用于训练模型的方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113781079A(43)申请公布日2021.12.10(21)申请号202011092078.2(22)申请日2020.10.13(71)申请人北京沃东天骏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4层A402室申请人北京京东世纪贸易有限公司(72)发明人白涛(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代理人王达佐马晓亚(51)Int.Cl.G06Q30/02(2012.01)G06N3/08(2006.01)G06N3/04(2006.01)权利要求书3页说明书10页附图5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，以及用于生成信息的方法和装置。该用于训练模型的方法的实现方案为：获取训练样本集，其中，训练样本集中的训练样本包括用户的属性信息、与用户匹配的目标对象的特征信息、用户的行为序列信息和用户的概率值，用户的行为序列信息用于表征一定时间周期内各个时间点的用户操作行为信息；利用机器学习算法，将训练样本集中的训练样本包括的用户的属性信息、与用户匹配的目标对象的特征信息和用户的行为序列信息作为输入数据，将用户的概率值作为期望输出数据，训练得到用户行为预测模型。该方案利用时间序列的用户行为序列信息进行模型训练，使模型训练的结果更加真实而精准。CN113781079ACN113781079A权利要求书1/3页1.一种用于训练模型的方法，所述方法包括：获取训练样本集，其中，所述训练样本集中的训练样本包括用户的属性信息、与所述用户匹配的目标对象的特征信息、所述用户的行为序列信息和所述用户的概率值，所述用户的行为序列信息用于表征一定时间周期内各个时间点的用户操作行为信息；利用机器学习算法，将所述训练样本集中的训练样本包括的用户的属性信息、与所述用户匹配的目标对象的特征信息和所述用户的行为序列信息作为输入数据，将与输入的用户的属性信息、所述目标对象的特征信息和所述行为序列信息对应的所述用户的概率值作为期望输出数据，训练得到用户行为预测模型，其中，所述概率值用于表征所述用户确定获得所述目标对象的可能性，所述用户行为预测模型基于SEQ2SEQ的网络结构搭建。2.根据权利要求1所述的方法，还包括：将所述用户行为预测模型的模型参数存储至Redis缓存。3.根据权利要求1所述的方法，其中，所述用户行为预测模型基于注意力机制而构建。4.根据权利要求1所述的方法，其中，所述获取训练样本集，包括：根据实时计算系统的消息队列，确定用户行为标签，其中，所述用户行为至少包括：点击、加购、收藏、下单；基于所述用户行为标签的位置信息，获取与所述用户行为标签对应的用户的属性信息、与所述用户匹配的目标对象的特征信息和所述用户的行为序列信息并将确定的所述用户行为标签以及获取到的用户的属性信息、所述目标对象的特征信息和所述行为序列信息存储至文件系统，其中，所述位置信息为表征软件界面中与预设信息相对应的按键位置信息或程序中与预设信息相对应的代码位置信息。5.根据权利要求4所述的方法，其中，所述获取训练样本集，包括：基于预设的用户行为，从所述文件系统中获取用户标签、与所述用户和所述预设的用户行为相匹配的目标对象标签、与所述用户和所述预设的用户行为相对应的时间信息和位置信息；根据所述用户标签，确定用户的属性信息，并根据所述目标对象标签，确定所述目标对象的特征信息；基于所述时间信息和所述位置信息，获取与所述预设的用户行为相匹配的所述用户的行为序列信息。6.根据权利要求5所述的方法，其中，所述文件系统根据预设时间周期进行更新。7.一种用于生成信息的方法，所述方法包括：监控用户的操作行为，获取所述用户的操作行为信息；响应于所述用户的操作行为信息等于预设的用户行为信息，获取所述用户的属性信息、与所述用户和预设的用户行为信息相匹配的目标对象的特征信息和与所述预设的用户行为信息相匹配的所述用户的行为序列信息，其中，所述预设的用户行为信息为表征用户有意愿获得所述目标对象的一种或多种操作行为信息；将获取的所述用户的属性信息、所述目标对象的特征信息和所述行为序列信息输入至预先训练的用户行为预测模型，生成与所述用户的属性信息、所述目标对象的特征信息和所述行为序列信息相对应的所述用户的概率值，其中，所述用户行为预测模型是通过如权利要求1-7之一所述的方法训练得到的。2CN113781079A权利要求书2/3页8.一种用于训练模型的装置，所述装置包括：获取单元，被配置成获取训练样本集，其中，所述训练样本集中的训练样本包括用户的属性信息、与所述用户匹配的目标对象的特征信息、所述用户的行为序列信息和所述用户的概率值，