方可以將大型計算任務拆分后發送給加入志愿計算項目的計算節點（可稱為志愿客戶端）進行計算，志愿客戶端計算完成后將結果回傳。

然而，志愿客戶端存在易丟失和不穩定的特性，即志愿客戶端可能收到任務后不返回結果，或結果回傳時間較晚，因此，通過上述方式對用戶分析模型訓練，難以保障模型訓練效率。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高用戶分析模型訓練效率的用戶分析模型訓練方法和裝置、用戶標簽確定方法和裝置、計算機設備、計算機可讀存儲介質和計算機程序產品。

第一方面，本申請提供了一種用戶分析模型訓練方法。所述方法包括：

獲取目標用戶分析模型對應的至少一組模型參數，并將每組所述模型參數作為一個種群個體；

根據各所述種群個體的預測適應度對各所述種群個體進行聚類，得到多個子種群，并根據各目標志愿客戶端的可靠度對各所述目標志愿客戶端進行聚類，得到多個子集群；所述可靠度用于表征所述目標志愿客戶端反饋任務響應數據的可靠程度；

根據各所述子種群對應的預測適應度和各所述子集群對應的可靠度，確定各所述子種群匹配的子集群，并將樣本用戶數據和所述子種群中的各種群個體發送給與所述子種群匹配的子集群中的各目標志愿客戶端，以使各所述目標志愿客戶端根據所述樣本用戶數據和所述種群個體反饋包含實際適應度的任務響應數據；所述子種群的預測適應度與匹配的子集群的可靠度正相關；

根據接收到的實際適應度進行遺傳迭代處理，得到更新后的模型參數，并執行所述將每組所述模型參數作為一個種群個體步驟，直到達到迭代結束條件，并基于當前實際適應度最高的模型參數，得到訓練后的目標用戶分析模型。

在其中一個實施例中，所述根據各所述種群個體的預測適應度對各所述種群個體進行聚類之前，所述方法還包括：

采用蒙特卡洛估計法，構建所述目標用戶分析模型的適應度計算函數的近似模型；

基于所述近似模型確定各所述種群個體的預測適應度。

在其中一個實施例中，所述根據各所述種群個體的預測適應度對各所述種群個體進行聚類，得到多個子種群，包括：

將各所述種群個體按照預測適應度大小進行排序，得到種群個體序列；

根據預設分類策略，對所述種群個體序列進行劃分，得到多個子種群。

在其中一個實施例中，所述根據各目標志愿客戶端的可靠度對各所述目標志愿客戶端進行聚類，得到多個子集群，包括：