[发明专利]用户分类模型的确定方法、装置、设备及存储介质

权利要求书

1.一种用户分类模型的确定方法，其特征在于，包括：

获取多组超参数组合和用户行为数据训练样本；

利用遗传算法，将多组所述超参数组合作为采集函数的初始种群，进行种群迭代优化，以得到满足预设优化条件的目标超参数组合；

根据所述目标超参数组合和用户行为数据训练样本，对所述用户分类模型进行迭代训练，以得到所述用户分类模型的性能指标；

当所述性能指标满足预设寻优条件时，将所述性能指标对应的目标超参数组合作为所述用户分类模型的超参数，以确定所述用户分类模型。

2.根据权利要求1所述的方法，其特征在于，所述利用遗传算法，将多组所述超参数组合作为采集函数的初始种群，进行种群迭代优化，以得到满足预设优化条件的目标超参数组合，包括：

根据多组所述超参数组合，随机生成初始种群；

分别计算所述初始种群的每组所述超参数组合对应的适应度；

根据每个所述适应度，对种群中的超参数组合进行遗传操作，确定下一代种群；

迭代优化种群直至满足遗传算法的终止条件，得到最优种群；

将所述最优种群对应的超参数组合作为所述目标超参数组合。

3.根据权利要求2所述的方法，其特征在于，所述遗传操作包括选取操作、交叉操作以及变异操作中的一种或多种。

4.根据权利要求1所述的方法，其特征在于，所述获取多组超参数组合，包括：

获取多组初始超参数组合；

根据所述用户分类模型的目标函数，分别计算得到每个所述初始超参数组合对应的所述用户分类模型的性能指标，以生成第一参数集合；

根据所述预设概率模型和所述第一参数集合，计算得到多组后验概率；

根据多组所述后验概率和所述预设概率模型，确定所述多组超参数组合。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

当所述性能指标不满足预设寻优条件时，根据所述性能指标和所述性能指标对应的目标超参数组合，更新所述预设概率模型；

基于更新后的预设概率模型，更新后验概率，以获取到更新后的多组超参数组合；

返回执行利用遗传算法，将多组所述超参数组合作为采集函数的初始种群，进行种群迭代优化，以得到满足预设优化条件的目标超参数组合。

6.根据权利要求5所述的方法，其特征在于，所述根据所述性能指标和所述性能指标对应的目标超参数组合，更新所述预设概率模型，包括：

根据所述性能指标和所述性能指标对应的目标超参数组合，更新所述第一参数集合；

根据更新后的第一参数集合，更新所述预设概率模型。

7.根据权利要求4所述的方法，其特征在于，所述预设概率模型包括：高斯过程模型、随机森林回归模型、响应面算法Hyperopt模型中的任意一种。

8.根据权利要求1所述的方法，其特征在于，所述用户分类模型的性能指标包括：精准率、召回率、F1分数中的一种或多种。

9.一种确定用户分类模型的分布式计算方法，应用于分布式计算系统，其特征在于，所述分布式计算系统包括控制总线，驱动控制器以及多个计算节点；

所述控制总线根据获取的业务数据，设置如权利要求1至8任一项所述的方法建立的确定用户分类模型任务，所述确定用户分类模型任务包括多个子任务；

所述驱动控制器根据调度算法和多组所述子任务的任务量值，将接收的所述控制总线发送的多个所述子任务分发至各个所述计算节点；

各个所述计算节点执行计算对应的所述子任务，将得到计算结果返回值控制总线；

所述控制总线将各个所述子任务的计算结果组合，形成目标超参数计算结果。