[发明专利]模型训练方法和装置、行为预测方法和装置、设备、介质

说明书

本申请实施例提供了一种模型训练方法和装置、行为预测方法和装置、设备、介质，属于人工智能技术领域。该方法包括：获取样本用户的样本数据；样本数据包括样本基本信息和样本行为数据，样本数据包括历史行为、历史次数、历史时间；并根据历史时间进行时段分类，得到至少两个预设时段；计算每一历史行为的历史占比；历史占比是在其中一个预设时段实施历史行为的历史次数与在所有预设时段实施历史行为的历史次数总和之间的比值；根据历史占比计算行为评估值；行为评估值用于评估样本用户的行为规律性；根据行为评估值从样本数据筛选出训练样本；根据训练样本进行模型训练，得到行为预测模型。本申请实施例能够提高模型的训练效率和准确率。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种模型训练方法和装置、行为预测方法和装置、设备、介质。

背景技术

人工智能中的预测方法有很多应用场景，例如天气预测、温度预测、趋势预测(例如商品价格趋势等)、行为预测等；常用的预测方法的原理包括：通过带有样本特征的标注数据对预测模型进行训练，将待预测的数据输入到训练好的预测模型进行预测，得到预测结果。而，通常，带有样本特征的标注数据的数据量非常大，模型训练的成本高(包括时间成本和经济成本)；且有些标注数据的选取并不合适，对预测模型的训练效果不好，训练难度大。

发明内容

本申请实施例的主要目的在于提出一种模型训练方法和装置、行为预测方法和装置、设备、介质，旨在提高模型的训练效率和准确率。

为实现上述目的，本申请实施例的第一方面提出了一种模型训练方法，所述模型训练方法包括：

获取样本用户的样本数据；所述样本数据包括所述样本用户的样本基本信息和样本行为数据，所述样本行为数据包括历史行为、对应每一所述历史行为的历史次数、历史时间，所述历史时间为每一所述历史行为所发生的时间；

根据所述历史时间进行时段分类，得到至少两个预设时段；

计算每一所述历史行为的历史占比；所述历史占比是在其中一个所述预设时段实施所述历史行为的历史次数与在所有所述预设时段实施所述历史行为的历史次数总和之间的比值；

根据所述历史占比计算行为评估值；所述行为评估值用于评估所述样本用户的行为规律性；

根据所述行为评估值从所述样本数据筛选出训练样本；

根据所述训练样本进行模型训练，得到行为预测模型。

在一些实施例，所述根据所述行为评估值从所述样本数据筛选出训练样本，包括：

获取预设的参考评估值；

比较所述行为评估值和所述参考评估值之间的大小关系；

将小于所述参考评估值的行为评估值所对应的样本数据确定为所述训练样本。

在一些实施例，在所述获取预设的参考评估值之前，所述模型训练方法还包括：计算所述参考评估值，具体包括：

获取参考用户的参考数据；其中，所述参考数据包括参考基本信息、参考行为、每一所述参考行为的参考次数和参考时间；所述参考用户为虚拟用户，所述参考行为是所述虚拟用户虚拟的实施行为，所述参考时间是所述虚拟用户模拟实施每一所述参考行为的模拟时间；

根据所述参考时间进行时段分类，得到参考时段；所述参考次数是所述虚拟用户在所述参考时段模拟实施每一所述参考行为的模拟次数；

计算每一所述参考行为的参考占比；所述参考占比是每一所述参考行为的参考次数与所有所述参考行为的参考次数总和之间的比值；

根据所述参考占比计算所述参考评估值；所述参考评估值用于评估所述参考用户的行为规律性。

在一些实施例，所述根据所述训练样本进行模型训练，得到行为预测模型，包括：