[发明专利]行为预测系统的更新方法及装置

说明书

本说明书实施例提供一种行为预测系统的更新方法，其中行为预测系统包括多个推荐领域各自对应的对象表征模型、领域用户表征模型和行为预测模型，还包括通用用户表征模型和领域判别模型。该方法包括：首先，获取与该多个推荐领域对应的多个训练样本，其中各个训练样本包括推荐对象的对象特征、用户的用户特征，以及指示该用户是否对该第一推荐对象做出特定行为的样本标签；接着，利用行为预测系统对多个训练样本进行处理，从而得到对应的多个行为预测损失和多个领域判别损失，进而确定综合损失，该综合损失与该多个行为预测损失分别正相关，且与该多个领域判别损失分别负相关；然后，利用综合训练损失，调整该行为预测系统中各个模型的模型参数。

技术领域

本说明书实施例涉及计算机技术领域，尤其涉及一种行为预测系统的更新方法及装置。

背景技术

当今，人们越来越频繁地使用服务平台向用户提供的多种多样的服务，相应地，为了提高用户的服务体验，服务平台可以利用机器学习模型对用户在使用服务时的相关行为进行预测，进而根据预测结果为用户定制服务方案。例如，新闻资讯网站可以通过预测某用户针对各类新闻板块的点击概率，确定向该用户推送的新闻资讯页面中所包括新闻板块的类别和排序。又例如，购物网站可以通过预测某用户针对某一商品的喜好程度，确定是否向该用户推荐该商品。

显然，希望针对用户行为的预测结果越准确越好。然而，目前预测用户行为的方式较为单一，得到的预测结果准确度也十分有限。因此，需要提出一种合理的方案，可以有效提高用户行为预测结果的准确性。

发明内容

在本说明书描述的行为预测系统的更新方法及装置中，基于新设计的行为预测系统，引入丰富、全面的相关数据作为系统输入，从而有效提高预测结果的准确性。

第一方面，提供一种行为预测系统的更新方法，所述行为预测系统包括多个推荐领域各自对应的对象表征模型、领域用户表征模型和行为预测模型，还包括通用用户表征模型和领域判别模型；所述方法包括：

获取与所述多个推荐领域对应的多个训练样本，其中任意的第一训练样本中包括第一推荐领域中第一推荐对象的对象特征、第一用户的用户特征，以及第一样本标签，该第一样本标签指示该第一用户是否对该第一推荐对象做出特定行为；所述第一推荐领域对应第一对象表征模型、第一领域用户表征模型和第一行为预测模型。针对所述第一训练样本，将所述对象特征输入所述第一对象表征模型中，得到第一对象表征向量，并且，将所述用户特征输入所述第一领域用户表征模型中，得到第一领域用户表征向量。将所述第一领域用户表征向量输入所述通用用户表征模型中，得到第一通用用户表征向量，进而与所述第一对象表征向量进行融合，得到第一融合向量。将所述第一融合向量输入所述第一行为预测模型中，得到第一行为预测结果，进而结合所述第一样本标签，确定第一行为预测损失。将所述第一通用用户表征向量输入所述领域判别模型中，得到第一领域判别结果，进而基于所述第一推荐领域的领域标识，确定第一领域判别损失。基于确定出的对应于所述多个训练样本的多个行为预测损失和多个领域判别损失，确定综合训练损失，其与所述多个行为预测损失分别正相关，且与所述多个领域判别损失分别负相关。利用综合训练损失，调整所述行为预测系统中各个模型的模型参数。

在一个实施例中，所述多个推荐领域包括以下中的至少一个领域：商品推荐领域、服务推荐领域、内容推荐领域。

在一个实施例中，所述对象特征包括所述第一推荐对象的对象标识，所述第一对象表征模型包括第一嵌入层；其中，将所述对象特征输入所述第一对象表征模型中，得到第一对象表征向量，包括：对所述对象标识进行独热编码，得到独热编码向量；在所述第一嵌入层中，利用嵌入矩阵对所述独热编码向量进行嵌入处理，得到对象嵌入向量，作为所述第一对象表征向量。

在一个实施例中，所述第一推荐对象为第一图片，所述对象特征包括图片像素、图片中的文字内容；或者，所述第一推荐对象为第一文本，所述对象特征包括文本关键词、文本字符数；或者，所述第一推荐对象为第一商品，所述对象特征包括商品类别、商品价格、商品产地。