场景适配方法、装置及电子设备制造方法及图纸

本申请公开了一种场景适配方法、装置及电子设备，该方法包括：基于目标应用场景下的目标对象提供的基础数据，确定目标评估数据；基于所述目标评估数据与所述基础数据的目标匹配结果，确定场景模型是否适配所述目标应用场景；在所述场景模型不适配所述目标应用场景时，确定目标迁移学习算法；基于所述目标迁移学习算法，生成适配所述目标应用场景的目标场景模型。

Scene adaptation method, device and electronic equipment

The application discloses a scene adaptation method, device and electronic device, the method includes: determining the target evaluation data based on the basic data provided by the target object in the target application scenario; determining whether the scene model is suitable for the target application scenario based on the target matching result of the target evaluation data and the basic data; and determining whether the scene model is not suitable for the target application scenario In the target application scenario, the target migration learning algorithm is determined; based on the target migration learning algorithm, the target scenario model adapted to the target application scenario is generated.

【技术实现步骤摘要】
场景适配方法、装置及电子设备
本申请涉及计算机
，尤其涉及一种场景适配方法、装置及电子设备。
技术介绍
场景模型可以是通过用户的特征数据来获得用户的标签数据的一个模型，特征数据为表征用户特征的数据，标签数据表征用户行为的数据。举例来说，场景模型的训练可以通过用户的多个特征数据和用户的历史消费情况来判断用户对于一个产品的消费概率。例如，场景模型通过用户m的年龄、性别、城市、毕业学校、住址等特征数据以及用户的历史消费情况进行综合分析，确定一个与用户m对饮品类别产品产生消费的概率值。将目标用户的特征数据输入训练得到的场景模型，将会得到与目标用户对应的标签数据，场景模型表达了特征数据和标签数据的对应关系。近年来随着金融科技的不断发展，越来越多的场景模型和解决方案希望更多地拓展应用场景、对外赋能。现有的场景模型通常直接应用到目标应用场景，场景模型与目标应用场景的适配性差。
技术实现思路
本申请实施例提供一种场景适配方法、装置及电子设备，以解决场景模型与目标应用场景的适配性差的问题。第一方面，提供了一种场景适配方法，包括：基于目标应用场景下的目标对象提供的基础数据，确定目标评估数据；基于所述目标评估数据与所述基础数据的目标匹配结果，确定场景模型是否适配所述目标应用场景；在所述场景模型不适配所述目标应用场景时，确定目标迁移学习算法；基于所述目标迁移学习算法，生成适配所述目标应用场景的目标场景模型。第二方面，提供了一种场景适配装置，包括：数据获取模块，基于目标应用场景下的目标对象提供的基础数据，确定目标评估数据；匹配模块，基于所述目标评估数据与所述基础数据的目标匹配结果，确定场景模型是否适配所述目标应用场景；算法判定模块，在所述场景模型不适配所述目标应用场景时，确定目标迁移学习算法；适配模块，基于所述目标迁移学习算法，生成适配所述目标应用场景的目标场景模型。第三方面，提供了一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使用所述处理器执行以下操作：基于目标应用场景下的目标对象提供的基础数据，确定目标评估数据；基于所述目标评估数据与所述基础数据的目标匹配结果，确定场景模型是否适配所述目标应用场景；在所述场景模型不适配所述目标应用场景时，确定目标迁移学习算法；基于所述目标迁移学习算法，生成适配所述目标应用场景的目标场景模型。第四方面，提供了一种计算机可读介质，所述计算机可读介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：基于目标应用场景下的目标对象提供的基础数据，确定目标评估数据；基于所述目标评估数据与所述基础数据的目标匹配结果，确定场景模型是否适配所述目标应用场景；在所述场景模型不适配所述目标应用场景时，确定目标迁移学习算法；基于所述目标迁移学习算法，生成适配所述目标应用场景的目标场景模型。本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：将目标对象的基础数据与目标评估数据进行匹配，进而判断场景模型与目标应用场景是否适配，并在场景模型不适配目标应用场景的情况下，生成目标场景模型，提升了场景模型与目标应用场景的适配性。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本申请的一个实施例的场景适配方法的示意性流程图。图2为根据本申请的一个实施例的场景适配方法的流程图。图3为本申请的一个实施例的电子设备的结构示意图。图4为本申请的一个实施例的场景适配装置的结构示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。以下结合附图，详细说明本申请各实施例提供的技术方案。图1为本申请的一个实施例的场景适配方法的示意性流程图。如图1所示，场景适配方法，包括：S102、基于目标应用场景下的目标对象提供的基础数据，确定目标评估数据。具体来说，在判断场景模型是否适配目标应用场景的过程中，首先接收目标对象提供的基础数据，在接收到基础数据之后，判断基础数据中是否存在标签数据和特征数据。根据基础数据中是否存在标签数据和是否存在特征数据来确定目标评估数据。其中，基础数据与目标评估数据的对应关系至少包括以下四种情况。情况一，基础数据中不包括第一特征数据和第一标签数据，此时目标评估数据包括M组从训练场景模型的样本数据中随机获取的用户信息。情况二，基础数据中包括第一标签数据，此时目标评估数据包括基于场景模型确定的第二标签数据。情况三，基础数据中包括第一特征数据，此时目标评估数据包括从训练场景模型的样本数据中获取的第二特征数据。情况四，基础数据中包括第一标签数据和第一特征数据，此时目标评估数据包括基于场景模型确定的第二标签数据。S104、基于目标评估数据与基础数据的目标匹配结果，确定场景模型是否适配目标应用场景。具体来说，在确定目标评估数据之后，将基础数据与目标评估数据进行匹配，获得目标匹配结果，基于目标匹配结果来确定场景模型是否适配目标应用场景。确定场景模型适配目标应用场景或场景模型不适配目标应用场景。在确定场景模型适配目标应用场景的情况下，场景模型与目标应用场景适配，场景模型直接应用到目标应用场景。S106、在场景模型不适配目标应用场景时，确定目标迁移学习算法。S108、基于目标迁移学习算法，生成适配目标应用场景的目标场景模型。具体来说，在确定场景模型不适配目标应用场景时，确定对应的目标迁移学习算法，并应用目标迁移学习算法来生成适配目标应用场景的目标场景模型。本实施例中，将目标对象的基础数据与目标评估数据进行匹配，进而判断场景模型与目标应用场景是否适配，并在场景模型不适配目标应用场景的情况下，生成目标场景模型，提升了场景模型与目标应用场景的适配性。可选的，作为一个实施例，基础数据包括目标对象相关的第一用户信息数据，目标评估数据包括M组第二用户信息数据，M组第二用户信息数据从训练场景模型的样本数据中随机获取。其中，S104，包括：确定M组第二用户信息数据的随机分布信息与第一用户信息数据的随机分布信息的第一偏移量。基于第一偏移量和第一预设阈值，确定第一偏移数量。在第一偏移数量大于或等于第一预设值的情况下，确定场景模型不适配目标应用场景。S106中，确定目标迁移学习本文档来自技高网...

【技术保护点】
1.一种场景适配方法，包括：/n基于目标应用场景下的目标对象提供的基础数据，确定目标评估数据；/n基于所述目标评估数据与所述基础数据的目标匹配结果，确定场景模型是否适配所述目标应用场景；/n在所述场景模型不适配所述目标应用场景时，确定目标迁移学习算法；/n基于所述目标迁移学习算法，生成适配所述目标应用场景的目标场景模型。/n

【技术特征摘要】
1.一种场景适配方法，包括：
基于目标应用场景下的目标对象提供的基础数据，确定目标评估数据；
基于所述目标评估数据与所述基础数据的目标匹配结果，确定场景模型是否适配所述目标应用场景；
在所述场景模型不适配所述目标应用场景时，确定目标迁移学习算法；
基于所述目标迁移学习算法，生成适配所述目标应用场景的目标场景模型。


2.根据权利要求1所述的方法，所述基础数据包括所述目标对象相关的第一用户信息数据，所述目标评估数据包括M组第二用户信息数据，所述M组第二用户信息数据从训练所述场景模型的样本数据中随机获取；
其中，所述基于所述目标评估数据与所述基础数据的目标匹配结果，确定场景模型是否适配所述目标应用场景，包括：
确定所述M组第二用户信息数据的随机分布信息与所述第一用户信息数据的随机分布信息的第一偏移量；
基于所述第一偏移量和第一预设阈值，确定第一偏移数量；
在所述第一偏移数量大于或等于第一预设值的情况下，确定所述场景模型不适配所述目标应用场景；
其中，所述确定目标迁移学习算法，包括：
确定所述目标迁移学习算法包括样本迁移学习适配算法。


3.根据权利要求1所述的方法，所述基础数据包括所述目标对象相关的用户信息数据和与所述用户信息数据对应的第一特征数据，所述目标评估数据包括与所述用户信息数据对应的第二特征数据，所述第二特征数据从训练所述场景模型的样本数据中获取；
其中，所述基于所述目标评估数据与所述基础数据的目标匹配结果，确定场景模型是否适配所述目标应用场景，包括：
确定所述第一特征数据和所述第二特征数据之间的第二偏移量；
基于所述第二偏移量和第二预设阈值，确定第二偏移数量；
在所述第二偏移数量大于或等于第二预设值的情况下，确定所述场景模型不适配所述目标应用场景；
其中，所述确定目标迁移学习算法，包括：
确定所述目标迁移学习算法包括特征迁移学习适配算法。


4.根据权利要求1所述的方法，所述基础数据包括所述目标对象相关的用户信息数据和与所述用户信息数据对应的第一标签数据，所述目标评估数据包括与所述用户信息数据对应的第二标签数据，所述第二标签数据基于所述场景模型确定；
其中，所述基于所述目标评估数据与所述基础数据的目标匹配结果，确定场景模型是否适配所述目标应用场景，包括：
确定所述第一标签数据和所述第二标签数据之间的第三偏移量；
基于所述第三偏移量和第三预设阈值，确定第三偏移数量；
在所述第三偏移数量大于或等于第三预设值且小于第四预设值的情况下，确定所述场景模型不适配所述目标应用场景；
其中，所述确定目标迁移学习...

【专利技术属性】
技术研发人员：汲小溪，郑霖，陆梦倩，嵇方方，王维强，赵闻飙，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛;KY