[发明专利]用户画像识别模型训练方法、设备、可读存储介质及产品

权利要求书

1.一种用户画像识别模型训练方法，包括：

获取多组用户画像数据以及所述用户画像数据对应的标签信息；

通过所述多组用户画像数据以及所述用户画像数据对应的标签信息，分别对预设的基准网络模型和影子网络模型进行训练操作，获得所述基准网络模型输出的第一预测标签和影子网络模型输出的第二预测标签；

根据所述用户画像数据对应的标签信息、第一预测标签以及所述第二预测标签，对所述基准网络模型和影子网络模型的训练参数进行更新操作，获得所述基准网络模型对应的更新后的第一训练参数以及影子网络模型对应的更新后的第二训练参数；

采用所述第一训练参数以及所述第二训练参数对所述基准网络模型和影子网络模型进行训练操作。

2.根据权利要求1所述的方法，所述根据所述用户画像数据对应的标签信息、第一预测标签以及所述第二预测标签，对所述基准网络模型和影子网络模型的训练参数进行更新操作，包括：

根据所述基准网络模型对应的交叉熵损失函数对所述第一预测标签以及所述用户画像数据对应的标签信息进行计算，获得所述基准网络模型对应的第一损失值；

根据所述基准网络模型对应的均方误差损失函数对所述第一预测标签以及所述第二预测标签进行计算，获得所述基准网络模型对应的第二损失值；

根据所述第一损失值以及所述第二损失值，对所述基准网络模型和影子网络模型的训练参数进行更新操作。

3.根据权利要求2所述的方法，所述根据所述第一损失值以及所述第二损失值，对所述基准网络模型和影子网络模型的训练参数进行更新操作，包括：

根据所述第一损失值以及所述第二损失值，对所述基准网络模型的训练参数进行更新操作，获得所述第一训练参数；

通过所述第一训练参数以及预设的参数动量累积公式，对所述影子网络模型的训练参数进行更新操作，获得所述第二训练参数。

4.根据权利要求3所述的方法，所述根据所述第一损失值以及所述第二损失值，对所述基准网络模型的训练参数进行更新操作，获得所述第一训练参数，包括；

对所述第一损失值以及所述第二损失值进行求和操作，获得目标损失值；

根据所述目标损失值，对所述基准网络对应的基准训练参数进行更新操作，获得所述第一训练参数。

5.根据权利要求3所述的方法，所述通过所述第一训练参数以及预设的参数动量累积公式，对所述影子网络模型的训练参数进行更新操作之前，还包括：

确定所述基准网络模型和影子网络模型当前的迭代训练次数；

根据所述迭代训练次数，以及预设的超参数计算公式，计算与所述迭代训练次数对应的待选超参数；

将所述待选超参数以及所述用户超参数中数值小的超参数作为所述当前的目标超参数。

6.根据权利要求5所述的方法，所述通过所述第一训练参数以及预设的参数动量累积公式，对所述影子网络模型的训练参数进行更新操作，包括：

通过所述第一训练参数、所述目标超参数以及预设的参数动量累积公式，对所述影子网络模型的训练参数进行更新操作。

7.根据权利要求1-6任一项所述的方法，所述采用所述第一训练参数以及所述第二训练参数对所述基准网络模型和影子网络模型进行训练操作之后，还包括：

判断分别采用所述第一训练参数以及所述第二训练参数训练后的所述基准网络模型和影子网络模型是否满足预设的收敛条件；

若不满足，则返回执行所述通过所述待训练数据集，分别对预设的基准网络模型和影子网络模型进行训练操作，获得所述基准网络模型和影子网络模型对应的损失值的步骤，直至所述基准网络模型和影子网络模型满足预设的收敛条件，将满足收敛条件的基准网络模型或影子网络模型作为训练完毕的用户画像识别模型。