预测模型训练和用户资源额度确定方法及装置制造方法及图纸

本说明书实施例提供了一种预测模型训练和用户资源额度确定方法及装置。在预测模型训练阶段，基于分享关系图谱，得到第一用户的第一关系特征，至少基于第一关系特征得到第一特征数据，将第一特征数据和第一资源额度输入预测模型，预测模型输出第一用户针对第一资源额度的分享行为的预测数据，将预测数据与标准数据进行比较得到第一预测损失，向使得第一预测损失减小的方向，更新预测模型。在确定用户资源额度阶段，将基于分享关系图谱得到的第二用户的特征数据和多个不同档位资源额度输入预测模型，预测模型可以输出第二用户针对不同档位资源额度的分享行为数据，根据分享行为数据对不同档位资源额度进行选择，得到针对第二用户分配的资源额度。

Prediction model training and user resource quota determination method and device

【技术实现步骤摘要】
预测模型训练和用户资源额度确定方法及装置
本说明书一个或多个实施例涉及数据处理
，尤其涉及预测模型训练和用户资源额度确定方法及装置。
技术介绍
随着互联网技术的发展，越来越多的服务平台可以向用户提供服务。服务平台也会为了增加用户粘度或者增加用户量等目的，向用户发送服务邀请的消息。当用户通过客户端参与服务平台的服务邀请，并将服务邀请成功分享至其他用户时，服务平台可以向该用户分配一定的资源奖励，以便激励用户继续分享该服务邀请。奖励的资源可以是电、煤气、水等实体资源，也可以是存储空间、数据流量等虚拟资源。例如，进行垃圾回收的服务平台，在老用户将该服务平台成功分享至新用户时，可以向老用户发放一定的资源奖励，该资源奖励能够促使老用户继续向其他用户分享。目前，存在预测用户在接收到不同资源额度的资源后的分享行为数据的需求。因此，希望能有改进的方案，可以更准确地预测用户在不同资源额度下的分享行为数据，以便使得对用户分配的资源额度更有针对性，减少资源消耗。
技术实现思路
本说明书一个或多个实施例描述了预测模型训练和用户资源额度确定方法及装置，以便更准确地预测用户在不同资源额度下的分享行为数据，进而使得对用户分配的资源额度更有针对性，减少资源消耗。具体技术方案如下。第一方面，实施例提供了一种用于预测用户分享行为数据的预测模型训练方法，通过计算机执行，所述方法包括：基于分享关系图谱，获取第一用户的第一关系特征；其中，所述分享关系图谱用于表征多个用户之间的分享关系，包括多个用户节点以及用户节点之间存在分享关系时形成的连接边；至少基于所述第一关系特征，确定所述第一用户的第一特征数据；获取所述第一用户在接收到第一资源额度的资源之后的分享行为数据，作为标准数据；将所述第一特征数据和所述第一资源额度输入预测模型，通过所述预测模型输出所述第一用户针对所述第一资源额度的分享行为的预测数据；根据所述标准数据与所述预测数据的比较，确定第一预测损失；向使得所述第一预测损失减小的方向，更新所述预测模型。在一种实施方式中，所述基于分享关系图谱，获取第一用户的第一关系特征的步骤，包括：通过图神经网络模型，利用所述分享关系图谱中第一用户节点及其邻居节点集的数据，进行多级特征聚合，得到所述第一用户的第一关系特征；其中，所述第一用户节点对应所述第一用户。在一种实施方式中，所述向使得所述第一预测损失减小的方向，更新所述预测模型的步骤，包括：向使得所述第一预测损失减小的方向，更新所述预测模型和所述图神经网络模型。在一种实施方式中，所述至少基于所述第一关系特征，确定所述第一用户的第一特征数据的步骤，包括：获取用于表征所述第一用户的静态属性的第一属性特征，和/或，获取用于表征所述第一用户的个体资源敏感度的第一个体特征；其中，所述第一个体特征基于所述第一用户针对不同资源额度执行个体行为时对应的个体行为数据而提取得到；将所述第一关系特征与所述第一属性特征和/或所述第一个体特征进行融合，得到所述第一用户的第一特征数据。在一种实施方式中，所述分享行为数据包括不同类别的子分享行为数据；所述根据标准数据与预测数据的比较，确定第一预测损失的步骤，包括：将所述标准数据与所述预测数据中同类别的子分享行为数据分别进行比较，得到多个类别的预测损失；根据多个类别的第一预设权重，对多个类别的预测损失进行融合，得到所述第一预测损失。在一种实施方式中，所述基于分享关系图谱，获取第一用户的第一关系特征的步骤，包括：获取所述分享关系图谱的邻接矩阵；对所述邻接矩阵进行特征值分解，利用特征值分解结果，确定所述邻接矩阵的节点向量矩阵；从所述节点向量矩阵中读取所述第一用户对应的第一节点向量，作为所述第一关系特征。第二方面，实施例提供了一种确定用户资源额度以对用户进行资源分配的方法，通过计算机执行，所述方法包括：基于分享关系图谱，获取待分配资源的第二用户的第二关系特征；其中，所述分享关系图谱用于表征多个用户之间的分享关系，包括多个用户节点以及用户节点之间存在分享关系时形成的连接边；至少基于所述第二关系特征，确定所述第二用户的第二特征数据；将所述第二特征数据和多个不同档位资源额度输入预测模型，通过所述预测模型输出所述第二用户针对所述多个不同档位资源额度的分享行为数据；其中，所述预测模型采用第一方面提供的方法训练完成；根据输出的所述分享行为数据对多个不同档位资源额度进行选择，根据选择结果确定针对所述第二用户分配的资源额度。在一种实施方式中，所述根据输出的所述分享行为数据对多个不同档位资源额度进行选择，根据选择结果确定针对所述第二用户分配的资源额度的步骤，包括：获取待分配资源的剩余总资源；按照输出的所述分享行为数据的大小对多个不同档位资源额度进行排序，并从排序结果中选择一个不大于所述剩余总资源的档位资源额度，作为针对所述第二用户分配的资源额度。在一种实施方式中，所述基于分享关系图谱，获取待分配资源的第二用户的第二关系特征的步骤，包括：通过图神经网络模型，利用所述分享关系图谱中第二用户节点及其邻居节点集的数据，进行多级特征聚合，得到所述第二用户的第二关系特征；其中，所述第二用户节点对应所述第二用户。在一种实施方式中，所述至少基于所述第二关系特征，确定所述第二用户的第二特征数据的步骤，包括：获取用于表征所述第二用户的静态属性的第二属性特征，和/或，获取用于表征所述用户的个体资源敏感度的第二个体特征；其中，所述第二个体特征基于所述用户针对不同资源额度执行个体行为时对应的个体行为数据而提取得到；将所述第二关系特征与所述第二属性特征和/或所述第二个体特征进行融合，得到所述第二用户的第二特征数据。在一种实施方式中，所述分享行为数据包括不同类别的子分享行为数据；所述根据输出的所述分享行为数据对多个不同档位资源额度进行选择，根据选择结果确定针对所述第二用户分配的资源额度的步骤，包括：针对任意一个分享行为数据，根据多个类别的第二预设权重，对该分享行为数据中的子分享行为数据进行融合，得到该分享行为数据对应的评分值；根据得到的评分值对多个不同档位资源额度进行选择，根据选择结果确定针对所述第二用户分配的资源额度。第三方面，实施例提供了一种用于预测用户分享行为数据的预测模型训练装置，部署在计算机中，所述装置包括：第一获取模块，配置为基于分享关系图谱，获取第一用户的第一关系特征；其中，所述分享关系图谱用于表征多个用户之间的分享关系，包括多个用户节点以及用户节点之间存在分享关系时形成的连接边；第一确定模块，配置为至少基于所述第一关系特征，确定所述第一用户的第一特征数据；第二获取模块，配置为获取所述第一用户在接收到第一资源额度的资源之后的分享行为数据，作为标准数据；第一预测模块，配置为将所述第一特征数据和所述第本文档来自技高网...

【技术保护点】
1.一种用于预测用户分享行为数据的预测模型训练方法，通过计算机执行，所述方法包括：/n基于分享关系图谱，获取第一用户的第一关系特征；其中，所述分享关系图谱用于表征多个用户之间的分享关系，包括多个用户节点以及用户节点之间存在分享关系时形成的连接边；/n至少基于所述第一关系特征，确定所述第一用户的第一特征数据；/n获取所述第一用户在接收到第一资源额度的资源之后的分享行为数据，作为标准数据；/n将所述第一特征数据和所述第一资源额度输入预测模型，通过所述预测模型输出所述第一用户针对所述第一资源额度的分享行为的预测数据；/n根据所述标准数据与所述预测数据的比较，确定第一预测损失；/n向使得所述第一预测损失减小的方向，更新所述预测模型。/n

【技术特征摘要】
1.一种用于预测用户分享行为数据的预测模型训练方法，通过计算机执行，所述方法包括：
基于分享关系图谱，获取第一用户的第一关系特征；其中，所述分享关系图谱用于表征多个用户之间的分享关系，包括多个用户节点以及用户节点之间存在分享关系时形成的连接边；
至少基于所述第一关系特征，确定所述第一用户的第一特征数据；
获取所述第一用户在接收到第一资源额度的资源之后的分享行为数据，作为标准数据；
将所述第一特征数据和所述第一资源额度输入预测模型，通过所述预测模型输出所述第一用户针对所述第一资源额度的分享行为的预测数据；
根据所述标准数据与所述预测数据的比较，确定第一预测损失；
向使得所述第一预测损失减小的方向，更新所述预测模型。


2.根据权利要求1所述的方法，所述基于分享关系图谱，获取第一用户的第一关系特征的步骤，包括：
通过图神经网络模型，利用所述分享关系图谱中第一用户节点及其邻居节点集的数据，进行多级特征聚合，得到所述第一用户的第一关系特征；其中，所述第一用户节点对应所述第一用户。


3.根据权利要求2所述的方法，所述向使得所述第一预测损失减小的方向，更新所述预测模型的步骤，包括：
向使得所述第一预测损失减小的方向，更新所述预测模型和所述图神经网络模型。


4.根据权利要求1所述的方法，所述至少基于所述第一关系特征，确定所述第一用户的第一特征数据的步骤，包括：
获取用于表征所述第一用户的静态属性的第一属性特征，和/或，获取用于表征所述第一用户的个体资源敏感度的第一个体特征；其中，所述第一个体特征基于所述第一用户针对不同资源额度执行个体行为时对应的个体行为数据而提取得到；
将所述第一关系特征与所述第一属性特征和/或所述第一个体特征进行融合，得到所述第一用户的第一特征数据。


5.根据权利要求1所述的方法，所述分享行为数据包括不同类别的子分享行为数据；
所述根据所述标准数据与所述预测数据的比较，确定第一预测损失的步骤，包括：
将所述标准数据与所述预测数据中同类别的子分享行为数据分别进行比较，得到多个类别的预测损失；
根据多个类别的第一预设权重，对多个类别的预测损失进行融合，得到所述第一预测损失。


6.根据权利要求1所述的方法，所述基于分享关系图谱，获取第一用户的第一关系特征的步骤，包括：
获取所述分享关系图谱的邻接矩阵；
对所述邻接矩阵进行特征值分解，利用特征值分解结果，确定所述邻接矩阵的节点向量矩阵；
从所述节点向量矩阵中读取所述第一用户对应的第一节点向量，作为所述第一关系特征。


7.一种确定用户资源额度以对用户进行资源分配的方法，通过计算机执行，所述方法包括：
基于分享关系图谱，获取待分配资源的第二用户的第二关系特征；其中，所述分享关系图谱用于表征多个用户之间的分享关系，包括多个用户节点以及用户节点之间存在分享关系时形成的连接边；
至少基于所述第二关系特征，确定所述第二用户的第二特征数据；
将所述第二特征数据和多个不同档位资源额度输入预测模型，通过所述预测模型输出所述第二用户针对所述多个不同档位资源额度的分享行为数据；其中，所述预测模型采用权利要求1所述的方法训练完成；
根据输出的所述分享行为数据对多个不同档位资源额度进行选择，根据选择结果确定针对所述第二用户分配的资源额度。


8.根据权利要求7所述的方法，所述根据输出的所述分享行为数据对多个不同档位资源额度进行选择，根据选择结果确定针对所述第二用户分配的资源额度的步骤，包括：
获取待分配资源的剩余总资源；
按照输出的所述分享行为数据的大小对多个不同档位资源额度进行排序，并从排序结果中选择一个不大于所述剩余总资源的档位资源额度，作为针对所述第二用户分配的资源额度。


9.根据权利要求7所述的方法，所述基于分享关系图谱，获取待分配资源的第二用户的第二关系特征的步骤，包括：
通过图神经网络模型，利用所述分享关系图谱中第二用户节点及其邻居节点集的数据，进行多级特征聚合，得到所述第二用户的第二关系特征；其中，所述第二用户节点对应所述第二用户。


10.根据权利要求7所述的方法，所述至少基于所述第二关系特征，确定所述第二用户的第二特征数据的步骤，包括：
获取用于表征所述第二用户的静态属性的第二属性特征，和/或，获取用于表征所述用户的个体资源敏感度的第二个体特征；其中，所述第二个体特征基于所述用户针对不同资源额度执行个体行为时对应的个体行为数据而提取得到；
将所述第二关系特征与所述第二属性特征和/或所述第二个体特征进行融合，得到所述第二用户的第二特征数据。


11.根据权利要求7所述的方法，所述分享行为数据包括不同类别的子分享行为数据；
所述根据输出的所述分享行为数据对多个不同档位资源额度进行选择，根据选择结果确定针对所述第二用户分配的资源额度的步骤，包括：
针对任意一个所述分享行为数据，根据多个类别的第二预设权重，对该分享行为数据中的子分享行为数据进行融合，得到该分享行为数据对应的评分值；
根据得到的评分值对多个不同档位资源额度进行选择，根据选择结果确定针对所述第二用户分配的资源额度。


12.一种用于预测用户分享行为数据的预...

【专利技术属性】
技术研发人员：申月，刘子奇，王东，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33