[发明专利]用户行为识别模型的训练方法、装置、设备及存储介质

权利要求书

1.一种用户行为识别模型的训练方法，其特征在于，包括：

获取用户的至少一条行为数据；以及

基于所述用户及多个样本用户的多条行为数据，对经预先训练的用户行为识别模型进行模型更新训练。

2.根据权利要求1所述的方法，其特征在于，所述用户行为识别模型的预先训练过程包括：

获取多个样本用户的多条行为数据；及

基于所述多个样本用户的多条行为数据，对初始的用户行为识别模型进行训练。

3.根据权利要求2所述的方法，其特征在于，基于所述多个样本用户的多条行为数据，对初始的用户行为识别模型进行训练，包括：

分别抽取所述多个样本用户中一个样本用户的第一数量条行为数据和其它样本用户的第二数量条行为数据，组成一个训练任务的训练数据；

针对每个训练任务，分别执行下述操作：

从所述训练任务的训练数据中选出第三数量条行为数据，并根据所述第三数量条行为数据，对所述用户行为识别模型进行第一训练，以计算得到所述用户识别模型的第一模型参数；及

从所述训练任务的训练数据中选出除所述第三数量条行为数据之外的第四数量条行为数据，并根据所述第四数量条行为数据，基于所述第一模型参数，对所述用户行为识别模型进行第二训练；以及

基于每个训练任务的第二训练结果，更新所述用户识别模型的第二模型参数。

4.根据权利要求3所述的方法，其特征在于，根据所述第三数量条行为数据，对所述用户行为识别模型进行第一训练，以计算得到所述用户识别模型的第一模型参数，包括：

基于当前的第二模型参数，对所述用户行为识别模型的损失函数进行求导，获得第一梯度值；及

将所述第二模型参数减去所述第一梯度值与第一学习率的乘积，以计算得到所述第一模型参数。

5.根据权利要求4所述的方法，其特征在于，基于所述第一模型参数，对所述用户行为识别模型进行第二训练，包括：基于所述第一模型参数，对所述用户识别模型的损失函数进行求导，获得第二梯度值；

基于每个训练任务的第二训练结果，更新所述用户识别模型的第二模型参数，包括：将所述当前的第二模型参数减去各训练任务的第二梯度值之和与第二学习率的乘积，以更新所述第二模型参数。

6.根据权利要求5所述的方法，其特征在于，基于所述用户及多个样本用户的多条行为数据，对经预先训练的用户行为识别模型进行模型更新训练，包括：

基于更新后的所述第二模型参数，对所述用户识别模型的损失函数进行求导，获得第三梯度值；及

将所述第二模型参数减去所述第三梯度值与所述第一学习率的乘积，以得到所述第一模型参数。

7.根据权利要求1-6任一项所述的方法，其特征在于，获取用户的至少一条行为数据包括：获取用户的1～10条行为数据。

8.一种用户行为识别模型的训练装置，其特征在于，包括：

数据获取模块，用于获取用户的至少一个行为数据；以及

模型训练模块，用于基于所述用户及多个样本用户的多条行为数据，对经预先训练的用户行为识别模型进行模型更新训练。

9.一种计算机设备，包括：存储器、处理器及存储在所述存储器中并可在所述处理器中运行的可执行指令，其特征在于，所述处理器执行所述可执行指令时实现如权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机可执行指令，其特征在于，所述可执行指令被处理器执行时实现如权利要求1-7任一项所述的方法。