[发明专利]用于生成信息预测模型的方法和装置

说明书

本公开的实施例公开了用于生成信息预测模型的方法和装置。该方法的一具体实施方式包括：获取表征目标用户的第一特征向量；获取样本集，样本包括表征样本信息的第二特征向量和样本操作信息，样本操作信息指示目标用户是否对样本信息执行过预设操作集中的各预设操作，预设操作集包括至少两个预设操作；执行如下训练步骤：将从样本集中选取的各个样本中的第二特征向量分别与第一特征向量输入至初始模型，得到各样本分别对应的预测操作信息；根据预测操作信息和对应的样本操作信息，确定损失函数的值；响应于根据损失函数的值确定初始模型训练完成，将初始模型确定为信息预测模型。该实施方式通过分析多种用户操作，有助于提升预测结果的准确性。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于生成信息预测模型的方法和装置。

背景技术

随着互联网的快速发展，每天都会产生海量的用户数据。用户数据可以反映用户的需求、偏好等信息。基于此，如何对海量的用户数据进行分析，以准确地了解用户的需求、偏好或对用户之后的行为进行预测等是许多技术人员不断在研究的一些问题。

发明内容

本公开的实施例提出了用于生成信息预测模型的方法和装置。

第一方面，本公开的实施例提供了一种用于生成信息预测模型的方法，该方法包括：获取用于表征目标用户的第一特征向量；获取样本集，其中，样本集中的样本包括用于表征样本信息的第二特征向量和样本操作信息，其中，样本操作信息用于指示目标用户是否对样本信息执行过预设操作集中的各个预设操作，预设操作集包括至少两个预设操作；从样本集中选取至少一个样本，以及执行如下训练步骤：将选取的至少一个样本中的第二特征向量分别与第一特征向量输入至初始模型，得到选取的至少一个样本中的各个样本分别对应的预测操作信息；根据得到的至少一个预测操作信息和选取的至少一个样本中的样本操作信息，确定预设的损失函数的值；响应于根据损失函数的值确定初始模型训练完成，将初始模型确定为信息预测模型。

在一些实施例中，训练步骤还包括：响应于根据损失函数的值确定初始模型未训练完成，根据损失函数的值调整初始模型的参数，以及从样本集中重新选取至少一个样本，使用调整后的初始模型作为初始模型，继续执行训练步骤。

在一些实施例中，上述用于生成信息预测模型的方法还包括：获取目标用户的、最新的行为数据；根据行为数据，确定用于表征行为数据对应的信息的特征向量作为目标特征向量，以及确定行为数据对应的信息对应的操作信息作为目标操作信息；将目标特征向量和目标操作信息组成新的训练样本；基于新的训练样本对信息预测模型进行训练以更新信息预测模型。

在一些实施例中，预设操作集包括用于表示点击操作的预设操作。

第二方面，本公开的实施例提供了一种用于生成信息预测模型的装置，该装置包括：第一获取单元，被配置成获取用于表征目标用户的第一特征向量；第一获取单元，进一步被配置成获取样本集，其中，样本集中的样本包括用于表征样本信息的第二特征向量和样本操作信息，其中，样本操作信息用于指示目标用户是否对样本信息执行过预设操作集中的各个预设操作，预设操作集包括至少两个预设操作；训练单元，被配置成从样本集中选取至少一个样本，以及执行如下训练步骤：将选取的至少一个样本中的第二特征向量分别与第一特征向量输入至初始模型，得到选取的至少一个样本中的各个样本分别对应的预测操作信息；根据得到的至少一个预测操作信息和选取的至少一个样本中的样本操作信息，确定预设的损失函数的值；响应于根据损失函数的值确定初始模型训练完成，将初始模型确定为信息预测模型。

在一些实施例中，训练单元进一步被配置成：响应于根据损失函数的值确定初始模型未训练完成，根据损失函数的值调整初始模型的参数，以及从样本集中重新选取至少一个样本，使用调整后的初始模型作为初始模型，继续执行训练步骤。