[发明专利]训练用户行为预测模型的方法和装置

说明书

本说明书实施例提供一种训练用户行为预测模型的方法和装置，方法包括：获取多个训练样本，训练样本包括样本特征、第一标签、第二标签和第三标签，第一标签对应主任务，第二标签对应第一辅助任务，第三标签对应第二辅助任务；将各样本特征输入用户行为预测模型，基于主任务的预测输出和第一标签，第一辅助任务的预测输出和第二标签，第二辅助任务的预测输出和第三标签，采用多任务学习的方式训练用户行为预测模型；其中，主任务用于预测用户点击目标对象后发生预设行为的概率，第一辅助任务用于预测用户点击目标对象的概率，第二辅助任务用于预测用户点击目标对象并发生预设行为的概率。训练后的模型预测准确率高。

技术领域

本说明书一个或多个实施例涉及计算机领域，尤其涉及训练用户行为预测模型的方法和装置。

背景技术

当前，常常需要对用户行为进行预测，也就是说，预测用户是否会发生预设行为，例如，预测用户是否会下载或注册某个应用程序APP，或者，预测用户是否会购买某个商品，等等。一种典型的场景是，展示目标对象，预测用户点击该目标对象后发生预设行为的概率。上述目标对象可以为商品图片、APP的图片等。通常地，展示目标对象后，用户可能点击该目标对象，也可能不点击该目标对象。用户点击该目标对象后，可能发生预设行为，也可能不发生预设行为。准确地预测用户行为，有助于有针对性地展示目标对象，使得展示的目标对象更符合用户需求。

发明内容

本说明书一个或多个实施例描述了一种训练用户行为预测模型的方法和装置，使得训练后的用户行为预测模型能够准确地预测用户行为。

第一方面，提供了一种训练用户行为预测模型的方法，用户行为预测模型用于确定用户点击目标对象后发生预设行为的概率，方法包括：

获取多个训练样本，每个所述训练样本包括用户和目标对象的样本特征、第一标签、第二标签和第三标签，其中，所述第一标签指示用户点击目标对象后是否发生预设行为，所述第二标签指示用户是否点击目标对象，第三标签指示是否用户点击目标对象然后发生预设行为；

将所述多个训练样本中的任一训练样本作为目标训练样本，将所述目标训练样本的样本特征输入所述用户行为预测模型，基于所述用户行为预测模型对应于主任务的预测输出和所述第一标签，以及基于所述用户行为预测模型对应于第一辅助任务的预测输出和所述第二标签，以及基于所述用户行为预测模型对应于第二辅助任务的预测输出和所述第三标签，利用预先设定的对应于所述多个训练样本的总损失函数，采用多任务学习的方式训练所述用户行为预测模型；其中，所述主任务用于预测用户点击目标对象后发生预设行为的概率，所述第一辅助任务用于预测用户点击目标对象的概率，所述第二辅助任务用于预测用户点击目标对象并发生预设行为的概率。

在一种可能的实施方式中，所述获取多个训练样本，包括：

获取目标对象的历史点击与转化数据，所述历史点击与转化数据包括初始转化行为数据集和初始点击行为数据集，所述初始转化行为数据集中各条样本具有已知标签值的所述第一标签，所述初始点击行为数据集中各条样本具有已知标签值的所述第二标签；

从所述初始点击行为数据集中筛选出符合预设过滤条件的各条样本，得到过滤点击行为数据集；所述预设过滤条件至少包括第一过滤条件，所述第一过滤条件为选取所述第二标签的标签值指示出用户未点击目标对象的样本；

确定所述初始转化行为数据集和所述过滤点击行为数据集中各条样本分别对应的第一标签、第二标签和第三标签的标签值，得到所述多个训练样本。

进一步地，所述确定所述初始转化行为数据集和所述过滤点击行为数据集中各条样本分别对应的第一标签、第二标签和第三标签的标签值，包括：

确定所述初始转化行为数据集中所述第二标签的标签值指示用户点击了目标对象，以及确定所述第三标签与所述第一标签的标签值相同；