【技术实现步骤摘要】
信息处理方法、信息处理模型训练方法及装置
[0001]本公开涉及深度学习
，尤其涉及一种信息处理方法、信息处理模型训练方法及装置。
技术介绍
[0002]在信息投放以及信息推荐等相关场景中，对象属性信息的准确度至关重要。相关技术中，将对不同对象属性信息的预测作为独立任务，从而基于不同的对象属性信息分别进行建模，以得到与每项对象属性信息对应的预测模型，从而会造成模型训练资源的过度消耗；另外，对不同的对象需要采用不同的属性信息预测模型分别进行属性信息预测，从而导致对象属性信息预测效率低的问题。
技术实现思路
[0003]本公开提供一种信息处理方法、信息处理模型训练方法及装置，以至少解决相关技术中模型训练过程中的资源过度消耗，以及对象属性信息预测效率低的问题。本公开的技术方案如下：
[0004]根据本公开实施例的第一方面，提供一种信息处理方法，包括：
[0005]获取对象属性信息预测网络；所述对象属性信息预测网络包括共享特征提取网络以及多个权重控制网络；所述多个权重控制网络与多项对象属性信息一...
【技术保护点】
【技术特征摘要】
1.一种信息处理方法，其特征在于，包括：获取对象属性信息预测网络；所述对象属性信息预测网络包括共享特征提取网络以及多个权重控制网络；所述多个权重控制网络与多项对象属性信息一一对应；基于所述共享特征提取网络对目标对象的状态特征信息进行特征提取，得到共享特征信息；所述状态特征信息用于表征所述目标对象的环境特征以及历史数据特征；基于所述多项对象属性信息各自对应的权重控制网络，对所述共享特征信息进行加权处理，得到所述多项对象属性信息各自对应的加权特征信息；基于所述多项对象属性信息各自对应的加权特征信息，得到所述目标对象的多项预测对象属性信息。2.根据权利要求1所述的方法，其特征在于，所述共享特征提取网络中包括多个特征提取子网络；所述基于所述共享特征提取网络对目标对象的状态特征信息进行特征提取，得到共享特征信息，包括：基于所述多个特征提取子网络分别对所述状态特征信息进行特征提取，得到多项共享特征分量信息；基于所述多项共享特征分量信息，得到所述共享特征信息。3.根据权利要求2所述的方法，其特征在于，所述基于所述多项对象属性信息各自对应的权重控制网络，对所述共享特征信息进行加权处理，得到所述多项对象属性信息各自对应的加权特征信息，包括：基于每项对象属性信息对应的权重控制网络，对所述多项共享特征分量信息分别进行加权处理，得到每项对象属性信息对应的加权特征信息。4.根据权利要求1所述的方法，其特征在于，所述对象属性信息预测网络还包括多个私有特征提取网络；所述多个私有特征提取网络与所述多项对象属性信息一一对应；所述方法还包括：基于所述多个私有特征提取层对所述状态特征信息进行特征提取，得到与所述多项对象属性信息各自对应的私有特征信息；所述基于所述多项对象属性信息各自对应的加权特征信息，得到所述目标对象的多项预测对象属性信息，包括：基于所述加权特征信息以及所述多项对象属性信息各自对应的私有特征信息，得到所述目标对象的多项预测对象属性信息。5.一种信息处理模型训练方法，其特征在于，包括：获取样本数据；所述样本数据包括样本对象的样本对象特征序列，以及所述样本对象的多项样本属性信息；获取待训练预测模型；所述待训练预测模型包括共享特征提取网络以及多个权重控制网络；所述多个权重控制网络与多项对象属性信息预测任务一一对应；基于所述共享特征提取网络对所述样本对象的样本状态特征信息进行特征提取，得到共享特征训练信息；所述样本状态特征信息基于所述样本对象特征序列得到；所述样本状态特征信息用于表征所述样本对象的环境特征以及历史数据特征；基于所述多项对象属性信息预测任务各自对应的权重控制网络，对所述共享特征训练
信息进行加权处理，得到所述多项对象属性信息预测任务各自对应的加权特征训练信息；基于所述多项对象属性信息预测任务各自对应的加权特征训练信息，得到所述样本对象的多项预测对象属性信息；基于所述多...
【专利技术属性】
技术研发人员：李俊，郑秋野，陈祥，韩旭，
申请(专利权)人：北京达佳互联信息技术有限公司，
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。