[发明专利]基于大数据的深度学习样本标注方法

说明书

本发明提供了一种基于大数据的深度学习样本标注方法，该方法包括：接收与样本库中的第一组样本对象相关的用户标注输入；训练包含权值向量的偏好预测模型，所述权值向量包含与样本库相关联的多个特征中的每个特征的加权值，该样本库包括向用户呈现的第一组样本对象，利用所接收的用户标注输入来训练每个特征的加权值；选择要提供至用户的第二组样本对象，所述第二组样本对象相对于样本库中其他未被标识的样本对象，提供从用户标注输入获取的更多的先验知识；以及根据训练后的偏好预测模型，推送预设数量的偏好对象以提供至用户。本发明提出了一种基于大数据的深度学习样本标注方法，基于用户的固有交互操作来挖掘用户兴趣偏好信息，提高样本标注效率和深度学习效果，从而便于更好地实现精准内容推荐。

技术领域

本发明涉及机器学习，特别涉及一种基于大数据的深度学习样本标注方法。

背景技术

在信息过载的时代，基于个性的推荐显得愈发重要。传统技术基于对用户显式反馈数据的分析，例如在线教育平台请求用户对课程和教师等对象进行评分，而实际上显式反馈数据量和应用场景相对有限，无论是评分量表和问卷，都需要占用用户大量时间，导致体验不佳。现实中，大量的用户兴趣信息往往隐藏在用户的正常交互操作中。在进行用户偏好的挖掘时，如果标签信息不确定，则首先需要人为标注或者事先确定，进而通过完整的数据集训练机器学习模型，再去预测用户偏好的对象信息。而手工标注的方式消耗了大量的人力资源，并且存在人为的偏差，导致标注信息确定效率低、效果差；从而无法实现对用户的精准推荐。而对于不平衡率较高的样本，即存在少数类和多数类的被标注样本，样本的分类很容易向多数类偏移。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种基于大数据的深度学习样本标注方法，包括：

接收与样本库中的第一组样本对象相关的用户标注输入，所述用户标注输入表征相对于第一组样本对象中其他样本对象，用户对所标注样本对象的偏好；

训练包含权值向量的偏好预测模型，所述权值向量包含与样本库相关联的多个特征中的每个特征的加权值，该样本库包括向用户呈现的第一组样本对象，利用所接收的用户标注输入来训练每个特征的加权值；

选择要提供至用户的第二组样本对象，所述第二组样本对象相对于样本库中其他未被标识的样本对象，提供从用户标注输入获取的更多的先验知识；以及

根据训练后的偏好预测模型，推送预设数量的偏好对象以提供至用户。

优选地，所述选择要提供至用户的第二组样本对象，进一步包括：

利用为样本库中样本子集的每个样本对象确定的偏好分值来确定样本对象的先验知识获取度量，所述偏好分值是利用训练的偏好预测模型与样本对象的多个特征共同确定。

优选地，所述确定样本对象的先验知识获取度量进一步包括：

为样本库中样本子集的每个样本对象，确定样本对象的特异性度量，所述特异性度量包含有关用户对样本对象的偏好的可信度；

确定样本对象的典型性度量，上述典型性度量包含样本对象与所述样本库中其他样本的特征相似度；以及

利用所述样本对象的已确定的特异性度量和典型性度量，确定对象的先验知识获取度量。

优选地，所述确定对象的特异性度量进一步包括：

利用用户的偏好预测模型来确定对象的偏好分值，所述偏好预测模型利用与所述第一组对象有关的用户标注输入所训练；以及

利用对象的偏好分值来确定对象的特异性度量。

优选地，所述利用样本对象的偏好分值来确定特异性度量，进一步包括：

根据以下方法确定对象f_s的特异性度量SPL：