[发明专利]模型训练方法、装置、电子设备及存储介质

权利要求书

1.一种模型训练方法，其特征在于，所述训练方法包括：

获取目标用户的样本数据；所述样本数据为对第一时间段内所述目标用户的运营商数据进行处理后，得到的用于表征所述目标用户的出行特征的样本数据；所述出行特征的样本数据包括以下至少之一：实时位置数据、导航类应用使用数据、出行类应用使用数据、出行方式、用户关注信息、用户年龄画像、以及用户的目的场景；

确定第一出行指标；所述第一出行指标为多个出行指标中的任一个出行指标；

将所述样本数据输入预设神经网络模型中，得到在第二时间段的子时间段内所述第一出行指标的预测值；所述第二时间段为所述第一时间段后的时间段；

根据在所述第二时间段的子时间段内所述第一出行指标的预测值与所述第一出行指标的实际值的对比结果，确定在所述第二时间段的子时间段内第一出行指标的预测准确度；

根据所述目标用户在每个所述子时间段内所述第一出行指标的预测准确度，以及每个所述子时间段对应的第二权重值，确定所述第一出行指标的预测准确度；其中，所述第二权重值的大小与第一时长成反比；所述第一时长为所述子时间段和所述第二时间段的结束时间之间的时长；

根据所述每个出行指标的预测准确度，以及所述每个出行指标的预测准确度对应的第一权重值，确定所述预设神经网络模型的预测准确度；

根据所述预设神经网络模型的预测准确度，确定用户出行预测模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述预设神经网络模型的预测准确度，确定所述用户出行预测模型，包括：

步骤1、确定当前神经网络模型的预测准确度是否大于预设阈值；所述当前神经网络模型为所述预设神经网络模型，或者所述当前神经网络模型为调整后的神经网络模型；

步骤2、若满足，则确定所述当前神经网络模型为所述用户出行预测模型；

步骤3、若不满足，则调整所述当前神经网络模型的参数，确定调整后的神经网络模型，将调整后的神经网络模型作为所述当前神经网络模型；

步骤4、将所述样本数据输入所述当前神经网络模型，确定所述当前神经网络模型的预测准确度；

执行所述步骤1、所述步骤2、所述步骤3，以及所述步骤4，直至确定所述用户出行预测模型。