一种核身推荐模型训练方法及装置制造方法及图纸

本说明书公开了一种核身推荐模型训练方法及装置。所述方法包括：获取训练样本集合；所述训练样本集合包括不同业务场景中标注有核身产品推荐标签的训练样本；根据所述训练样本集合，预训练所述表征模型；预训练后的表征模型用于将输入的样本特征映射到第一向量空间中，针对相同推荐标签的样本减小第一向量空间映射结果之间的距离；获取任一业务场景中的若干训练样本，将所获取的训练样本输入所述预训练后的表征模型得到第一向量空间映射结果，根据所获取训练样本的第一向量空间映射结果和核身产品推荐标签，训练该业务场景对应的预测模型。模型。模型。

【技术实现步骤摘要】
一种核身推荐模型训练方法及装置


[0001]本说明书实施例涉及推荐领域，尤其涉及一种核身推荐模型训练方法及装置。

技术介绍

[0002]目前，移动终端上存在较多的业务场景需要核验用户身份，例如支付、登录、查询用户信息等。
[0003]针对这些业务场景，通常可以为用户推荐合适的核身产品用于核验用户身份。而如何确定推荐的核身产品，由于不同业务场景的需求不同，通常可以针对不同的业务场景，从头开始训练不同的核身产品推荐模型进行推荐。
[0004]但是这种方式耗费资源较多，模型训练效率低下。

技术实现思路

[0005]为了解决上述技术问题，本说明书实施例提供了一种核身推荐模型训练方法及装置。技术方案如下所示。
[0006]一种核身推荐模型训练方法，所述核身推荐模型包括表征模型和至少两个预测模型，不同预测模型分别对应于不同的业务场景；所述预测模型用于在对应业务场景中预测待推荐核身产品；所述方法包括：
[0007]获取训练样本集合；所述训练样本集合包括不同业务场景中标注有核身产品推荐标签的训练样本；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种核身推荐模型训练方法，所述核身推荐模型包括表征模型和至少两个预测模型，不同预测模型分别对应于不同的业务场景；所述预测模型用于在对应业务场景中预测待推荐核身产品；所述方法包括：获取训练样本集合；所述训练样本集合包括不同业务场景中标注有核身产品推荐标签的训练样本；根据所述训练样本集合，预训练所述表征模型；预训练后的表征模型用于将输入的样本特征映射到第一向量空间中，针对相同推荐标签的样本减小第一向量空间映射结果之间的距离；获取任一业务场景中的若干训练样本，将所获取的训练样本输入所述预训练后的表征模型得到第一向量空间映射结果，根据所获取训练样本的第一向量空间映射结果和核身产品推荐标签，训练该业务场景对应的预测模型。2.根据权利要求1所述的方法，所述训练样本集合中的训练样本特征包括移动终端运动数据；所述表征模型包括运动数据表征子模型；所述预训练所述表征模型，包括：将所述训练样本集合中任一训练样本的原始运动数据输入所述运动数据表征子模型中；所述运动数据表征子模型用于：根据输入的原始运动数据，得到与原始运动数据相似的两个不同运动数据，并将所得到的两个不同运动数据分别映射到第二向量空间，再确定第二向量空间映射结果之间的距离；针对所述运动数据表征子模型进行迭代训练，以减小第二向量空间映射结果之间的距离；所述第一向量空间映射结果包括训练后的运动数据表征子模型的第二向量空间映射结果。3.根据权利要求2所述的方法，所述两个不同运动数据包括：与原始运动数据在时域上相似的一个运动数据，以及与原始运动数据在频域上相似的一个运动数据。4.根据权利要求2所述的方法，所述根据输入的原始运动数据，得到与原始运动数据相似的两个不同运动数据，包括：根据输入的原始运动数据，得到与原始运动数据相似且形式相同的两个不同运动数据；所得到的不同运动数据是时域数据；将所得到的其中一个运动数据变换为频域数据，得到与原始运动数据相似且形式不同的两个不同运动数据。5.根据权利要求2所述的方法，所述训练样本集合中的训练样本特征包括历史核身序列；所述表征模型包括历史表征子模型；所述预训练所述表征模型，包括：根据所述训练样本集合中任一训练样本的历史核身序列，构建自监督样本；所构...

【专利技术属性】
技术研发人员：王宁涛，吕乐，周璟，傅幸，范东云，杨阳，
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：