对象预测模型的训练方法、装置、电子设备及存储介质.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CN114119081A(43)申请公布日2022.03.01(21)申请号202111350069.3(22)申请日2021.11.15(71)申请人北京京东尚科信息技术有限公司地址100086北京市海淀区知春路76号8层(72)发明人吕昊赵紫晗周柏村付靖玲王答明易津锋(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201代理人单冠飞(51)Int.Cl.G06Q30/02(2012.01)G06K9/62(2022.01)G06V10/764(2022.01)权利要求书3页说明书15页附图4页(54)发明名称对象预测模型的训练方法、装置、电子设备及存储介质(57)摘要本申请提出了一种对象预测模型的训练方法、装置、电子设备及存储介质，其中，方法包括：获取样本对象的描述信息和历史目标数量，其中，目标数量用于表征样本对象的热度；从描述信息中获取样本对象的图像的分类特征表示和文本信息的文本特征表示，以及历史目标数量的第一编码表示；根据分类特征表示、文本特征表示和第一编码表示，对待训练的对象预测模型进行训练，以生成目标对象预测模型。本申请中，通过融合图像信息和文本信息实现对象预测模型的训练，使得训练后的目标对象预测模型可以结合对象的图像和文本中的信息，实现对象的目标数量进行预测，有效提高了预测的准确率，优化了对象预测模型的预测效果。CN114119081ACN114119081A权利要求书1/3页1.一种对象预测模型的训练方法，其特征在于，该方法包括：获取样本对象的描述信息和历史目标数量，其中，所述目标数量用于表征所述样本对象的热度；从所述描述信息中获取所述样本对象的图像的分类特征表示和所述文本信息的文本特征表示，并获取所述历史目标数量的第一编码表示；根据所述分类特征表示、所述文本特征表示和所述第一编码表示，对待训练的对象预测模型进行训练，以生成目标对象预测模型。2.根据权利要求1所述的方法，其特征在于，所述根据所述分类特征表示、所述文本特征表示和所述第一编码表示，对待训练的对象预测模型进行训练，包括：将所述分类特征表示、所述文本特征表示和所述第一编码表示输入所述对象预测模型中，对所述分类特征表示、所述文本特征表示和所述第一编码表示进行拼接，并生成目标拼接表示；基于目标拼接表示，获取所述样本对象的预测目标数量；根据所述预测目标数量和所述历史目标数量，获取所述对象预测模型的损失函数；根据所述损失函数调整所述对象预测模型的模型参数，并使用下一样本对象对调整后的对象预测模型继续训练，直至训练结束生成目标对象预测模型。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述样本对象的属性信息和运营信息；获取所述属性信息的第二编码表示和所述运营信息的第三编码表示；基于所述第一编码表示、所述第二编码表示和所述第三编码表示，生成目标编码表示；将所述分类特征表示、所述文本特征表示和所述目标编码表示，输入所述对象预测模型中，对所述分类特征表示、所述文本特征表示和所述目标编码表示进行拼接，以生成所述目标拼接表示。4.根据权利要求1所述的方法，其特征在于，所述获取所述样本对象的图像的分类特征表示和所述文本信息的文本特征表示，包括：将所述图像输入目标图像分类模型，由所述目标图像分类模型提取所述图像的外观特征，并基于所述外观特征进行分类识别，得到所述分类特征表示；将所述文本信息输入目标文本提取模型进行关键字提取，并根据所述关键字提取文本特征，以得到所述文本特征表示。5.根据权利要求4所述的方法，其特征在于，所述方法还包括:在所述对象预测模型之前训练之前，训练出所述目标图像分类模型和所述目标文本提取模型。6.根据权利要求3所述的方法，其特征在于，所述获取所述属性信息的第二编码表示和所述运营信息的第三编码表示之前，还包括：对所述样本对象的所述属性信息、所述运营信息和所述历史目标数量进行数据清洗和/或数据补全。7.根据权利要求1‑6任一项所述的方法，其特征在于，包括：获取待预测的目标对象的目标描述信息；从所述目标描述信息中，获取所述目标对象的图像的目标分类特征表示和所述文本信2CN114119081A权利要求书2/3页息的目标文本特征表示；将所述目标分类特征表示和所述目标文本特征表示输入所述目标对象预测模型中对所述目标对象进行目标数量预测，以生成所述目标对象的目标预测数量。8.一种对象预测模型的训练装置，其特征在于，该装置包括：获取模块，用于获取样本对象的描述信息和历史目标数量，其中，所述目标数量用于表征所述样本对象的热度；提取模块，用于从所述描述信息中获取所述样本对象的图像的分类特征表示和所述文本信息的文本特征表示，并获取所述历史目标数量的第一编码表示；训练模块，