特征评估方法、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CN113902952A(43)申请公布日2022.01.07(21)申请号202010642000.7(22)申请日2020.07.06(71)申请人北京达佳互联信息技术有限公司地址100085北京市海淀区上地西路6号1幢1层101D1-7(72)发明人孙承根车天文贺文强李云松黄柏翔(74)专利代理机构北京品源专利代理有限公司11332代理人孟金喆(51)Int.Cl.G06V10/774(2022.01)权利要求书2页说明书11页附图4页(54)发明名称特征评估方法、装置、电子设备及存储介质(57)摘要本公开实施例关于一种特征评估方法、装置、电子设备及存储介质。该方法包括：获取目标样本数据；其中，目标样本数据包括包含基础特征的第一样本数据和包含待评估特征的第二样本数据；基础特征为当前已应用于推荐系统的特征，待评估特征为当前未应用于推荐系统中的特征；基于目标样本数据对特征评估模型进行训练，在模型训练过程中，将基于第一样本数据生成的中间数据作为对第二样本数据训练过程中的中间输入量；基于特征评估模型的输出结果，生成待评估特征的评价信息。本公开实施例提供的技术方案，实现了以基础特征为参考依据，对待评估特征的有效性进行简单、快速评估，从而进一步实现了低成本、高效率、自动化地对推荐系统进行特征选择。CN113902952ACN113902952A权利要求书1/2页1.一种特征评估方法，其特征在于，包括：获取目标样本数据；其中，所述目标样本数据包括包含基础特征的第一样本数据和包含待评估特征的第二样本数据；所述基础特征为当前已应用于推荐系统的特征，所述待评估特征为当前未应用于所述推荐系统中的特征；基于所述目标样本数据对特征评估模型进行训练，在模型训练过程中，将基于所述第一样本数据生成的中间数据作为对所述第二样本数据训练过程中的中间输入量；基于所述特征评估模型的输出结果，生成所述待评估特征的评价信息。2.根据权利要求1所述的特征评估方法，其特征在于，所述特征评估模型包括基础子模型和测试子模型；基于所述目标样本数据对特征评估模型进行训练，在模型训练过程中，将基于所述第一样本数据生成的中间数据作为对所述第二样本数据训练过程中的中间输入量，包括：将第一样本数据输入至特征评估模型中的基础子模型中，同时将第二样本数据输入至特征评估模型中的测试子模型中，以对所述特征评估模型进行训练；在模型训练过程中，将所述基础子模型的任意网络层输出的数据作为基于所述第一样本数据生成的中间数据，并将所述中间数据输入至所述测试子模型的任意网络层，以将所述中间数据作为对所述第二样本数据训练过程中的中间输入量。3.根据权利要求2所述的特征评估方法，其特征在于，所述基于所述特征评估模型的输出结果，生成所述待评估特征的评价信息步骤包括：分别获取所述基础子模型输出的第一曲线下面积和所述测试子模型输出的第二曲线下面积；计算所述第二曲线下面积相对于所述第一曲线下面积的面积增益；根据所述面积增益生成所述待评估特征的评价信息。4.根据权利要求3所述的特征评估方法，其特征在于，所述根据所述面积增益生成所述待评估特征的评价信息步骤包括：当所述面积增益处于预设区间范围内时，将所述待评估特征确定为有效特征；当所述面积增益处于预设区间范围外时，将所述待评估特征确定为无效特征。5.根据权利要求1所述的特征评估方法，其特征在于，在基于所述目标样本数据对特征评估模型进行训练之前，还包括：获取特征筛选样本数据；基于所述特征筛选样本数据确定所述待评估特征的特征统计信息；根据所述特征统计信息对所述待评估特征进行筛选。6.根据权利要求5所述的特征评估方法，其特征在于，所述特征统计信息包括特征总量、平均特征量和特征覆盖度。7.根据权利要求1-6任一所述的特征评估方法，其特征在于，所述待评估特征包括单一待评估特征和/或组合待评估特征。8.一种特征评估装置，其特征在于，包括：获取单元，被配置为执行获取目标样本数据；其中，所述目标样本数据包括包含基础特征的第一样本数据和包含待评估特征的第二样本数据；所述基础特征为当前已应用于推荐系统的特征，所述待评估特征为当前未应用于所述推荐系统中的特征；2CN113902952A权利要求书2/2页训练单元，被配置为执行基于所述目标样本数据对特征评估模型进行训练，在模型训练过程中，将基于所述第一样本数据生成的中间数据作为对所述第二样本数据训练过程中的中间输入量；生成单元，被配置为执行基于所述特征评估模型的输出结果，生成所述待评估特征的评价信息。9.一种电子设备，其特征在于，包括：处理器；用于存储所述处理器的可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现如权利要求1至7中任一项所述的特征评估方法。1