[发明专利]用户消费行为预测模型训练方法、装置、设备及存储介质

权利要求书

1.一种用户消费行为的预测模型的训练方法，其特征在于，所述预测模型为广义线性模型，所述方法包括：

从数据库获取训练数据和测试数据，构成训练集和测试集，其中任一所述训练数据和所述测试数据包括多维度输入特征以及对应的用户消费行为的标注信息，所述多维度输入特征包括用户属性特征和/或目标物品属性特征；

获取预测模型的初始化的权重向量、预设的逆连接函数和学习速率参数；

对于任一训练数据，对所述权重向量归一化，根据归一化后的权重向量对应的第一概率分布以及所述训练数据的多维度输入特征构建第一随机变量，对所述第一随机变量多次采样获取第一内积估计值，并根据所述逆连接函数、所述第一内积估计值、所述训练数据的标注信息以及所述学习速率参数更新所述权重向量；

对于每一训练数据得到的权重向量，采用所述测试数据进行测试，获取每一训练数据得到的权重向量对应的预测模型风险值，并根据所有预测模型风险值中的最小值对应的权重向量得到训练后用户消费行为的预测模型。

2.根据权利要求1所述的方法，其特征在于，所述第一随机变量中每一指标与所述多维度输入特征中对应的输入特征相同的概率等于所述第一概率分布中对应的概率值。

3.根据权利要求2所述的方法，其特征在于，所述根据所述逆连接函数、所述第一内积估计值、所述训练数据的标注信息以及所述学习速率参数更新所述权重向量，包括：

根据所述逆连接函数、所述第一内积估计值、以及所述训练数据的标注信息获取预测模型损失值；

根据所述模型损失值以及所述学习速率参数更新所述权重向量。

4.根据权利要求2或3所述的方法，其特征在于，所述对所述第一随机变量多次采样获取第一内积估计值，包括：

采用预定数据结构对所述第一随机变量进行多次采样，并获取采样结果的均值，作为所述第一内积估计值。

5.根据权利要求3所述的方法，其特征在于，所述采用所述测试数据进行测试，获取每一训练数据得到的权重向量对应的预测模型风险值，包括：

对于任一训练数据得到的权重向量，根据所述测试集中每一测试数据以及所述权重向量分别构建一个第二随机变量，对每一所述第二随机变量分别进行多次采样获取一个第二内积估计值；

根据各第二内积估计值、所述逆连接函数、各测试数据的标注信息以及所述学习速率参数获取所述权重向量对应的预测模型风险值。

6.根据权利要求5所述的方法，其特征在于，所述根据所述测试集中每一测试数据以及所述权重向量分别构建一个第二随机变量，包括：

获取所述权重向量对应的第二概率分布；

对于任一测试数据，根据所述第二概率分布以及所述测试数据的多维度输入特征，构建所述第二随机变量，以使得所述第二随机变量中每一指标与所述多维度输入特征中对应的输入特征相同的概率等于所述第二概率分布中对应的概率值。

7.根据权利要求5或6所述的方法，其特征在于，所述对每一所述第二随机变量分别进行多次采样获取一个第二内积估计值，包括：

对于任一所述第二随机变量，采用预定数据结构对所述第二随机变量进行多次采样，并获取采样结果的均值，作为所述第二内积估计值。