[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

说明书

本申请公开了用户画像识别模型训练方法、设备、可读存储介质及产品，涉及数据处理中的深度学习、大数据。具体实现方案为：获取多组用户画像数据以及用户画像数据对应的标签信息；通过多组用户画像数据以及标签信息，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；根据标签信息、第一预测标签、第二预测标签，对基准网络模型和影子网络模型的训练参数进行更新，获得基准网络模型对应的第一训练参数、影子网络模型对应的第二训练参数；采用第一训练参数以及第二训练参数对基准网络模型和影子网络模型进行训练。从而能够提高用户画像识别模型鲁棒性以及识别精度。

技术领域

本申请涉及数据处理中的深度学习、大数据，尤其涉及一种用户画像识别模型训练方法、设备、可读存储介质及产品。

背景技术

用户画像又称用户角色，在大数据时代背景下，用户信息充斥在网络中，将用户的每个具体信息抽象成标签，利用这些标签将用户形象具体化，从而能够有效地为用户提供有针对性的服务。

为了实现对用户画像的识别操作，现有技术中一般都通过预先收集的大量带有标签信息的用户画像训练数据，将用户画像数据分别多组，对预设的网络模型进行训练操作。

但是，采用上述方法进行模型训练的过程中，由于用户画像的标签识别场景中，特征高维稀疏，模型的解空间复杂，导致模型较为敏感脆弱。如果存在某组质量不佳的训练数据，则可能会导致模型过拟合，进而导致训练后的模型识别精度不高。

发明内容

本申请提供了一种用于提高用户画像识别模型鲁棒性的用户画像识别模型训练方法、装置、设备以及存储介质。

根据本申请的第一方面，提供了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。

根据本申请的第二方面，提供了一种用户画像识别模型训练装置，包括：

获取模块，用于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；

训练模块，用于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；

更新模块，用于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；

处理模块，用于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。

根据本申请的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的用户画像识别模型训练方法。