[发明专利]构建模型的方法、装置、电子设备和存储介质

权利要求书

1.一种用于构建模型的方法，其特征在于，所述方法包括：

获取目标参数，所述目标参数用于表征与用户相关的行为偏好；

根据目标参数和自动特征选择模型选择与所述目标参数相关的目标特征，所述特征选择模型以经过用户授权的用户数据为训练数据采用强化学习算法训练获得，所述用户数据包括嵌入向量和特征，所述嵌入向量通过特征提取模型从用户行为数据中提取，用于表征用户行为，所述特征为经过预先标注的用户属性，所述嵌入向量和所述特征预先存储在数据库中；以及

以所述目标参数相关的目标特征为输入，目标参数为输出训练模型，以确定目标模型，所述目标模型用于预测用户的行为。

2.根据权利要求1所述的方法，其特征在于，提取所述嵌入向量包括：

根据用户行为数据确定用户的时序矩阵；

将所述时序矩阵进行嵌入处理，以生成初始向量；

将所述初始向量进行卷积操作，以生成多个卷积向量；以及

将多个所述卷积向量进行全局平均池化以及全连接，以提取嵌入向量。

3.根据权利要求2所述的方法，其特征在于，所述嵌入处理包括：CBOW算法和Skip-Gram算法处理所述时序矩阵。

4.根据权利要求2所述的方法，其特征在于，所述卷积操作包括：

将所述扩展向量进行卷积降维处理；以及

将降维处理得到的向量进行多维卷积，以生成多个不同的卷积向量。

5.根据权利要求2所述的方法，其特征在于，所述以所述目标参数相关的目标特征为输入，目标参数为输出训练模型，包括：

采用网格搜索、随机搜索以及贝叶斯优化中的任一方法自动调参。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

响应于模型衰减小于预定阈值，自动更新所述目标模型；以及

响应于模型衰减大于预定阈值，再次根据目标参数和自动特征选择模型选择与所述目标参数相关的目标特征，以再次训练目标模型。

7.一种构建模型装置，其特征在于，所述装置包括：

参数获取单元，用于获取目标参数，所述目标参数用于表征与用户相关的行为偏好；

特征选择单元，用于根据目标参数和自动特征选择模型选择与所述目标参数相关的目标特征，所述特征选择模型以经过用户授权的用户数据为训练数据采用强化学习算法训练获得，所述用户数据包括嵌入向量和特征，所述嵌入向量通过特征提取模型从用户行为数据中提取，用于表征用户行为，所述特征为经过预先标注的用户属性，所述嵌入向量和所述特征预先存储在数据库中；以及

模型确定单元，用于以所述目标参数相关的目标特征为输入，目标参数为输出训练模型，以确定目标模型，所述目标模型用于预测用户的行为。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法。

9.一种电子设备，其特征在于，所述电子设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至6中任一项所述的方法。

10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至6中任一项所述方法的步骤。