预测模型的训练方法、存储介质和电子设备技术

本发明专利技术公开了一种预测模型的训练方法、存储介质和电子设备。其中，该方法包括：获取已发布的第一多媒体资源的第一媒体资源信息、第一多媒体资源的第一历史实际发布结果序列、以及第一多媒体资源在目标时间上的第一未来实际发布结果；在第一目标转换概率表示将第一历史实际发布结果序列转换成第一目标异常发布结果序列时，将第一历史实际发布结果序列转换成第一目标异常发布结果序列，并使用第一媒体资源信息、第一目标异常发布结果序列以及第一未来实际发布结果，对待训练的发布结果预测模型进行训练。本发明专利技术可应用在人工智能场景下，本发明专利技术还涉及神经网络模型等技术。本发明专利技术解决了预测模型的预测准确性较低的技术问题。预测模型的预测准确性较低的技术问题。预测模型的预测准确性较低的技术问题。

【技术实现步骤摘要】
预测模型的训练方法、存储介质和电子设备


[0001]本专利技术涉及计算机领域，具体而言，涉及一种预测模型的训练方法、 存储介质和电子设备。

技术介绍

[0002]近年来对分享率预测的应用越发广泛，如通过分享率预测可以更好地 把握内容的发展或流行趋势，从而完成对内容的针对性优化。
[0003]对于分享率预测，相关技术往往是基于已曝光的内容信息对预测模型 进行训练。但如果内容信息本身的曝光就不足，那么其可靠度就会大打折 扣。而现有技术中对预测模型的训练往往会忽视曝光不足的内容信息，进 而导致训练好的预测模型失去对曝光不足的内容信息的预测能力。基于此， 训练好的预测模型在面对曝光不足的内容信息时，往往无法保证较高的预 测准确性。
[0004]概括而言，在利用预测模型进行分享率预测的场景下，由于相关技术 中的预测模型在训练过程中未考虑到曝光不足的内容信息，而导致训练好 的预测模型的预测准确性较低的技术问题。
[0005]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0006]本专利技术实施例提供了一种预测模型的训练方法、存储介质和电子设备， 以至少解决预测模型的预测准确性较低的技术问题。
[0007]根据本专利技术实施例的一个方面，提供了一种预测模型的训练方法，包 括：获取已发布的第一多媒体资源的第一媒体资源信息、上述第一多媒体 资源的第一历史实际发布结果序列、以及上述第一多媒体资源在目标时间 上的第一未来实际发布结果，其中，上述第一历史实际发布结果序列包括 上述第一多媒体资源在第一时间段内的一组实际发布结果，上述目标时间 晚于上述第一时间段；获取序列转换模块随机生成的第一目标转换概率， 其中，上述第一目标转换概率用于表示是否将上述第一历史实际发布结果 序列转换成第一目标异常发布结果序列，上述第一目标异常发布结果序列 中的至少部分发布结果为异常发布结果；在上述第一目标转换概率表示将 上述第一历史实际发布结果序列转换成上述第一目标异常发布结果序列 时，将上述第一历史实际发布结果序列转换成上述第一目标异常发布结果 序列，并使用上述第一媒体资源信息、上述第一目标异常发布结果序列以 及上述第一未来实际发布结果，对待训练的发布结果预测模型进行训练， 其中，上述待训练的发布结果预测模型用于生成上述第一多媒体资源在上 述目标时间上的第一未来预测发布结果；在上述第一目标转换概率表示不 将上述第一历史实际发布结果序列转换成上述第一目标异常发布结果序 列时，使用上述第一媒体资源信息、上述第一历史实际发布结果序列以及 上述第一未来实际发布结果，对上述待训练的发布结果预测模型进行训练。
[0008]根据本专利技术实施例的一个方面，提供了另一种预测模型的训练方法， 包括：获取已发布的目标多媒体资源的目标媒体资源信息、以及上述目标 多媒体资源的目标历史实际发布结果序列，其中，上述目标历史实际发布 结果序列包括上述目标多媒体资源在目标时间段内的一组实际发布结果； 将上述目标媒体资源信息、以及上述目标历史实际发布结果序列输入到目 标发布结果预测模型，得到上述目标多媒体资源在目标未来时间上的未来 预测发布结果；其中，上述目标发布结果预测模型是使用目标样本集合对 上述待训练的发布结果预测模型进行训练所得到的模型，上述目标样本集 合中的每个样本包括：已发布的多媒体资源的媒体资源信息、上述多媒体 资源在目标时间上的未来实际发布结果；以及，上述多媒体资源的历史实 际发布结果序列、第一异常发布结果序列、以及第二异常发布结果序列中 的一个序列；其中，上述历史实际发布结果序列包括上述多媒体资源在一 个时间段内的一组实际发布结果，上述目标时间晚于上述一个时间段；上 述第一异常发布结果序列是由上述历史实际发布结果序列转换成的序列， 上述第一异常发布结果序列中的发布结果均为异常发布结果；上述第二异 常发布结果序列是由上述历史实际发布结果序列转换成的序列，上述第二 异常发布结果序列中的部分发布结果为异常发布结果。
[0009]根据本专利技术实施例的另一方面，还提供了一种预测模型的训练装置， 包括：第一获取单元，用于获取已发布的第一多媒体资源的第一媒体资源 信息、上述第一多媒体资源的第一历史实际发布结果序列、以及上述第一 多媒体资源在目标时间上的第一未来实际发布结果，其中，上述第一历史 实际发布结果序列包括上述第一多媒体资源在第一时间段内的一组实际 发布结果，上述目标时间晚于上述第一时间段；第二获取单元，用于获取 序列转换模块随机生成的第一目标转换概率，其中，上述第一目标转换概 率用于表示是否将上述第一历史实际发布结果序列转换成第一目标异常 发布结果序列，上述第一目标异常发布结果序列中的至少部分发布结果为 异常发布结果；第一训练单元，用于在上述第一目标转换概率表示将上述 第一历史实际发布结果序列转换成上述第一目标异常发布结果序列时，将 上述第一历史实际发布结果序列转换成上述第一目标异常发布结果序列， 并使用上述第一媒体资源信息、上述第一目标异常发布结果序列以及上述 第一未来实际发布结果，对待训练的发布结果预测模型进行训练，其中， 上述待训练的发布结果预测模型用于生成上述第一多媒体资源在上述目 标时间上的第一未来预测发布结果；第二训练单元，用于在上述第一目标 转换概率表示不将上述第一历史实际发布结果序列转换成上述第一目标 异常发布结果序列时，使用上述第一媒体资源信息、上述第一历史实际发 布结果序列以及上述第一未来实际发布结果，对上述待训练的发布结果预 测模型进行训练。
[0010]作为一种可选的方案，上述第一训练单元，包括：第一转换模块，用 于在上述第一目标转换概率表示将上述第一历史实际发布结果序列转换 成第一异常发布结果序列时，将上述第一历史实际发布结果序列转换成上 述第一异常发布结果序列，其中，上述第一目标异常发布结果序列包括上 述第一异常发布结果序列，上述第一异常发布结果序列中的发布结果均为 异常发布结果；或者第二转换模块，用于在上述第一目标转换概率表示将 上述第一历史实际发布结果序列转换成第二异常发布结果序列时，将上述 第一历史实际发布结果序列转换成上述第二异常发布结果序列，其中，上 述第一目标异常发布结果序列包括上述第二异常发布结果序列，上述第二 异常发布结果序列中的部分发布结果为异常发布结果。
[0011]作为一种可选的方案，上述装置还包括：第一确定模块，用于在上述 第一目标转换概率的取值位于第一取值区间时，确定出上述第一目标转换 概率表示不将上述第一历史实际发布结果序列转换成上述第一目标异常 发布结果序列；第二确定模块，用于在上述第一目标转换概率的取值位于 第二取值区间时，确定出上述第一目标转换概率表示将上述第一历史实际 发布结果序列转换成上述第一异常发布结果序列，或者，将上述第一历史 实际发布结果序列转换成上述第二异常发布结果序列。
[0012]作为一种可选的方案，上述第一训练单元，包括：第三转换模块，用 于在上述第一目标转换概率表示将上述第一历史实际发布结果序列转换 成第一异常发布结果序列时，将上述第一历史实际发布本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测模型的训练方法，其特征在于，包括：获取已发布的第一多媒体资源的第一媒体资源信息、所述第一多媒体资源的第一历史实际发布结果序列、以及所述第一多媒体资源在目标时间上的第一未来实际发布结果，其中，所述第一历史实际发布结果序列包括所述第一多媒体资源在第一时间段内的一组实际发布结果，所述目标时间晚于所述第一时间段；获取序列转换模块随机生成的第一目标转换概率，其中，所述第一目标转换概率用于表示是否将所述第一历史实际发布结果序列转换成第一目标异常发布结果序列，所述第一目标异常发布结果序列中的至少部分发布结果为异常发布结果；在所述第一目标转换概率表示将所述第一历史实际发布结果序列转换成所述第一目标异常发布结果序列时，将所述第一历史实际发布结果序列转换成所述第一目标异常发布结果序列，并使用所述第一媒体资源信息、所述第一目标异常发布结果序列以及所述第一未来实际发布结果，对待训练的发布结果预测模型进行训练，其中，所述待训练的发布结果预测模型用于生成所述第一多媒体资源在所述目标时间上的第一未来预测发布结果；在所述第一目标转换概率表示不将所述第一历史实际发布结果序列转换成所述第一目标异常发布结果序列时，使用所述第一媒体资源信息、所述第一历史实际发布结果序列以及所述第一未来实际发布结果，对所述待训练的发布结果预测模型进行训练。2.根据权利要求1所述的方法，其特征在于，所述在所述第一目标转换概率表示将所述第一历史实际发布结果序列转换成所述第一目标异常发布结果序列时，将所述第一历史实际发布结果序列转换成所述第一目标异常发布结果序列，包括：在所述第一目标转换概率表示将所述第一历史实际发布结果序列转换成第一异常发布结果序列时，将所述第一历史实际发布结果序列转换成所述第一异常发布结果序列，其中，所述第一目标异常发布结果序列包括所述第一异常发布结果序列，所述第一异常发布结果序列中的发布结果均为异常发布结果；或者在所述第一目标转换概率表示将所述第一历史实际发布结果序列转换成第二异常发布结果序列时，将所述第一历史实际发布结果序列转换成所述第二异常发布结果序列，其中，所述第一目标异常发布结果序列包括所述第二异常发布结果序列，所述第二异常发布结果序列中的部分发布结果为异常发布结果。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：在所述第一目标转换概率的取值位于第一取值区间时，确定出所述第一目标转换概率表示不将所述第一历史实际发布结果序列转换成所述第一目标异常发布结果序列；在所述第一目标转换概率的取值位于第二取值区间时，确定出所述第一目标转换概率表示将所述第一历史实际发布结果序列转换成所述第一异常发布结果序列，或者，将所述第一历史实际发布结果序列转换成所述第二异常发布结果序列。4.根据权利要求1所述的方法，其特征在于，所述在所述第一目标转换概率表示将所述第一历史实际发布结果序列转换成所述第一目标异常发布结果序列时，将所述第一历史实际发布结果序列转换成所述第一目标异常发布结果序列，包括：在所述第一目标转换概率表示将所述第一历史实际发布结果序列转换成第一异常发布结果序列时，将所述第一历史实际发布结果序列转换成所述第一异常发布结果序列，其中，所述第一目标异常发布结果序列包括所述第一异常发布结果序列，所述第一异常发布
结果序列中的发布结果均为异常发布结果；在所述第一目标转换概率表示将所述第一历史实际发布结果序列转换成第二异常发布结果序列时，将所述第一历史实际发布结果序列转换成所述第二异常发布结果序列，其中，所述第一目标异常发布结果序列包括所述第二异常发布结果序列，所述第二异常发布结果序列中的部分发布结果为异常发布结果。5.根据权利要求2所述的方法，其特征在于，所述方法还包括：在所述第一目标转换概率的取值位于第三取值区间时，确定出所述第一目标转换概率表示不将所述第一历史实际发布结果序列转换成所述第一目标异常发布结果序列；在所述第一目标转换概率的取值位于第四取值区间时，确定出所述第一目标转换概率表示将所述第一历史实际发布结果序列转换成所述第一异常发布结果序列；在所述第一目标转换概率的取值位于第五取值区间时，确定出所述第一目标转换概率表示将所述第一历史实际发布结果序列转换成所述第二异常发布结果序列。6.根据权利要求2至5中任一项所述的方法，其特征在于，所述将所述第一历史实际发布结果序列转换成所述第一异常发布结果序列，包括：对所述第一历史实际发布结果序列中的每个历史实际发布结果确定一个相同的数值，共得到第一数值序列；将所述第一历史实际发布结果序列与所述第一数值序列中相同位置上的数据进行相乘，得到所述第一异常发布结果序列。7.根据权利要求2至5中任一项所述的方法，其特征在于，所述将所述第一历史实际发布结果序列转换成所述第二异常发布结果序列，包括：对所述第一历史实际发布结果序列中的每个历史实际发布结果随机确定一个数值，共得到第二数值序列；根据所述第二数值序列中的每个数值与预设的目标阈值，对所述第一历史实际发布结果序列中的每个历史实际发布结果确定对应的标志的取值，共得到第三数值序列，其中，所述标志的取值用于表示对应的发布结果是否为异常发布结果；根据所述第一历史实际发布结果序列与所述第三数值序列，确定所述第二异常发布结果序列。8.根据权利要求7所述的方法，其特征在于，所述根据所述第二数值序列中的每个数值与预设的目标阈值，对所述第一历史实际发布结果序列...

【专利技术属性】
技术研发人员：梁铭霏，俞浩敏，孙振龙，张博，刘书凯，商甜甜，刘祺，饶君，王良栋，林乐宇，周健，柳东静，丘志杰，胡博，梅家洁，甘月松，杨永新，赵竑晟，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：