[发明专利]模型构建方法和电子设备

权利要求书

1.一种模型构建方法，其特征在于，包括：

根据包括多个归因节点的关系树，划分所述多个归因节点，得到N个归因节点组，每个所述归因节点组包括至少M个所述归因节点，N、M为大于1的整数；

构建模型的共享向量层，所述共享向量层包括与所述N个归因节点组一一对应的N个专家网络，各所述专家网络在输入样本的情况下，输出各所述专家网络对应的归因节点组的共享向量；

构建模型的向量融合层，所述向量融合层包括与所述多个归因节点一一对应的多个融合模块，各所述融合模块连接至少一个第一专家网络，所述第一专家网络对应的归因节点组中包括与所述第一专家网络连接的所述融合模块对应的归因节点，各所述融合模块在输入所述至少一个第一专家网络输出的共享向量的情况下，输出融合向量；

构建模型的输出层，所述输出层包括多个目标塔，所述多个目标塔与所述多个融合模块一一对应连接，各所述目标塔在输入所述融合模块输出的融合向量的情况下，输出所述融合模块对应的归因节点的预测值。

2.根据权利要求1所述的方法，其特征在于，所述构建模型的输出层之后，所述方法还包括：

构建模型的损失层，所述损失层包括与所述多个目标塔一一对应的多个损失函数，各所述损失函数在输入所述目标塔输出的预测值，以及所述样本中的所述目标塔对应的归因节点的真实值的情况下，输出所述目标塔的损失值；

基于所述损失值，调整所述目标塔的连接链路上的神经元参数。

3.根据权利要求1所述的方法，其特征在于，所述各所述融合模块在输入所述至少一个第一专家网络输出的共享向量的情况下，输出融合向量，包括：

各所述融合模块在输入所述至少一个第一专家网络输出的共享向量的情况下，执行第一操作，得到融合向量；

输出所述融合向量；

其中，所述第一操作包括：

获取所述至少一个第一专家网络中各所述第一专家网络的权重值；

根据所述权重值和所述至少一个第一专家网络输出的共享向量，得到所述融合向量。

4.根据权利要求3所述的方法，其特征在于，所述获取所述至少一个第一专家网络中各所述第一专家网络的权重值，包括：

根据目标融合模块对应的第一归因节点，以及所述至少一个目标专家网络中各所述目标专家网络对应的第二归因节点组，确定所述目标融合模块与各所述目标专家网络之间的第一距离；

根据所述目标融合模块与各所述目标专家网络之间的第一距离，计算得到各所述目标专家网络的权重值；

其中，所述目标融合模块为所述多个融合模块中的任一融合模块，所述至少一个目标专家网络与所述目标融合模块连接。

5.根据权利要求4所述的方法，其特征在于，所述根据目标融合模块对应的第一归因节点，以及所述至少一个目标专家网络中各所述目标专家网络对应的第二归因节点组，确定所述目标融合模块与各所述目标专家网络之间的第一距离，包括：

根据所述第一归因节点的层级、所述第二归因节点组中各第二归因节点的层级，以及所述第一归因节点与各所述第二归因节点的最小公共祖先的层级，确定所述第一归因节点与各所述第二归因节点之间的第二距离；

计算所述第一归因节点与各所述第二归因节点之间的第二距离之和，得到所述目标融合模块与各所述目标专家网络之间的第一距离。

6.根据权利要求1所述的方法，其特征在于，所述根据包括多个归因节点的关系树，划分所述多个归因节点，得到N个归因节点组之前，所述方法还包括：

获取所述多个归因节点的业务分类和业务次序；

根据所述业务分类和所述业务次序，构建包括所述多个归因节点的关系树，其中，所述业务分类指示所述关系树的横向类别关系，所述业务次序指示所述关系树的纵向层级关系。