模型训练方法、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CN113837383A(43)申请公布日2021.12.24(21)申请号202111210307.0(22)申请日2021.10.18(71)申请人中国联合网络通信集团有限公司地址100033北京市西城区金融大街21号(72)发明人成晨肖天程新洲韩玉辉曹丽娟晁昆张涛郝若晶杨子敬郑雨婷(74)专利代理机构北京中博世达专利商标代理有限公司11274代理人申健(51)Int.Cl.G06N3/08(2006.01)G06N3/04(2006.01)权利要求书5页说明书18页附图3页(54)发明名称模型训练方法、装置、电子设备及存储介质(57)摘要本申请提供一种模型训练方法、装置、电子设备及存储介质，涉及信息处理技术领域，用于提高神经网络模型预测多个出行指标的预测准确度。该方法包括：获取目标用户的样本数据；将样本数据输入预设神经网络模型中，预测目标用户在第二时间段的多个出行指标中每个出行指标的预测准确度；第二时间段为第一时间段后的时间段；根据每个出行指标的预测准确度，以及每个出行指标的预测准确度对应的第一权重值，确定预设神经网络模型的预测准确度；根据预设神经网络模型的预测准确度，确定用户出行预测模型。这样，依据每个出行指标的预测准确度和权重值调整神经网络模型，可以使得最终确定的神经网络模型能够同时预测多个准确度较高的出行指标。CN113837383ACN113837383A权利要求书1/5页1.一种模型训练方法，其特征在于，所述训练方法包括：获取目标用户的样本数据；所述样本数据为对第一时间段内所述目标用户的运营商数据进行处理后，得到的用于表征所述目标用户的出行特征的样本数据；将所述样本数据输入预设神经网络模型中，预测所述目标用户在第二时间段的多个出行指标中每个出行指标的预测准确度；所述第二时间段为所述第一时间段后的时间段；根据所述每个出行指标的预测准确度，以及所述每个出行指标的预测准确度对应的第一权重值，确定所述预设神经网络模型的预测准确度；根据所述预设神经网络模型的预测准确度，确定用户出行预测模型。2.根据权利要求1所述的方法，其特征在于，所述根据所述预设神经网络模型的预测准确度，确定所述用户出行预测模型，包括：步骤1、确定所述当前神经网络模型的预测准确度是否大于预设阈值；所述当前神经网络模型为所述预设神经网络模型，或者所述当前神经网络模型为调整后的神经网络模型；步骤2、若满足，则确定所述当前神经网络模型为所述用户出行预测模型；步骤3、若不满足，则调整所述当前神经网络模型的参数，确定调整后的神经网络模型，将调整后的神经网络模型作为所述当前神经网络模型；步骤4、将所述样本数据输入所述当前神经网络模型，确定所述当前神经网络模型的预测准确度；执行所述步骤1、所述步骤2、所述步骤3，以及所述步骤4，直至确定所述用户出行预测模型。3.根据权利要求1所述的方法，其特征在于，将所述样本数据输入预设神经网络模型中，预测所述目标用户在第二时间段的多个出行指标中每个出行指标的预测准确度，包括：确定第一出行指标；所述第一出行指标为所述多个出行指标中的任一个出行指标；将所述样本数据输入所述预设神经网络模型中，预测所述目标用户在所述第二时间段的子时间段内所述第一出行指标的预测准确度；根据所述目标用户在每个所述子时间段内所述第一出行指标的预测准确度，以及每个所述子时间段对应的第二权重值，确定所述第一出行指标的预测准确度；其中，所述第二权重值的大小与第一时长成反比；所述第一时长为所述子时间段和所述第二时间段的结束时间之间的时长。4.根据权利要求3所述的方法，其特征在于，所述子时间段为第一子时间段和第二子时间段中的至少一个，所述第一子时间段和所述第二子时间段的时长不同；所述多个出行指标包括以下至少一项：每一第一子时间段是否前往预设地点；每一第二子时间段内是否前往所述预设地点；第一次前往所述预设地点的第一时间段；第一次前往所述预设地点的第二子时间段；所述每一第一子时间段是否前往预设地点的第一预测准确度，满足以下公式：其中，F1为所述每一第一子时间段是否前往预设地点的第一预测准确度；所述第二时间2CN113837383A权利要求书2/5页段包括S个第一子时间段；F11,d为与所述S个第一子时间段中的与最后一个第一时间段之间相隔d‑1个第一子时间段的第一子时间段的第一预测准确度；S和d均为正整数；所述每一第二子时间段内是否前往所述预设地点的第二预测准确度，满足以下公式：其中，F2为所述第二预测准确度；所述第二时间段包括T个第二子时间段；F12,h为与所述T个第二子时间段中的最后一个时间段之间相隔h‑1个第二子时间段的第二子时间段的第二预测准确度；T和h均为正整数；所述第一次前往所述预设地点的第