[发明专利]一种针对用户的干预执行方法、装置以及设备

说明书

本说明书实施例公开了一种针对用户的干预执行方法、装置以及设备。方案包括：获取包含第一模型和第二模型的基础模型，所述第一模型用于预测对用户进行干预的情况下的转化率，所述第二模型用于预测未对用户进行干预的情况下的转化率；获取用户训练样本集合，并对所述用户训练样本集合中的各样本进行聚类，得到多个样本包；分别确定各所述样本包整体的期望干预增量和预测干预增量；根据所述期望干预增量和预测干预增量之间的一致性程度，为所述基础模型生成辅助损失；根据所述辅助损失，对所述基础模型进行训练；利用训练后的所述基础模型，对目标用户进行预测，并根据所述预测的结果，确定是否对所述目标用户进行干预。

技术领域

本说明书涉及机器学习技术领域，尤其涉及一种针对用户的干预执行方法、装置以及设备。

背景技术

在线上业务中，为了提高用户转化率，往往要对用户主动进行干预，然而若是对全体用户都进行干预，则成本过高可能得不偿失，因此，往往会选择预期干预效果较好的小部分用户进行干预。那么如何精准地选择这小部分用户成了关键问题。

可以利用机器学习模型来预测是否适合对目标用户进行干预，但是，对于目前的一些机器学习模型，存在反事实标签问题，即对于同一个用户训练样本，无法同时观察到它在受干预的情况下的响应和未受干预的情况下的响应，在这种情况下，利用该用户训练样本训练机器学习模型，未必能够准确地学习到干预本身对该用户训练样本的响应的影响效应。

不仅如此，在实际应用中，相比于用户自身的特性和干预涉及的其他对象(比如，通过调整某商品的优惠，对某用户进行干预，则可以认为该商品属于该其他对象)本身的特征而言，这些特性集合起来能够带来的影响效应往往更强，而干预本身能够带来的影响效应往往是相对弱的，这种干预效应不显著的现象也阻碍了对这种相对弱的影响效应的充分学习。进而，导致了对用户选择的不准确性。

基于此，需要能够更准确的选择用户进行干预的方案。

发明内容

本说明书一个或多个实施例提供一种针对用户的干预执行方法、装置、设备以及存储介质，用以解决如下技术问题：需要能够更准确的选择用户进行干预的方案。

为解决上述技术问题，本说明书一个或多个实施例是这样实现的：

本说明书一个或多个实施例提供的一种针对用户的干预执行方法，包括：

获取包含第一模型和第二模型的基础模型，所述第一模型用于预测对用户进行干预的情况下的转化率，所述第二模型用于预测未对用户进行干预的情况下的转化率；

获取用户训练样本集合，并对所述用户训练样本集合中的各样本进行聚类，得到多个样本包；

分别确定各所述样本包整体的期望干预增量和预测干预增量；

根据所述期望干预增量和预测干预增量之间的一致性程度，为所述基础模型生成辅助损失；

根据所述辅助损失，对所述基础模型进行训练；

利用训练后的所述基础模型，对目标用户进行预测，并根据所述预测的结果，确定是否对所述目标用户进行干预。

本说明书一个或多个实施例提供的一种针对用户的干预执行装置，包括：

基础模型获取模块，获取包含第一模型和第二模型的基础模型，所述第一模型用于预测对用户进行干预的情况下的转化率，所述第二模型用于预测未对用户进行干预的情况下的转化率；

训练样本聚类模块，获取用户训练样本集合，并对所述用户训练样本集合中的各样本进行聚类，得到多个样本包；

包级增量确定模块，分别确定各所述样本包整体的期望干预增量和预测干预增量；

辅助损失生成模块，根据所述期望干预增量和预测干预增量之间的一致性程度，为所述基础模型生成辅助损失；