一种用户转化率的确定方法及相关设备技术

本申请提供了一种用户转化率的确定方法及相关设备，在模型的训练过程中，通过机器学习的方式综合考虑了多任务中任务之间的相关性，在通过模型预测多任务模式中用户的转化率时，提高预测的准确性。该方法包括：确定目标任务的预测偏差；确定N个任务中与目标任务具有相关性的父任务对应的目标指标；根据预测偏差以及目标指标确定目标任务的权重；根据目标任务的权重以及目标任务的损失函数确定N个任务对应的损失函数；基于N个任务对应的损失函数更新预设模型的模型参数；获取目标用户在目标业务对应的M个任务中每个任务的标签；基于目标用户在目标业务对应的M个任务中每个任务的标签以及更新模型参数后的预设模型确定目标用户的转化率。

【技术实现步骤摘要】
一种用户转化率的确定方法及相关设备
本申请涉及通信领域，尤其涉及一种用户转化率的确定方法及相关设备。
技术介绍
对于多任务学习，核心难点就是如何配置各个任务自身的Loss，生成一个总体的Loss来优化整个多任务学习的模型。常用的做法是根据业务目标重要度设置损失函数Loss，比如需要同时优化点击率和播放时长，可以根据业务对各个目标的重要度，对这两个输出的Loss配上不同的权重后相加，另一种做法是根据任务泛化性来设置权重，也即根据各个目标在未知数据集上表现的效果来配置权重，如果效果越好，权重越大。在实际应用中，在预测用户在相关型的多任务中的转化率来说，由于目前的模型都是认为任务和任务之间是相对独立的，通过模型进行预测时，预测到的用户的转化率并不准确。
技术实现思路
本申请提供了一种用户转化率的确定方法及相关设备，在模型更新参数的过程中综合考虑了任务之间的相关性，在通过模型预测多任务模式中用户的转化率时，提高预测的准确性。本申请第一方面提供了一种用户转化率的确定方法，包括：根据第一目标标签确定目标任务的预测偏差，所述第一目标标签为第一训练样本在所述目标任务上的标签，所述目标任务为相关型的N个任务中的任意一个任务，N为大于或等于2的正整数；确定所述N个任务中与所述目标任务具有相关性的父任务对应的目标指标；根据所述预测偏差以及所述N个任务中与所述目标任务具有相关性的父任务对应的目标指标确定所述目标任务的权重；根据所述目标任务的权重以及所述目标任务的损失函数确定所述N个任务对应的损失函数；基于所述N个任务对应的损失函数更新预设模型的模型参数；获取目标用户在目标业务对应的M个任务中每个任务的标签，其中，M个任务为相关型的任务，且M为大于或等于2的正整数；基于所述目标用户在所述目标业务对应的M个任务中每个任务的标签以及更新模型参数后的所述预设模型确定所述目标用户的转化率。可选地，所述根据第一目标标签确定所述目标任务的预测偏差包括：基于所述预设模型确定所述目标任务的预测得分；根据所述预测得分以及所述第一目标标签确定所述目标任务的预测偏差。可选地，所述方法还包括：根据第一任务的权重确定M个训练样本对应的损失函数的平均值，所述第一任务为所述M个训练样本对应至少两个任务中的任意一个任务，M为大于或等于1的正整数；基于所述平均值更新所述预设模型的模型参数。可选地，所述根据目标任务的权重以及所述目标任务的损失函数确定所述N个任务对应的损失函数包括：基于所述目标任务的权重对所述N个任务中每个任务的损失函数进行加权计算，得到所述N个任务对应的损失函数。可选地，所述确定所述N个任务中与所述目标任务具有相关性的父任务对应的目标指标包括：获取第二训练样本在目标父任务上第二目标标签，所述目标父任务为所述N个任务中与所述目标任务具有相关性的父任务中的任意一个任务；确定所述目标父任务对应的预测分数；根据所述第二目标标签以及所述目标父任务对应的预测分数确定所述N个任务中与所述目标任务具有相关性的父任务对应的目标指标。本申请第二方面提供了一种用户转化率的确定装置，包括：第一确定单元，用于根据第一目标标签确定目标任务的预测偏差，所述第一目标标签为第一训练样本在所述目标任务上的标签，所述目标任务为相关型的N个任务中的任意一个任务，N为大于或等于2的正整数；第二确定单元，用于确定所述N个任务中与所述目标任务具有相关性的父任务对应的目标指标；第三确定单元，用于根据所述预测偏差以及所述N个任务中与所述目标任务具有相关性的父任务对应的目标指标确定所述目标任务的权重；第四确定单元，用于根据所述目标任务的权重以及所述目标任务的损失函数确定所述N个任务对应的损失函数；更新单元，用于基于所述N个任务对应的损失函数更新预设模型的模型参数；获取单元，用于获取目标用户在目标业务对应的M个任务中每个任务的标签，其中，M个任务为相关型的任务，且M为大于或等于2的正整数；第五确定单元，用于基于所述目标用户在所述目标业务对应的M个任务中每个任务的标签以及更新模型参数后的所述预设模型确定所述目标用户的转化率。可选地，所述第一确定单元具体用于：基于所述预设模型确定所述目标任务的预测得分；根据所述预测得分以及所述第一目标标签确定所述目标任务的预测偏差。可选地，所述更新单元具体用于：根据第一任务的权重确定M个训练样本对应的损失函数的平均值，所述第一任务为所述M个训练样本对应至少两个任务中的任意一个任务，M为大于或等于1的正整数；基于所述平均值更新预设模型的模型参数。可选地，所述第四确定单元具体用于：基于所述目标任务的权重对所述N个任务中每个任务的损失函数进行加权计算，得到所述N个任务对应的损失函数。可选地，所述第二确定单元具体用于：获取第二训练样本在目标父任务上第二目标标签，所述目标父任务为所述N个任务中与所述目标任务具有相关性的父任务中的任意一个任务；确定所述目标父任务对应的预测分数；根据所述第二目标标签以及所述目标父任务对应的预测分数确定所述N个任务中与所述目标任务具有相关性的父任务对应的目标指标。本申请第三方面提供了一种计算机装置，其包括至少一个连接的处理器、存储器和收发器，其中，所述存储器用于存储程序代码，所述程序代码由所述处理器加载并执行以实现上述所述的用户转化率的确定方法的步骤。本申请第四方面提供了一种计算机可读存储介质，其包括指令，当其在计算机上运行时，使得计算机执行上述所述的用户转化率的确定方法的步骤。综上所述，可以看出，本申请提供的实施例中，用户转化率的确定装置通过相关型的N个任务中每个任务的权重确定每个任务的损失函数，并通过每个任务的损失函数确定N个任务对应的损失函数，进而更新预设模型的模型参数，而在计算每个任务的权重时，综合考虑目标任务与该目标任务的父任务之间的相关性，这样可以使得预设模型的参数更新更加贴合相关型任务，进而在应用模型对用户转化率进行预测时，由于模型参数更新时，综合考虑了任务之间的相关性，在通过模型预测多任务模式中用户的转化率时，提高预测的准确性。附图说明图1为本申请实施例提供的用户转化率的确定方法的流程示意图；图2为本申请实施例提供的不同LOSS相加方式AUC比较示意图；图3为本申请实施例提供的用户转化率的确定装置的虚拟结构示意图；图4为本申请实施例提供的终端设备的硬件结构示意图；图5为本申请实施例提供的服务器的硬件结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。本申请的说明书和权利要求书及上述附图中的术语“第一”、“第本文档来自技高网...

【技术保护点】
1.一种用户转化率的确定方法，其特征在于，包括：/n根据第一目标标签确定目标任务的预测偏差，所述第一目标标签为第一训练样本在所述目标任务上的标签，所述目标任务为相关型的N个任务中的任意一个任务，N为大于或等于2的正整数；/n确定所述N个任务中与所述目标任务具有相关性的父任务对应的目标指标；/n根据所述预测偏差以及所述N个任务中与所述目标任务具有相关性的父任务对应的目标指标确定所述目标任务的权重；/n根据所述目标任务的权重以及所述目标任务的损失函数确定所述N个任务对应的损失函数；/n基于所述N个任务对应的损失函数更新预设模型的模型参数；/n获取目标用户在目标业务对应的M个任务中每个任务的标签，其中，M个任务为相关型的任务，且M为大于或等于2的正整数；/n基于所述目标用户在所述目标业务对应的M个任务中每个任务的标签以及更新模型参数后的所述预设模型确定所述目标用户的转化率。/n

【技术特征摘要】
1.一种用户转化率的确定方法，其特征在于，包括：
根据第一目标标签确定目标任务的预测偏差，所述第一目标标签为第一训练样本在所述目标任务上的标签，所述目标任务为相关型的N个任务中的任意一个任务，N为大于或等于2的正整数；
确定所述N个任务中与所述目标任务具有相关性的父任务对应的目标指标；
根据所述预测偏差以及所述N个任务中与所述目标任务具有相关性的父任务对应的目标指标确定所述目标任务的权重；
根据所述目标任务的权重以及所述目标任务的损失函数确定所述N个任务对应的损失函数；
基于所述N个任务对应的损失函数更新预设模型的模型参数；
获取目标用户在目标业务对应的M个任务中每个任务的标签，其中，M个任务为相关型的任务，且M为大于或等于2的正整数；
基于所述目标用户在所述目标业务对应的M个任务中每个任务的标签以及更新模型参数后的所述预设模型确定所述目标用户的转化率。


2.根据权利要求1所述的方法，其特征在于，所述根据第一目标标签确定所述目标任务的预测偏差包括：
基于所述预设模型确定所述目标任务的预测得分；
根据所述预测得分以及所述第一目标标签确定所述目标任务的预测偏差。


3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据第一任务的权重确定M个训练样本对应的损失函数的平均值，所述第一任务为所述M个训练样本对应至少两个任务中的任意一个任务，M为大于或等于1的正整数；
基于所述平均值更新所述预设模型的模型参数。


4.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据目标任务的权重以及所述目标任务的损失函数确定所述N个任务对应的损失函数包括：
基于所述目标任务的权重对所述N个任务中每个任务的损失函数进行加权计算，得到所述N个任务对应的损失函数。


5.根据权利要求1至3中任一项所述的方法，其特征在于，所述确定所述N个任务中与所述目标任务具有相关性的父任务对应的目标指标包括：
获取第二训练样本在目标父任务上第二目标标签，所述目标父任务为所述N个任务中与所述目标任务具有相关性的父任务中的任意一个任务；
确定所述目标父任务对应的预测分数；
根据所述第二...

【专利技术属性】
技术研发人员：叶佳木，余传伟，李追日，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44