对象分类方法、网络模型的训练方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114969546A(43)申请公布日2022.08.30(21)申请号202210720357.1(22)申请日2022.06.22(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人徐靖宇刘昊骋徐世界王天祺(74)专利代理机构中科专利商标代理有限责任公司11021专利代理师纪雯(51)Int.Cl.G06F16/9535(2019.01)G06K9/62(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书5页说明书13页附图6页(54)发明名称对象分类方法、网络模型的训练方法及装置(57)摘要本公开提供了一种对象分类方法、网络模型的训练方法及装置、设备、介质和产品，涉及人工智能领域，具体为内容服务技术领域。具体实现方案包括：将待分类的目标对象集合划分为第一对象子集和第二对象子集，目标对象集合中的目标对象的画像特征分布一致；确定与第一对象子集中的目标对象关联的第一转化率，以及确定与第二对象子集中的目标对象关联的第二转化率；根据第一转化率和第二转化率，确定针对目标对象集合的属性分类结果，其中，第一转化率指示了对应目标对象基于内容推送条件的正向反馈概率，第二转化率指示了对应目标对象基于非内容推送条件的正向反馈概率。CN114969546ACN114969546A权利要求书1/5页1.一种对象分类方法，包括：将待分类的目标对象集合划分为第一对象子集和第二对象子集，其中，所述目标对象集合中的目标对象的画像特征分布一致；确定与所述第一对象子集中的目标对象关联的第一转化率，并确定与所述第二对象子集中的目标对象关联的第二转化率；以及根据所述第一转化率和所述第二转化率，确定针对所述目标对象集合的属性分类结果，其中，所述第一转化率指示了对应目标对象基于内容推送条件的正向反馈概率，所述第二转化率指示了对应目标对象基于非内容推送条件的正向反馈概率。2.根据权利要求1所述的方法，其中，所述确定与所述第一对象子集中的目标对象关联的第一转化率，以及确定与所述第二对象子集中的目标对象关联的第二转化率，包括：利用第一预测模型，根据所述第一对象子集中的目标对象的对象画像数据，输出所述第一转化率，其中，所述第一预测模型为根据内容推送对象的对象画像数据训练得到；以及利用第二预测模型，根据所述第二对象子集中的目标对象的对象画像数据，输出所述第二转化率，其中，所述第二预测模型为根据非内容推送对象的对象画像数据训练得到。3.根据权利要求1所述的方法，其中，所述根据所述第一转化率和所述第二转化率，确定针对所述目标对象集合的属性分类结果，包括：根据与所述第一对象子集关联的第一转化率统计值和与所述第二对象子集关联的第二转化率统计值，计算转化概率差值；以及根据所述第一转化率、所述第二转化率和所述转化概率差值，确定针对所述目标对象集合的属性分类结果。4.根据权利要求1至3中任一项所述的方法，还包括：根据所述属性分类结果，确定针对所述目标对象集合的内容推送参数，其中，所述内容推送参数指示以下信息中的至少之一：是否进行内容推送、待推送内容和内容推送方式。5.根据权利要求4所述的方法，还包括：在所述内容推送参数指示进行内容推送的情况下，根据所述目标对象集合中的目标对象的画像特征分布类型，确定进行内容推送的流量分配值；以及基于所述流量分配值，向所述目标对象集合中的目标对象进行内容推送，其中，所述流量分配值指示了所述目标对象集合中的内容推送对象的占比。6.根据权利要求5所述的方法，还包括：获取所述内容推送对象基于被推送内容的响应行为数据；根据所述响应行为数据，确定所述内容推送对象中针对所述被推送内容进行正向反馈的转化对象占比；根据所述转化对象占比和内容推送成本，确定内容推送增益；以及基于所述内容推送增益，调整所述流量分配值。7.根据权利要求4所述的方法，还包括：在所述内容推送参数指示进行内容推送的情况下，将所述目标对象集合中的目标对象的画像特征统计值输入经训练的随机森林模型，得到基于所述画像特征统计值生成的多个2CN114969546A权利要求书2/5页决策树，其中，各所述决策树的最大深度小于预设深度阈值；以及根据各所述决策树中与所述画像特征统计值匹配的目标叶子节点，得到针对所述目标对象集合的决策结果，所述决策结果指示了待进行推送的目标内容。8.一种网络模型的训练方法，包括：根据样本对象集合中的各样本对象是否为内容推送对象，确定与各所述样本对象匹配的待训练模型；将各所述样本对象的对象画像数据作为对应待训练模型的输入数据，得到针对各所述样本对象的预测转化率；以及根据各所述样本对象的预测转化率和预设转化标签，调整对应待训练模型的模型