用于生成信息预测模型的方法和装置制造方法及图纸

本申请实施例公开了用于生成信息预测模型的方法和装置。该方法的一具体实施方式包括：获取样本集，从中选取样本，执行训练步骤：将样本第一数据、第二数据输入初始模型，得到第一信息和第二信息；将第一信息、第二信息分别与样本第一信息、样本第二信息进行分析，确定第一信息的损失值和第二信息的损失值；将第一信息与第二信息之间的关系进行分析，确定第一信息与第二信息之间的损失值；根据预设的第一信息权重、第二信息权重和第一信息与第二信息之间的关系权重，将三者损失值的加权结果作为总损失值，将总损失值与目标值进行比较；根据比较结果确定初始模型是否训练完成；响应于确定初始模型训练完成，将初始模型作为信息预测模型。

【技术实现步骤摘要】
用于生成信息预测模型的方法和装置
本申请实施例涉及计算机
，具体涉及用于生成信息预测模型的方法和装置。
技术介绍
城市区域，狭义的城市区域是指城市内按其功能(职能)划分的小区。广义可理解为城市发展和与之有紧密相连的周围地区间的一种特定的地域结构体系。
技术实现思路
本申请实施例提出了用于生成信息预测模型的方法和装置。第一方面，本申请实施例提供了一种用于生成信息预测模型的方法，该方法包括：获取样本集，其中，样本包括样本第一数据和样本第二数据以及与样本第一数据和样本第二数据对应的样本第一信息和样本第二信息；从上述样本集中选取样本，以及执行以下训练步骤：将选取的样本的样本第一数据和样本第二数据输入初始模型，得到样本的第一信息和样本的第二信息；将第一信息与对应的样本第一信息进行分析，确定第一信息的损失值；将第二信息与对应的样本第二信息进行分析，确定第二信息的损失值；将第一信息与第二信息之间的关系进行分析，确定第一信息与第二信息之间的损失值；根据预设的第一信息权重、第二信息权重和第一信息与第二信息之间的关系权重，将样本的第一信息的损失值、样本的第二信息的损失值和样本的第一信息与样本的第二信息之间的损失值的加权结果作为样本的总损失值，以及将样本的总损失值与目标值进行比较；根据比较结果确定初始模型是否训练完成；响应于确定初始模型训练完成，将初始模型作为信息预测模型。在一些实施例中，上述初始模型包括第一特征提取层、第一特征提取网络、第二特征提取网络、第二特征提取层和输出层；以及上述将选取的样本的样本第一数据和样本第二数据输入初始模型，得到样本的第一信息和样本的第二信息，包括：将选取的样本的样本第一数据输入上述第一特征提取层，生成第一特征和第二特征；将所生成的第一特征和第二特征分别输入上述第一特征提取网络和上述第二特征提取网络，得到第三特征和第四特征；将选取的样本的样本第二数据输入上述第二特征提取层，生成第五特征；将所得到的第三特征、第四特征和所生成的第五特征输入上述输出层，生成第一信息和第二信息。在一些实施例中，该方法还包括：响应于确定初始模型未训练完成，调整初始模型中的相关参数，以及从上述样本集中重新选取样本，使用调整后的初始模型作为初始模型，继续执行上述训练步骤。第二方面，本申请实施例提供了一种用于生成信息预测模型的装置，该装置包括：获取单元，被配置成获取样本集，其中，样本包括样本第一数据和样本第二数据以及与样本第一数据和样本第二数据对应的样本第一信息和样本第二信息；训练单元，被配置成从上述样本集中选取样本，以及执行以下训练步骤：将选取的样本的样本第一数据和样本第二数据输入初始模型，得到样本的第一信息和样本的第二信息；将第一信息与对应的样本第一信息进行分析，确定第一信息的损失值；将第二信息与对应的样本第二信息进行分析，确定第二信息的损失值；将第一信息与第二信息之间的关系进行分析，确定第一信息与第二信息之间的损失值；根据预设的第一信息权重、第二信息权重和第一信息与第二信息之间的关系权重，将样本的第一信息的损失值、样本的第二信息的损失值和样本的第一信息与样本的第二信息之间的损失值的加权结果作为样本的总损失值，以及将样本的总损失值与目标值进行比较；根据比较结果确定初始模型是否训练完成；响应于确定初始模型训练完成，将初始模型作为信息预测模型。在一些实施例中，上述初始模型包括第一特征提取层、第一特征提取网络、第二特征提取网络、第二特征提取层和输出层；以及上述训练单元进一步被配置成：将选取的样本的样本第一数据输入上述第一特征提取层，生成第一特征和第二特征；将所生成的第一特征和第二特征分别输入上述第一特征提取网络和上述第二特征提取网络，得到第三特征和第四特征；将选取的样本的样本第二数据输入上述第二特征提取层，生成第五特征；将所得到的第三特征、第四特征和所生成的第五特征输入上述输出层，生成第一信息和第二信息。在一些实施例中，该装置还包括：调整单元，被配置成响应于确定初始模型未训练完成，调整初始模型中的相关参数，以及从上述样本集中重新选取样本，使用调整后的初始模型作为初始模型，继续执行上述训练步骤。第三方面，本申请实施例提供了一种用于生成信息的方法，包括：获取目标对象的轨迹数据，其中，上述轨迹数据是通过记录上述目标对象的轨迹而得到的；基于上述轨迹数据，确定第一数据和第二数据；将上述第一数据和上述第二数据输入采用如上述第一方面中任一实施例所描述的方法生成的信息预测模型中，生成第一信息和第二信息。第四方面，本申请实施例提供了一种用于生成信息的装置，包括：获取单元，被配置成获取目标对象的轨迹数据，其中，上述轨迹数据是通过记录上述目标对象的轨迹而得到的；确定单元，被配置成基于上述轨迹数据，确定第一数据和第二数据；生成单元，被配置成将上述第一数据和上述第二数据输入采用如上述第一方面中任一实施例所描述的方法生成的信息预测模型中，生成第一信息和第二信息。第五方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述第一方面和第三方面中任一实施例所描述的方法。第六方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如上述第一方面和第三方面中任一实施例所描述的方法。本申请实施例提供的用于生成信息预测模型的方法和装置，通过获取样本集，可以从中选取样本以进行初始模型的训练。其中，样本包括样本第一数据和样本第二数据以及与样本第一数据和样本第二数据对应的样本第一信息和样本第二信息。这样，将选取的样本的样本第一数据和样本第二数据输入初始模型，得到样本的第一信息和样本的第二信息。之后，根据样本第一信息和样本第二信息，可以分别确定第一信息的损失值和第二信息的损失值。将第一信息与第二信息之间的关系进行分析，确定第一信息与第二信息之间的损失值；接着，根据预设的第一信息权重、第二信息权重和第一信息与第二信息之间的关系权重，将样本的第一信息的损失值、样本的第二信息的损失值和样本的第一信息与样本的第二信息之间的损失值的加权结果作为样本的总损失值，并可以将样本的总损失值与目标值进行比较。最后，可以根据比较结果来确定初始模型是否训练完成。如果确定初始模型训练完成，就可以将训练完成的初始模型作为信息预测模型。从而能够得到一种可以用于生成信息的模型。且有助于丰富模型的生成方式。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请的一个实施例可以应用于其中的示例性系统架构图；图2是根据本申请的用于生成信息预测模型的方法的一个实施例的流程图；图3是根据本申请实施例的用于生成信息预测模型的方法的一个应用场景的示意图；图4是根据本申请用于生成信息预测模型的装置的一个实施例的结构示意图；图5是根据本申请用于生成信息的方法的一个实施例的流程图；图6是根据本申请用于生成信息的装置的一个实施例的结构示意图；图7是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的本文档来自技高网...

【技术保护点】
1.一种用于生成信息预测模型的方法，包括：获取样本集，其中，样本包括样本第一数据和样本第二数据以及与样本第一数据和样本第二数据对应的样本第一信息和样本第二信息；从所述样本集中选取样本，以及执行以下训练步骤：将选取的样本的样本第一数据和样本第二数据输入初始模型，得到样本的第一信息和样本的第二信息；将第一信息与对应的样本第一信息进行分析，确定第一信息的损失值；将第二信息与对应的样本第二信息进行分析，确定第二信息的损失值；将第一信息与第二信息之间的关系进行分析，确定第一信息与第二信息之间的损失值；根据预设的第一信息权重、第二信息权重和第一信息与第二信息之间的关系权重，将样本的第一信息的损失值、样本的第二信息的损失值和样本的第一信息与样本的第二信息之间的损失值的加权结果作为样本的总损失值，以及将样本的总损失值与目标值进行比较；根据比较结果确定初始模型是否训练完成；响应于确定初始模型训练完成，将初始模型作为信息预测模型。

【技术特征摘要】
1.一种用于生成信息预测模型的方法，包括：获取样本集，其中，样本包括样本第一数据和样本第二数据以及与样本第一数据和样本第二数据对应的样本第一信息和样本第二信息；从所述样本集中选取样本，以及执行以下训练步骤：将选取的样本的样本第一数据和样本第二数据输入初始模型，得到样本的第一信息和样本的第二信息；将第一信息与对应的样本第一信息进行分析，确定第一信息的损失值；将第二信息与对应的样本第二信息进行分析，确定第二信息的损失值；将第一信息与第二信息之间的关系进行分析，确定第一信息与第二信息之间的损失值；根据预设的第一信息权重、第二信息权重和第一信息与第二信息之间的关系权重，将样本的第一信息的损失值、样本的第二信息的损失值和样本的第一信息与样本的第二信息之间的损失值的加权结果作为样本的总损失值，以及将样本的总损失值与目标值进行比较；根据比较结果确定初始模型是否训练完成；响应于确定初始模型训练完成，将初始模型作为信息预测模型。2.根据权利要求1所述的方法，其中，所述初始模型包括第一特征提取层、第一特征提取网络、第二特征提取网络、第二特征提取层和输出层；以及所述将选取的样本的样本第一数据和样本第二数据输入初始模型，得到样本的第一信息和样本的第二信息，包括：将选取的样本的样本第一数据输入所述第一特征提取层，生成第一特征和第二特征；将所生成的第一特征和第二特征分别输入所述第一特征提取网络和所述第二特征提取网络，得到第三特征和第四特征；将选取的样本的样本第二数据输入所述第二特征提取层，生成第五特征；将所得到的第三特征、第四特征和所生成的第五特征输入所述输出层，生成第一信息和第二信息。3.根据权利要求1-2之一所述的方法，其中，所述方法还包括：响应于确定初始模型未训练完成，调整初始模型中的相关参数，以及从所述样本集中重新选取样本，使用调整后的初始模型作为初始模型，继续执行所述训练步骤。4.一种用于生成信息预测模型的装置，包括：获取单元，被配置成获取样本集，其中，样本包括样本第一数据和样本第二数据以及与样本第一数据和样本第二数据对应的样本第一信息和样本第二信息；训练单元，被配置成从所述样本集中选取样本，以及执行以下训练步骤：将选取的样本的样本第一数据和样本第二数据输入初始模型，得到样本的第一信息和样本的第二信息；将第一信息与对应的样本第一信息进行分析，确定第一信息的损失值；将第二信息与对应的样本第二信息进行分析，确定第二信...

【专利技术属性】
技术研发人员：张钧波，孙俊凯，郑宇，
申请(专利权)人：北京京东金融科技控股有限公司，
类型：发明
国别省市：北京,11