[发明专利]在线任务处理模型训练、任务处理方法及装置

权利要求书

1.一种在线任务处理模型训练方法，其特征在于，包括：

获取第一样本对象的实时操作序列和目标图结构，所述实时操作序列为当前时间段内所述第一样本对象执行预设交互操作的多媒体资源的资源标识信息的序列；所述当前时间段为所述目标图结构的上一次更新至当前时间对应的时间段；所述目标图结构为基于所述第一样本对象的历史交互记录构建的图结构；所述历史交互记录为所述第一样本对象，在所述目标图结构的上一次更新之前，对预设多媒体资源执行的所述预设交互操作产生的交互记录；

基于所述目标图结构和所述实时操作序列，对在线任务处理模型中的任务处理子模型和所述在线任务处理模型中的图表征子模型进行并行训练，得到目标在线任务处理模型。

2.根据权利要求1所述的在线任务处理模型训练方法，其特征在于，所述目标图结构为以第一样本对象的第一对象标识信息、历史操作资源的第一资源标识信息和所述历史操作资源对应关联实体的第一实体标识信息为节点，以所述第一样本对象与所述历史操作资源间的交互操作，以及所述历史操作资源和所述关联实体间的关联关系为边的图结构；所述第一资源标识信息所在节点挂载有所述第一资源标识信息对应的资源属性信息；所述历史操作资源为所述第一样本对象执行过所述预设交互操作的多媒体资源；

所述基于所述目标图结构和所述实时操作序列，对在线任务处理模型中的任务处理子模型和所述在线任务处理模型中的图表征子模型进行并行训练，得到目标在线任务处理模型包括：

从所述目标图结构中，获取所述资源属性信息和图采样序列；所述图采样序列包括第一标识序列和第二标识序列，所述第一标识序列为所述目标图结构中第一分支上的标识信息构成的序列；所述第一分支包括以所述第一样本对象中任一对象的对象标识信息所在节点为起始节点的分支；所述第二标识序列为所述目标图结构中第二分支上的标识信息构成的序列；所述第二分支包括以所述历史操作资源中任一资源的资源标识信息所在节点为起始节点的分支；

获取所述第一样本对象的对象属性信息、所述第一样本对象的历史操作序列和所述历史操作资源的历史交互信息；

基于所述实时操作序列、所述对象属性信息、所述资源属性信息、所述历史操作序列、所述历史交互信息和所述图采样序列，对所述在线任务处理模型中的所述任务处理子模型和所述图表征子模型进行并行训练，得到所述目标在线任务处理模型。

3.根据权利要求2所述的在线任务处理模型训练方法，其特征在于，所述基于所述实时操作序列、所述对象属性信息、所述资源属性信息、所述历史操作序列、所述历史交互信息和所述图采样序列，对所述在线任务处理模型中的所述任务处理子模型和所述图表征子模型进行并行训练，得到所述目标在线任务处理模型包括：

将所述实时操作序列、所述对象属性信息、所述资源属性信息、所述历史操作序列、所述历史交互信息和所述图采样序列输入所述任务处理子模型进行任务处理，得到第一预测任务结果；

将所述图采样序列和所述资源属性信息输入所述图表征子模型进行图表征学习，得到目标图特征；

对所述目标图特征进行解码处理，得到第二预测任务结果；

基于所述第一预测任务结果、所述第一预测任务结果对应的第一预设任务结果、所述第二预测任务结果和所述第二预测任务结果对应的第二预设任务结果，对所述任务处理子模型和所述图表征子模型进行并行训练，得到所述目标在线任务处理模型。

4.根据权利要求3所述的在线任务处理模型训练方法，其特征在于，所述任务处理子模型包括任务特征学习网络和第二解码网络；所述将所述实时操作序列、所述对象属性信息、所述资源属性信息、所述历史操作序列、所述历史交互信息和所述图采样序列输入所述任务处理子模型进行任务处理，得到第一预测任务结果包括：

将所述实时操作序列、所述对象属性信息、所述资源属性信息、所述历史操作序列、所述历史交互信息和所述图采样序列输入所述任务特征学习网络进行特征学习，得到目标任务特征；

将所述目标任务特征输入所述第二解码网络进行解码处理，得到所述第一预测任务结果。