[发明专利]模型训练方法和装置

权利要求书

1.一种模型训练方法，其特征在于，所述方法包括：

获取离线行为特征数据集，将所述离线行为特征数据集有序地存储至目标存储单元，其中，所述离线行为特征数据集按照预设的时间区段进行有序存储，所述离线行为特征数据集包括多个用户在历史预设时间段内的点击数据和展现数据；

接收对存储至所述目标存储单元中的离线行为特征数据集的流批数据拉取请求；

基于所述流批数据拉取请求按照时间顺序依次从所述离线行为特征数据集中拉取对应时间区段的离线行为特征数据，并根据拉取到的离线行为特征数据生成第一训练样本数据；

将生成的所有的第一训练样本数据输入至待训练模型中进行训练，以得到初始预估模型；

获取在线行为特征数据，并根据所述在线行为特征数据生成第二训练样本数据；

将所述第二训练样本数据输入至所述初始预估模型中进行训练，以得到目标预估模型。

2.根据权利要求1所述的模型训练方法，其特征在于，所述目标存储单元为分布式文件系统HDFS，所述获取离线行为特征数据集，将所述离线行为特征数据集有序地存储至目标存储单元包括：

识别出所述离线行为特征数据集中的每一条离线行为特征数据的产生时间；

根据所述产生时间将属于同一时间区段的离线行为特征数据存储至所述HDFS的同一个数据块中，将不同时间区段的离线行为特征数据按照顺序存储至所述HDFS的不同数据块中。

3.根据权利要求1所述的模型训练方法，其特征在于，所述根据拉取到的离线行为特征数据生成第一训练样本数据包括：

通过基于BSQL语言编写的离线行为特征数据处理模块对所述拉取到的离线行为特征数据进行聚合计算得到所述第一训练样本数据。

4.根据权利要求1至3任一项所述的模型训练方法，其特征在于，所述获取在线行为特征数据，并根据所述在线行为特征数据生成第二训练样本数据包括：

以滑动时间窗口的方式获取多个用户的在线行为特征数据；

统计每一个用户在所述时间窗口内的在线行为数据，并将每一个用户的在线行为数据作为一个第二训练样本数据。

5.根据权利要求4所述的模型训练方法，其特征在于，所述在线行为特征数据包括用户在线的点击行为特征数据和针对用户曝光媒体文件的展现行为特征数据，所述统计每一个用户在所述时间窗口内的在线行为数据，并将每一个用户的在线行为数据作为一个第二训练样本数据包括：

通过基于BSQL语言编写的在线行为特征数据处理模块对每一个用户在所述时间窗口内的点击行为特征数据和展现行为特征数据进行拼接处理，得到拼接后的特征数据，并将所述拼接后的特征数据作为所述第二训练样本数据。

6.根据权利要求5所述的模型训练方法，其特征在于，所述通过基于BSQL语言编写的在线行为特征数据处理模块对每一个用户在所述时间窗口内的点击行为特征数据和展现行为特征数据进行拼接处理，得到拼接后的特征数据，并将所述拼接后的特征数据作为所述第二训练样本数据包括：

通过基于BSQL语言编写的在线行为特征数据处理模块对每一个用户在所述时间窗口内的点击行为特征数据和展现行为特征数据进行拼接处理，得到拼接后的特征数据；

获取各个用户的画像特征数据，并将各个用户对应的拼接后的特征数据与画像特征数据进行特征融合处理，得到所述第二训练样本数据。

7.根据权利要求3所述的模型训练方法，其特征在于，所述离线行为特征数据集包括用户离线的点击行为特征数据和针对用户曝光媒体文件的展现行为特征数据，所述通过基于BSQL语言编写的离线行为特征数据处理模块对所述拉取到的离线行为特征数据进行聚合计算得到所述第一训练样本数据包括：

通过基于BSQL语言编写的离线行为特征数据处理模块对所述拉取到的离线行为特征数据进行聚合计算，以得到每一个用户在当前时间区段内的离线实时特征数据；

获取各个用户的画像特征数据，并将各个用户对应的离线实时特征数据与画像特征数据进行特征融合处理，得到所述第一训练样本数据。