本公开提供了一种模型训练方法，该方法包括：获取样本特征向量，样本特征向量用于表征用户对推广内容的行为的属性；根据样本特征向量和至少一个辅助任务网络，获得至少一个辅助特征向量，至少一个辅助任务网络用于辅助训练主任务网络，至少一个辅助任务网络的目标函数不同于主任务网络的目标函数；对样本特征向量和至少一个辅助特征向量进行融合，获得第一融合向量；将第一融合向量输入到主任务网络，得到主任务网络的输出，根据主任务网络的输出和第一融合向量的标签值以及主任务网络的目标函数确定第一损失值；根据第一损失值更新主任务网络的权重，直至主任务网络满足第一训练停止条件。该方法能够实现针对单一核心目标的优化，满足业务需求。满足业务需求。满足业务需求。
【技术实现步骤摘要】
模型训练方法、推广内容的处理方法及相关装置
[0001]本公开涉及人工智能
，尤其涉及模型训练方法、推广内容的处理方法、装置、设备、计算机可读存储介质以及计算机程序产品。
技术介绍
[0002]转化率(conversion rate，CVR)是指向用户推送一次推广内容(例如广告)后，该用户对该推广内容中被推广的对象(例如数码产品、旅游景点、文艺作品等)愿意消费、甚至进行消费的概率。一般地，可以通过训练人工智能模型，然后基于该人工智能模型，预测用户被推广内容转化的概率。
[0003]目前，在训练人工智能模型过程中，为了引入更多的先验知识，利用多个目标作为监督，同时优化多个目标在该人工智能模型的性能。其中，多个目标可以是用户对推广内容的观看时长、用户点击的推广内容的呈现类型、用户点击的推广内容中被推广的对象信息等。
[0004]然而，对于推广内容而言，人工智能模型仅需要优化预测转化率这一核心目标，如何在多目标场景下实现单一核心目标的优化，是业界亟需解决的技术问题。
技术实现思路
[0005]本公开的目的在于：提供了模型训练方法、推广内容的处理方法、装置、设备、计算机可读存储介质以及计算机程序产品，能够实现针对单一核心目标的优化，满足业务需求。
[0006]第一方面，本公开提供了一种模型训练方法，所述方法包括：
[0007]获取样本特征向量，所述样本特征向量用于表征用户对推广内容的行为的属性；
[0008]根据所述样本特征向量和至少一个辅助任务网络，获得至少一个辅助特征向量，所述至少一个辅助任务网络用于辅助训练主任务网络，所述至少一个辅助任务网络的目标函数不同于所述主任务网络的目标函数；
[0009]对所述样本特征向量和所述至少一个辅助特征向量进行融合，获得第一融合向量；
[0010]将所述第一融合向量输入到所述主任务网络，得到所述主任务网络的输出，根据所述主任务网络的输出和所述第一融合向量的标签值以及所述主任务网络的目标函数确定第一损失值；
[0011]根据所述第一损失值更新所述主任务网络的权重，直至所述主任务网络满足第一训练停止条件。
[0012]第二方面，本公开提供了一种推广内容的处理方法，包括：
[0013]获取用户对推广内容的行为的属性；
[0014]根据所述用户对所述推广内容的行为的属性和转化率模型，获得所述用户被所述推广内容转化的转化率；其中，所述转化率模型包括主任务网络和至少一个辅助任务网络；所述主任务网络基于第一融合向量训练得到，所述第一融合向量基于样本特征向量和至少
一个辅助特征向量进行融合得到，所述至少一个辅助特征向量基于所述样本特征向量和至少一个辅助任务网络得到；
[0015]根据所述用户被所述推广内容转化的转化率，对所述推广内容进行处理。
[0016]第三方面，本公开提供了一种模型训练装置，所述装置包括：
[0017]样本获取单元，用于获取样本特征向量，所述样本特征向量用于表征用户对推广内容的行为的属性；
[0018]向量融合单元，用于根据所述样本特征向量和至少一个辅助任务网络，获得至少一个辅助特征向量，所述至少一个辅助任务网络用于辅助训练主任务网络，所述至少一个辅助任务网络的目标函数不同于所述主任务网络的目标函数；对所述样本特征向量和所述至少一个辅助特征向量进行融合，获得第一融合向量；
[0019]模型训练单元，用于将所述第一融合向量输入到所述主任务网络，得到所述主任务网络的输出，根据所述主任务网络的输出和所述第一融合向量的标签值以及所述主任务网络的目标函数确定第一损失值；根据所述第一损失值更新所述主任务网络的权重，直至所述主任务网络满足第一训练停止条件。
[0020]第四方面，本公开提供了一种推广内容的处理装置，包括：
[0021]获取单元，用于获取用户对推广内容的行为的属性；
[0022]预测单元，用于根据所述用户对所述推广内容的行为的属性和转化率模型，获得所述用户被所述推广内容转化的转化率；其中，所述转化率模型包括主任务网络和至少一个辅助任务网络；所述主任务网络基于第一融合向量训练得到，所述第一融合向量基于样本特征向量和至少一个辅助特征向量进行融合得到，所述至少一个辅助特征向量基于所述样本特征向量和至少一个辅助任务网络得到；
[0023]处理单元，用于根据所述用户被所述推广内容转化的转化率，对所述推广内容进行处理。
[0024]第五方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面或第二方面中任一项所述方法的步骤。
[0025]第六方面，本公开提供一种电子设备，包括：
[0026]存储装置，其上存储有计算机程序；
[0027]处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面或第二方面中任一项所述方法的步骤。
[0028]第七方面，本公开提供了一种包含指令的计算机程序产品，当其在设备上运行时，使得设备执行上述第一方面或第二方面的任一种实现方式所述的方法。
[0029]从以上技术方案可以看出，本公开具有如下优点：
[0030]本公开提供了一种模型训练方法，先获取样本特征向量，该样本特征向量用于表征用户对推广内容的行为的属性；根据该样本特征向量和至少一个辅助任务网络，得到至少一个辅助特征向量；其中，至少一个辅助任务网络，至少一个辅助任务网络的目标函数不同于主任务网络的目标函数；然后将样本特征向量与至少一个辅助特征向量进行融合，得到第一融合向量，再把第一融合向量输入到主任务网络，得到主任务网络的输出，根据主任务网络的输出和第一融合向量的标签值以及主任务网络的目标函数确定第一损失值。如此，通过至少一个辅助任务网络得到至少一个辅助特征向量与样本特征向量进行融合得到
第一融合向量后，基于第一融合向量的标签值、主任务网络的输出以及主任务网络的目标函数，能够实现有偏向性地优化至少一个辅助任务网络，以辅助训练主任务网络，更新主任务网络的权重。当待训练的模型满足训练停止条件时，能够训练得到具有偏向性的模型，以在多目标场景下实现单一核心目标的优化，满足业务需求。
[0031]本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0032]为了更清楚地说明本公开实施例的技术方法，下面将对实施例中所需使用的附图作以简单地介绍。
[0033]图1为本公开实施例提供的一种模型训练系统的系统架构图；
[0034]图2为本公开实施例提供的一种模型训练方法的流程图；
[0035]图3为本公开实施例提供的一种多目标优化的示意图；
[0036]图4为本公开实施例提供的又一种模型训练方法的流程图；
[0037]图5为本公开实施例提供的又一种多目标优化的示意图；
[0038]图6为本公开实施例提供的一种推广内容的处理方法的流程图；
[0039]图7本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法，其特征在于，所述方法包括：获取样本特征向量，所述样本特征向量用于表征用户对推广内容的行为的属性；根据所述样本特征向量和至少一个辅助任务网络，获得至少一个辅助特征向量，所述至少一个辅助任务网络用于辅助训练主任务网络，所述至少一个辅助任务网络的目标函数不同于所述主任务网络的目标函数；对所述样本特征向量和所述至少一个辅助特征向量进行融合，获得第一融合向量；将所述第一融合向量输入到所述主任务网络，得到所述主任务网络的输出，根据所述主任务网络的输出和所述第一融合向量的标签值以及所述主任务网络的目标函数确定第一损失值；根据所述第一损失值更新所述主任务网络的权重，直至所述主任务网络满足第一训练停止条件。2.根据权利要求1所述的方法，其特征在于，所述至少一个辅助任务网络中的每个辅助任务网络包括特征提取子网络和输出子网络，所述特征提取子网络用于进行特征提取获得所述辅助特征向量，所述输出子网络用于根据所述辅助特征向量获得所述辅助任务网络的输出；所述方法还包括：根据所述辅助任务网络的输出和所述样本特征向量的标签值以及所述辅助任务网络的目标函数确定第二损失值；根据所述第二损失值更新所述辅助任务网络的权重，直至所述辅助任务网络满足第二训练停止条件。3.根据权利要求1所述的方法，其特征在于，所述至少一个辅助任务网络中的每个辅助任务网络连接有共享网络和与所述辅助任务网络对应的分离网络，所述每个辅助任务网络的输入为所述样本特征向量的共享分量和独立分量确定的第二融合向量，所述共享分量为所述样本特征向量输入至所述共享网络得到，所述独立分量为所述样本特征向量输入至所述分离网络得到。4.根据权利要求3所述的方法，其特征在于，所述至少一个辅助任务网络包括至少一个分组，每个分组对应一个分离网络。5.根据权利要求1所述的方法，其特征在于，所述对所述样本特征向量和所述至少一个辅助特征向量进行融合，获得第一融合向量，包括：根据所述至少一个辅助特征向量的系数，对所述样本特征向量和所述至少一个辅助特征向量进行融合，获得第一融合向量；所述方法还包括：根据所述第一损失值，调整所述至少一个辅助特征向量的系数。6.根据权利要求1
‑
5中任一项所述的方法，其特征在于，所述主任务网络用于获得所述用户被所述推广内容转化的转化率；所述至少一个辅任务网络用于获得所述用户对所述推广内容的观看时长、所述用户点击的推广内容的呈现类型或所述用户点击的推广内容中被推广的对象信息。7.一种推广内容的处理方法，其特征在于，包括：获取用户对推广内容的行为的属性；
根据所述用户对所述推广内容的行为的属性和转化率模型，获得所述用户被所述推广内容转化的转化率；其中，所述转化率模型包括主任务网络和至少一个辅助任务网络；所述主任...
【专利技术属性】
技术研发人员：吴寅初，佘琪，赵修影，
申请(专利权)人：北京有竹居网络技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。