[发明专利]多任务服务预测模型训练方法、装置、设备以及存储介质

说明书

本申请实施例公开了多任务服务预测模型训练方法、装置、设备以及存储介质，涉及机器学习、大数据技术领域。该多任务服务预测模型训练方法包括：基于用户特征样本和用户服务场景的多维度特征样本，确定用户服务特征向量样本；将用户服务特征向量样本输入至多任务服务预测模型中的深度共享网络模型，确定针对多个学习任务的用户深度共享特征样本；将针对各个学习任务达成服务的概率作为期望输出，并以各个学习任务的标签为约束，训练多任务服务预测模型，得到训练完成的多任务服务预测模型，从而将多任务学习技术应用到了长周期服务场景，统一了长周期服务场景各个转换阶段的目标之间的相关性。

技术领域

本申请涉及计算机技术领域，具体涉及机器学习、大数据技术领域，尤其涉及多任务服务预测模型训练方法、装置、设备以及存储介质。

背景技术

对于一些服务场景如卖车、卖房、卖保险等，可以基于历史成交数据进行建模，以帮助客户找到潜在的目标用户。现有的方案是根据目标用户的成交行为单独建模，预测用户的购买概率，从而进行全流程的圈人服务。

发明内容

本申请实施例提供了多任务服务预测模型训练方法、装置、设备以及存储介质。

第一方面，本申请实施例提供了多任务服务预测模型训练方法，包括：基于用户特征样本和用户服务场景的多维度特征样本，确定用户服务特征向量样本；将所述用户服务特征向量样本输入至多任务服务预测模型中的深度共享网络模型，确定针对多个学习任务的用户深度共享特征样本；将所述用户深度共享特征样本作为多任务服务预测模型中的独立特征学习网络模型的输入，将针对各个学习任务达成服务的概率作为期望输出，并以各个学习任务的标签为约束，训练所述多任务服务预测模型，得到训练完成的多任务服务预测模型。

第二方面，本申请实施例提供了多任务服务预测模型训练装置，包括：用户服务特征向量确定模块，被配置为基于用户特征样本和用户服务场景的多维度特征样本，确定用户服务特征向量样本；用户深度共享特征确定模块，被配置为将所述用户服务特征向量样本输入至多任务服务预测模型中的深度共享网络模型，确定针对多个学习任务的用户深度共享特征样本；多任务服务预测模型训练模块，被配置为将所述用户深度共享特征样本作为多任务服务预测模型中的独立特征学习网络模型的输入，将针对各个学习任务达成服务的概率作为期望输出，并以各个学习任务的标签为约束，训练所述多任务服务预测模型，得到训练完成的多任务服务预测模型。

第三方面，本申请实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

本申请实施例提供的多任务服务预测模型训练方法、装置、设备以及存储介质，首先基于用户特征样本和用户服务场景的多维度特征样本，确定用户服务特征向量样本；之后将所述用户服务特征向量样本输入至多任务服务预测模型中的深度共享网络模型，确定针对多个学习任务的用户深度共享特征样本；最后将所述用户深度共享特征样本作为多任务服务预测模型中的独立特征学习网络模型的输入，将针对各个学习任务达成服务的概率作为期望输出，并以各个学习任务的标签为约束，训练所述多任务服务预测模型，得到训练完成的多任务服务预测模型，从而将多任务学习技术应用到了长周期服务场景，统一了长周期服务场景各个转换阶段的目标之间的相关性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明