【技术实现步骤摘要】
对象识别方法、装置、计算机设备和存储介质
[0001]本申请涉及计算机
,特别是涉及一种对象识别方法、装置、计算机设备和存储介质。
技术介绍
[0002]随着计算机技术和互联网技术的发展,越来越多的通过互联网向用户推送内容,例如向用户推送广告或者向用户发放优惠券。
[0003]在很多情况下,往往需要进行对象识别,以识别得到进行内容推送的对象。例如,由于不同的用户群体,对同样的推送内容可能产生不同的反应,因此需要识别出与该推送内容匹配的用户,从而向这部分用户进行内容推送,以提高内容推送的效率,然而,传统的对象识别方法存在对象识别准确度低的情况。
技术实现思路
[0004]基于此,有必要针对上述技术问题,提供一种能够提高对象识别准确度的对象识别方法、装置、计算机设备和存储介质。
[0005]一种对象识别方法,所述方法包括:获取待训练的对象识别模型对应的训练样本集合,所述训练样本集合包括内容推送对象对应的训练样本以及参考对象对应的训练样本;将所述训练样本集合中的训练样本分别输入到所述对象识别模型中的共享特征提取网络中进行特征提取,得到所述训练样本对应的样本提取特征;确定所述样本提取特征对应的目标样本类型;将目标样本类型为推送样本类型的样本提取特征输入到所述对象识别模型中的推送对象识别网络中进行识别,识别得到所述内容推送对象对应的推送对象内容转化度;将目标样本类型为参考样本类型的样本提取特征输入到所述对象识别模型中的参考对象识别网络中进行识别,识别得到所述参考对象对应的参考对象内容转化度 ...
【技术保护点】
【技术特征摘要】
1.一种对象识别方法,其特征在于,所述方法包括:获取待训练的对象识别模型对应的训练样本集合,所述训练样本集合包括内容推送对象对应的训练样本以及参考对象对应的训练样本;将所述训练样本集合中的训练样本分别输入到所述对象识别模型中的共享特征提取网络中进行特征提取,得到所述训练样本对应的样本提取特征;确定所述样本提取特征对应的目标样本类型;将目标样本类型为推送样本类型的样本提取特征输入到所述对象识别模型中的推送对象识别网络中进行识别,识别得到所述内容推送对象对应的推送对象内容转化度;将目标样本类型为参考样本类型的样本提取特征输入到所述对象识别模型中的参考对象识别网络中进行识别,识别得到所述参考对象对应的参考对象内容转化度;基于所述内容推送对象对应的推送对象内容转化度得到推送识别损失值,基于所述参考对象对应的参考对象内容转化度得到参考识别损失值;基于所述推送识别损失值以及所述参考识别损失值对所述共享特征提取网络进行参数调整,基于调整后的共享特征提取网络得到已训练的对象识别模型。2.根据权利要求1所述的方法,其特征在于,所述确定所述样本提取特征对应的目标样本类型包括:获取所述样本提取特征对应的训练样本的样本标记值;基于所述样本标记值确定所述样本提取特征对应的目标样本类型。3.根据权利要求2所述的方法,其特征在于,所述推送对象内容转化度用于表示所述内容推送对象针对推送内容的转化可能度,所述基于所述内容推送对象对应的推送对象内容转化度得到推送识别损失值包括:将所述样本标记值与所述推送对象内容转化度进行乘积计算,得到所述内容推送对象对应的对象识别损失值;对多个内容推送对象的对象识别损失值进行统计,得到推送识别损失值。4.根据权利要求1所述的方法,其特征在于,所述基于所述推送识别损失值以及所述参考识别损失值对所述共享特征提取网络进行参数调整,基于调整后的共享特征提取网络得到已训练的对象识别模型包括:基于所述推送识别损失值对所述共享特征提取网络进行参数调整,得到推送识别损失值调整后的共享特征提取网络;基于所述参考识别损失值对所述推送识别损失值调整后的共享特征提取网络进行参数调整,得到参考识别损失值以及推送识别损失值调整后的共享特征提取网络;基于参考识别损失值以及推送识别损失值调整后的共享特征提取网络,得到已训练的对象识别模型。5.根据权利要求4所述的方法,其特征在于,所述基于所述推送识别损失值对所述共享特征提取网络进行参数调整,得到推送识别损失值调整后的共享特征提取网络包括:基于所述推送识别损失值确定所述推送对象识别网络对应的推送参数调整相关值;基于所述推送参数调整相关值对所述推送对象识别网络进行参数调整,得到参数调整后的推送对象识别网络;基于所述推送识别损失值以及第一损失值调整方向,确定所述共享特征提取网络对应
的第一特征参数调整相关值;基于所述第一特征参数调整相关值对所述共享特征提取网络进行参数调整,得到推送识别损失值调整后的共享特征提取网络。6.根据权利要求4所述的方法,其特征在于,所述基于所述参考识别损失值对所述推送识别损失值调整后的共享特征提取网络进行参数调整,得到参考识别损失值以及推送识别损失值调整后的共享特征提取网络包括:基于所述参考识别损失值确定所述参考对象识别网络对应的参考参数调整相关值;基于所述参考参数调整相关值对所述参考对象识别网络进行参数调整,得到参数调整后的参考对象识别网络;基于所述参考识别损失值以及第二损失值调整方向,确定所述推送识别损失值调整后的共享特征提取网络对应的第二特征参数调整相关值;基于所述第二特征参数调整相关值对所述推送识别损失值调整后的共享特征提取网络进行参数调整,得到参考识别损失值以及推送识别损失值调整后的共享特征提取网络。7.根据权利要求1所述的方法,其特征在于,所述推送对象识别网络包括转化可能度识别网络以及可能度衰减因子识别网络;所述将目标样本类型为推送样本类型的样本提取特征输入到所述对象识别模型中的推送对象识别网络中进行识别,识别得到所述内容推送对象对应的推送对象内容转化度包括:将目标样本类型为推送样本类型的样本提取特征,输入到所述推送对象识别网络中的转化可能度识别网络中进行转化可能度识别,得到总转化可能度;将目标样本类型为推送样本类型的样本提取特征,输入到所述推送对象识别网络中的可能度衰减因子识别网络中进行衰减因子识别,得到可能度衰减因子;基于所述总转化可能度以及所述可能度衰减因子确定所述内容推送对象的推送对象内容转化度。8.根据权利要求7所述的方法,其特征在于,所述基于所述总转化可能度以及所述可能度衰减因子确定所述内容推送对象的推送对象内容转化度包括:获取可能度衰减时长;基于所述可能度衰减时长以及所述可能度衰减因子,确定所述内容推送对象的子转化可能度;所述子转化可能度用于反映与内容推送时间之间的时间间隔为所述可能度衰减时长的时间所对应的对象发生转化的可能度;基于所述子转化可能度以及所述总转化可能度,确定所述内容推送对象的推送对象内容转化度。9.根据权利要求1所述的方法,其特征在于,所述获取待训练的对象识别模型对应的训练样本集合包括:获取训练推送内容;对训练对象集合进行划分,得到内容推送对象集合以及参考对象集合;将所述训练推送内容推送至所述内容推送对象集合中的各个内容推送对象,获取所述训练推送内容的内容推送时间,其中,所述参考对象集合中的参考对象屏蔽自动推送所述训练...
【专利技术属性】
技术研发人员:乔阳,陈亮,
申请(专利权)人:财付通支付科技有限公司,
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。