用于训练模型的方法和装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115983893A(43)申请公布日2023.04.18(21)申请号202111200710.5(22)申请日2021.10.13(71)申请人京东科技信息技术有限公司地址100176北京市大兴区经济技术开发区科创十一街18号院2号楼6层601(72)发明人刘君亮陈东东胡炜易津锋王答明吕昊张璨(74)专利代理机构北京英赛嘉华知识产权代理有限责任公司11204专利代理师王达佐马晓亚(51)Int.Cl.G06Q30/0202(2023.01)G06N20/00(2019.01)权利要求书2页说明书11页附图4页(54)发明名称用于训练模型的方法和装置(57)摘要本申请公开了用于训练模型的方法和装置，涉及计算机技术领域。该方法包括：获取样本数据集合，样本数据集合中包括物品属性、以及与物品属性对应的实际用户画像分布数据；采用初始用户画像预测模型预测物品属性所对应的预测用户画像分布数据；采用实际用户画像分布数据与预测用户画像分布数据之间的损失，构建初始用户画像预测模型的损失函数，并采用损失函数训练初始用户画像预测模型，得到训练完成的目标用户画像预测模型，采用该目标用户画像预测模型可以提高对用户画像预测的准确性以及效率。CN115983893ACN115983893A权利要求书1/2页1.一种用于训练模型的方法，包括：获取样本数据集合，所述样本数据集合中包括物品属性、以及与所述物品属性对应的实际用户画像分布数据；采用初始用户画像预测模型预测所述物品属性所对应的预测用户画像分布数据；采用所述实际用户画像分布数据与所述预测用户画像分布数据之间的损失，构建所述初始用户画像预测模型的损失函数，并采用所述损失函数训练所述初始用户画像预测模型，得到训练完成的目标用户画像预测模型。2.根据权利要求1所述的方法，其中，所述获取样本数据集合，包括：获取预设物品的至少一个物品属性；确定在预设时间段内与所述预设物品发生关联的关联用户，并获取所述关联用户的用户画像信息；确定所述用户画像信息所属的各个用户画像类别；针对所述各个用户画像类别中的每一个用户画像类别，确定所述用户画像类别下包括的用户画像标签；针对所述每一个用户画像类别下的每一个用户画像标签，根据所述用户画像信息确定具有该标签的关联用户的数量；确定所述具有该标签的关联用户的数量与关联用户的总数量之间的比值；将基于所述各个用户画像类别下的各个用户画像标签所确定的多个比值，确定为与所述预设物品的物品属性对应的实际用户画像分布数据。3.根据权利要求1所述的方法，其中，所述物品属性包括数值型属性，所述获取样本数据集合，包括：将所述数值型属性基于预设数值范围进行归一化处理；将归一化处理后的数值型属性作为所述样本数据集合中的物品属性。4.根据权利要求1所述的方法，其中，所述物品属性包括类别型属性，所述获取样本数据集合，包括：将所述类别型属性进行独热编码；将独热编码后的类别属性作为所述样本数据集合中的物品属性。5.一种用于确定用户画像的方法，包括：获取目标物品的至少一个物品属性；根据所述至少一个物品属性以及目标用户画像预测模型，确定与所述目标物品存在关联的关联用户的用户画像，其中，所述目标用户画像预测模型基于如权利要求1‑4任一项所述的方法训练得到。6.根据权利要求5所述的方法，其中，所述根据所述至少一个物品属性以及目标用户画像预测模型，确定与所述目标物品存在关联的关联用户的用户画像，包括：将所述至少一个物品属性输入所述目标用户画像预测模型，获得与所述至少一个物品属性中每一个物品属性对应的用户画像分布数据；根据获得的多个用户画像分布数据，确定与所述目标物品存在关联的关联用户的用户画像。7.根据权利要求5所述的方法，其中，所述方法还包括：2CN115983893A权利要求书2/2页根据所述关联用户的用户画像，确定所述目标物品的描述信息；或者，根据所述关联用户的用户画像，确定目标用户，并基于所述目标用户的偏好信息更新所述目标物品的特征。8.根据权利要求5所述的方法，其中，所述方法还包括：根据所述关联用户的用户画像，确定目标用户；将所述目标物品的信息推送至所述目标用户。9.一种用于训练模型的装置，包括：第一获取单元，被配置为获取样本数据集合，所述样本数据集合中包括物品属性、以及与所述物品属性对应的实际用户画像分布数据；预测单元，被配置为采用初始用户画像预测模型预测所述物品属性所对应的预测用户画像分布数据；训练单元，被配置为采用所述实际用户画像分布数据与所述预测用户画像分布数据之间的损失，构建所述初始用户画像预测模型的损失函数，并采用所述损失函数训练所述初始用户画像预测模型，得到训练完成的目标用户画像预测模型。10.一种用于确定用户画像的装置，包括：第二获取