用于输出数据指标的方法、模型训练方法及装置制造方法及图纸

本公开提供了用于输出数据指标的方法、模型训练方法及装置，涉及人工智能技术领域，具体为内容推荐技术领域。具体实现方案为：获取数据指标集合；响应于确定存在预先训练完成的权重生成模型，基于权重生成模型，确定数据指标集合中各个数据指标对应的目标权重；基于各个数据指标对应的目标权重，确定各个数据指标的输出顺序；按照输出顺序输出各个数据指标。本实现方式可以提高内容展示的智能化程度。本实现方式可以提高内容展示的智能化程度。本实现方式可以提高内容展示的智能化程度。

【技术实现步骤摘要】
用于输出数据指标的方法、模型训练方法及装置


[0001]本公开涉及人工智能
，具体为内容推荐


技术介绍

[0002]目前，随着信息技术的不断发展，用户从各类渠道所获取的内容越来越多。
[0003]在实践中发现，这些内容的展示往往杂乱无序，需要用户根据自己的需求选择相应的内容查看方式，例如根据自己的需求选择对内容进行查看的顺序。可见，现在的内容展示方式存在着智能化程度较低的问题。

技术实现思路

[0004]本公开提供了一种用于输出数据指标的方法、模型训练方法及装置。
[0005]根据本公开的一方面，提供了一种用于输出数据指标的方法，包括：获取数据指标集合；响应于确定存在预先训练完成的权重生成模型，基于所述权重生成模型，确定所述数据指标集合中各个数据指标对应的目标权重；基于各个数据指标对应的目标权重，确定各个数据指标的输出顺序；按照所述输出顺序输出各个数据指标。
[0006]根据本公开的另一方面，提供了一种模型训练方法，包括：获取样本数据指标对集合以及样本单数据指标集合；确定所述样本数据指标对集合对应的第一损失函数，以及所述样本单数据指标集合对应的第二损失函数；基于所述样本数据指标对集合、所述样本单数据指标集合、所述第一损失函数以及所述第二损失函数，对待训练模型进行交替训练，得到权重生成模型。
[0007]根据本公开的另一方面，提供了一种用于输出数据指标的装置，包括：
[0008]指标获取单元，被配置成获取数据指标集合；权重确定单元，被配置成响应于确定存在预先训练完成的权重生成模型，基于所述权重生成模型，确定所述数据指标集合中各个数据指标对应的目标权重；顺序确定单元，被配置成基于各个数据指标对应的目标权重，确定各个数据指标的输出顺序；指标输出单元，被配置成按照所述输出顺序输出各个数据指标。
[0009]根据本公开的另一方面，提供了一种模型训练装置，包括：样本获取单元，被配置成获取样本数据指标对集合以及样本单数据指标集合；损失函数确定单元，被配置成确定所述样本数据指标对集合对应的第一损失函数，以及所述样本单数据指标集合对应的第二损失函数；模型训练单元，被配置成基于所述样本数据指标对集合、所述样本单数据指标集合、所述第一损失函数以及所述第二损失函数，对待训练模型进行交替训练，得到权重生成模型。
[0010]根据本公开的另一方面，提供了一种电子设备，包括：一个或多个处理器；存储器，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任意一项用于输出数据指标的方法或者模型训练方法。
[0011]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储
介质，其中，计算机指令用于使计算机执行如上任意一项用于用于输出数据指标的方法或者模型训练方法。
[0012]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如上任意一项用于用于输出数据指标的方法或者模型训练方法。
[0013]根据本公开的技术，提供一种用于输出数据指标的方法或者模型训练方法，能够提高数据指标展示的智能化程度，提升用户体验。
[0014]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0015]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0016]图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
[0017]图2是根据本公开的用于输出数据指标的方法的一个实施例的流程图；
[0018]图3是根据本公开的用于输出数据指标的方法的一个应用场景的示意图；
[0019]图4是根据本公开的用于输出数据指标的方法的一个应用软件的软件界面示意图；
[0020]图5是根据本公开的用于输出数据指标的方法的另一个实施例的流程图；
[0021]图6是根据本公开的模型训练方法的一个实施例的流程图；
[0022]图7是根据本公开的用于输出数据指标的装置的一个实施例的结构示意图；
[0023]图8是根据本公开的模型训练装置的一个实施例的结构示意图；
[0024]图9是用来实现本公开实施例的用于输出数据指标的方法或者模型训练方法的电子设备的框图。
具体实施方式
[0025]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0026]需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
[0027]如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0028]终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。其中，终端设备101、102、103可以通过网络104获取服务器105返回的各个数据指标以及各个数据指标对应的目标权重，按照各个数据指标对应的目标权重，将权重较大的数据指标确定为输出顺序靠前，将权重较小的数据指标确定为输出顺序靠后，按照输出数据顺序输出各个数据指标。
[0029]终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬
件时，可以是各个电子设备，包括但不限于手机、电脑、平板等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
[0030]服务器105可以是提供各种服务的服务器，例如，服务器105可以获取需要进行输出的数据指标集合，并在存在权重生成模型的情况下，基于权重生成模型，确定各个数据指标对应的目标权重，并将目标权重和各个数据指标通过网络104发送给终端设备101、102、103，以使终端设备101、102、103按照基于目标权重确定输出顺序，并按照输出顺序输出各个数据指标。
[0031]其中，服务器105还可以通过网络104获取终端设备101、102、103历史输出的数据指标对应的用户点击情况，基于用户点击情况获取样本数据指标对集合以及样本单数据指标集合，以及基于样本数据指标对集合、样本单数据指标集合、样本数据指标对集合对应的第一损失函数、以及样本单数据指标集合对应的第二损失函数，对待本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于输出数据指标的方法，包括：获取数据指标集合；响应于确定存在预先训练完成的权重生成模型，基于所述权重生成模型，确定所述数据指标集合中各个数据指标对应的目标权重；基于各个数据指标对应的目标权重，确定各个数据指标的输出顺序；按照所述输出顺序输出各个数据指标。2.根据权利要求1所述的方法，还包括：响应于确定不存在所述权重生成模型，对于每个数据指标，确定该数据指标对应的初始权重；响应于确定该数据指标的指标值异常，基于所述初始权重和预设的加权权重，得到该数据指标对应的目标权重。3.根据权利要求2所述的方法，还包括：响应于确定该数据指标的指标值正常，将该数据指标对应的初始权重，确定为该数据指标对应的目标权重。4.根据权利要求1所述的方法，其中，所述基于各个数据指标对应的目标权重，确定各个数据指标的输出顺序，包括：基于各个数据指标对应的目标权重，对各个数据指标进行排序；响应于确定在所述排序中存在目标权重相同的数据指标，基于指标字段，确定所述目标权重相同的数据指标之间的排序；将各个数据指标之间的排序，确定为各个数据指标的输出顺序。5.一种模型训练方法，包括：获取样本数据指标对集合以及样本单数据指标集合；确定所述样本数据指标对集合对应的第一损失函数，以及所述样本单数据指标集合对应的第二损失函数；基于所述样本数据指标对集合、所述样本单数据指标集合、所述第一损失函数以及所述第二损失函数，对待训练模型进行交替训练，得到权重生成模型。6.根据权利要求5所述的方法，其中，所述获取样本数据指标对集合，包括：获取各个历史数据指标对应的输出顺序和点击顺序；基于输出顺序和点击顺序不匹配的历史数据指标，确定所述样本数据指标对集合。7.根据权利要求5所述的方法，其中，所述基于所述样本数据指标对集合、所述样本单数据指标集合、所述第一损失函数以及所述第二损失函数，对待训练模型进行交替训练，得到权重生成模型，包括：从所述样本数据指标对集合或者所述样本单数据指标集合中，确定初始样本，所述初始样本为样本数据指标对或者样本单数据指标；对所述初始样本执行以下训练步骤：响应于确定所述初始样本为所述样本数据指标对，基于所述待训练模型，确定所述样本数据指标对的预测权重；基于所述样本数据指标对的预测权重和所述第一损失函数，确定第一损失值；响应于确定所述第一损失值满足预设的收敛条件，将所述待训练模型确定为所述权重生成模型；或者
响应于确定所述初始样本为所述样本单数据指标，基于所述待训练模型，确定所述样本单数据指标的预测权重；基于所述样本单数据指标的预测权重和所述第二损失函数，确定第二损失值；响应于确定所述第二损失值满足所述预设的收敛条件，将所述待训练模型确定为所述权重生成模型。8.根据权利要求7所述的方法，还包括：响应于确定所述第一损失值不满足所述预设的收敛条件，从所述样本单数据指标集合中重新选取所述初始样本，并重复执行所述训练步骤。9.根据权利要求7所述的方法，还包括：响应于确定所述第二损失值不满足所述预设的收敛条件，从所述样本数据指标对集合中重新选取所述初始样本，并重复执行所述训练步骤。10.一种用于输出数据指标的装置，包括：指标获取单元，被配置成获取数据指标集合；权重确定单元，被配置成响应于确定存在预先训练完成的权重生成模型，基于所述权重生成模型，确定所述数据指标集合中各个数据指标对应的目标权重；顺序确定单元，被配置成基于各个数据指标对应的目标权重，确定各个数据指标的输出顺序；指标输出单元，被配置成按照所述输出顺序输出各个数据指标。11.根据...

【专利技术属性】
技术研发人员：徐伟，程鸣权，杨海涛，步君昭，蒋俊翔，骆金昌，刘欢，何伯磊，和为，陈坤斌，毛丽媛，周敏，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：