[发明专利]生成多任务模型的方法、装置、设备、介质及程序产品

说明书

本申请公开了一种生成多任务模型的方法、装置、设备、介质及程序产品，涉及深度学习、自然语言处理、计算机视觉和语音识别技术等人工智能技术领域。该方法的一具体实施方式包括：获取信息样本集，其中，信息样本集的样本包括：信息特征和对应的特征参数标签与用户行为特征和对应的行为类别标签；将信息特征作为多任务模型所包括的主任务网络的输入，将特征参数标签作为主任务网络的输出；以及，将用户行为特征作为多任务模型所包括的辅助任务网络的输入，将行为类别标签作为辅助任务网络的输出，训练机器学习模型，得到多任务模型。本申请能够利用用户的行为作为辅助任务，来帮助主任务实现特征参数的预估，提高了多任务模型预估特征参数的准确率。

技术领域

本申请实施例涉及计算机技术领域，具体涉及深度学习、自然语言处理、计算机视觉和语音识别技术等人工智能技术领域，尤其涉及一种生成多任务模型的方法、装置、设备、介质及存储介质。

背景技术

随着互联网行业的蓬勃发展，越来越多的用户通过网络分享信息(例如，落地页、网页等)以达到向其他用户推广的目的。以落地页为例，当前，一套落地页对接所有用户，所以特征参数并不是最优。因此，打造在线实时的落地页优选的能力，优化落地页特征参数，完善端到端的落地页的生态显得尤其重要。

目前，基于点击落地页后的数据样本，采用与点击率(click-through rate，CTR)建模类似的方法，对特征参数进行单任务建模，以实现对落地页特征参数的优化。

发明内容

本申请实施例提出了一种生成多任务模型的方法、装置、设备、介质及程序产品。

第一方面，本申请实施例提出了一种生成多任务模型的方法，包括：获取信息样本集，其中，信息样本集的样本包括：针对信息的信息特征和对应的特征参数标签与针对信息的用户行为特征和对应的行为类别标签，特征参数表示用户浏览信息之后的目标行为执行情况；将信息特征作为多任务模型所包括的主任务网络的输入，将特征参数标签作为主任务网络的输出；以及，将用户行为特征作为多任务模型所包括的辅助任务网络的输入，将行为类别标签作为辅助任务网络的输出，训练机器学习模型，得到多任务模型。

第二方面，本申请实施例提出了一种生成多任务模型的装置，包括：样本获取模块，被配置为获取信息样本集，其中，信息样本集的样本包括：针对信息的信息特征和对应的特征参数标签与针对信息的用户行为特征和对应的行为类别标签；模型训练模块，被配置为将信息特征作为多任务模型所包括的主任务网络的输入，将特征参数标签作为主任务网络的输出；以及，将用户行为特征作为多任务模型所包括的辅助任务网络的输入，将行为类别标签作为辅助任务网络的输出，训练机器学习模型，得到多任务模型。

第三方面，本申请实施例提出了一种用于预测特征参数的方法，包括：获取待预测信息；将待预测信息输入上述的多任务模型中，通过多任务模型的主任务网络输出特征参数概率，并通过多任务模型的辅助任务网络输出行为类别概率；根据特征参数概率和行为类别概率，得到待预测信息的特征参数。

第四方面，本申请实施例提出了一种用于测信息特征参数的装置，包括：信息获取模块，被配置为获取待预测信息；信息处理模块，被配置为将待预测信息输入上述的多任务模型中，通过多任务模型的主任务网络输出特征参数概率，并通过多任务模型的辅助任务网络输出行为类别概率；信息得到模块，被配置为根据特征参数概率和行为类别概率，得到待预测信息的特征参数。

第五方面，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描述的方法。

第六方面，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描述的方法。

第七方面，本申请实施例提出了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现第一方面描述的方法。