[发明专利]一种模型训练方法、装置、存储介质及电子设备

权利要求书

1.一种模型训练方法，所述方法包括：

获取用户的用户数据，所述用户数据包含不同维度的数据；

将所述用户数据中涉及的维度进行组合，得到各维度组合，一个维度组合中包含有所述用户数据涉及的全量维度中的部分维度；

针对每个维度组合，将所述用户数据中该维度组合内包含的维度对应的数据输入到特征表示模型中，得到该维度组合对应的特征数据；

以同一用户在不同维度组合对应的特征数据之间的偏差最小化为优化目标，对所述特征表示模型进行训练，训练完成的特征表示模型用于在获取到目标用户的用户数据后，从目标用户的用户数据中提取特征数据，并将提取出的特征数据输入到业务模型，以使所述业务模型根据所述特征表示模型提取出的特征数据，执行业务。

2.如权利要求1所述的方法，所述特征表示模型包括：编码器和解码器；

针对每个维度组合，将所述用户数据中该维度组合内包含的维度对应的数据输入到特征表示模型中，得到该维度组合对应的特征数据，具体包括：

针对每个维度组合，将所述用户数据中该维度组合内包含的维度对应的数据输入到所述特征表示模型中的编码器，得到该维度组合对应的特征数据；

以同一用户在不同维度组合对应的特征数据之间的偏差最小化为优化目标，对所述特征表示模型进行训练之前，所述方法还包括：

将该维度组合对应的特征数据输入到所述特征表示模型中的解码器，得到该维度组合对应的解码数据；

以同一用户在不同维度组合对应的特征数据之间的偏差最小化为优化目标，对所述特征表示模型进行训练，具体包括：

以同一用户在不同维度组合对应的特征数据之间的偏差最小化，以及针对每个维度组合，所述用户数据中该维度组合内包含的维度对应的数据与该维度组合对应的解码数据之间的偏差最小化为优化目标，对所述特征表示模型进行训练。

3.如权利要求1或2所述的方法，以同一用户在不同维度组合对应的特征数据之间的偏差最小化为优化目标，对所述特征表示模型进行训练，具体包括：

以同一用户在不同维度组合对应的特征数据之间的偏差最小化，以及不同用户对应的特征数据之间的偏差最大化为优化目标，对所述特征表示模型进行训练。

4.如权利要求3所述的方法，以同一用户在不同维度组合对应的特征数据之间的偏差最小化，以及不同用户对应的特征数据之间的偏差最大化为优化目标，对所述特征表示模型进行训练，具体包括：

针对每个用户，确定该用户在不同维度组合对应的特征数据之间的偏差，得到该用户对应的第一偏差，以及确定该用户在任意维度组合对应的特征数据与其他用户在任意维度组合对应的特征数据之间的偏差，作为第二偏差；

根据每个用户对应的第一偏差以及第二偏差，确定对比损失；

以最小化所述对比损失为优化目标，对所述特征表示模型进行训练。

5.如权利要求1所述的方法，所述方法还包括：

获取训练样本；

针对每个维度组合，将所述训练样本中该维度组合内包含的维度对应的数据输入到训练后的特征表示模型中，得到所述训练样本在该维度组合对应的特征数据；

将所述训练样本在每个维度组合对应的特征数据输入到待训练的业务模型中，得到业务结果；

根据所述业务结果，对所述业务模型进行训练。

6.如权利要求5所述的方法，将所述训练样本在每个维度组合对应的特征数据输入到待训练的业务模型中，得到业务结果，具体包括：

针对每个维度组合，确定该维度组合在所述业务模型所属的业务场景下对应的特征权重；

根据每个维度组合在所述业务模型所属的业务场景下对应的特征权重，对所述训练样本在每个维度组合对应的特征数据进行融合，得到融合后特征；

将所述融合后特征输入到所述业务模型中，得到业务结果。