交互数据预测模型训练方法、装置、电子设备及存储介质制造方法及图纸

本公开关于一种交互数据预测模型训练方法、装置、电子设备及存储介质。方法包括：获取训练数据，训练数据包括第一时间段内采集的第一样本数据以及第二时间段内采集的第二样本数据，第一样本数据和第二样本数据均包含样本账户的账户数据、样本媒介数据、样本账户针对样本媒介数据的样本交互数据，第一时间段是转化率达到第一转化率阈值的时间段；第二时间段是转化率达到第二转化率阈值的时间段，第一转化率阈值小于第二转化率阈值；将第一样本数据以及第二样本数据输入至待训练的交互数据预测模型中进行训练，并更新待训练的交互数据预测模型的网络参数，直至达到预设训练完成条件，得到训练完成的交互数据预测模型。得到训练完成的交互数据预测模型。得到训练完成的交互数据预测模型。

【技术实现步骤摘要】
交互数据预测模型训练方法、装置、电子设备及存储介质


[0001]本公开涉及互联网
，尤其涉及一种交互数据预测模型训练方法、装置、电子设备及存储介质。

技术介绍

[0002]随着互联网技术的不断发展，通过直播进行推荐对象的推荐的应用范围也越来越广泛，越来越多的用户也参与到直播购物中。
[0003]相关技术中，需要训练转化率(Conversion Rate，CVR)预测模型，然后通过训练好的交互数据预测模型预测用户从点击直播到转化的概率。在交互数据预测模型的训练过程中，需要获取样本用户的样本转化率，一般采集该样本用户在等待两小时后的样本转化率。因此，该交互数据预测模型对应的样本数据中包含的数据，仅仅是该样本用户在等待两小时后的样本转化率，该样本数据的构建方式较为单一，导致训练出的交互数据预测模型的准确性较差。

技术实现思路

[0004]本公开提供一种交互数据预测模型训练方法、装置、电子设备及存储介质，以至少解决相关技术中模型准确性较差的问题。本公开的技术方案如下：
[0005]根据本公开实施例的第一方面，提供一种交互数据预测模型训练方法，包括：
[0006]获取训练数据，所述训练数据包括第一时间段内采集的第一样本数据以及第二时间段内采集的第二样本数据，所述第一样本数据和所述第二样本数据均包含样本账户的账户数据、样本媒介数据、所述样本账户针对所述样本媒介数据的样本交互数据，所述第一时间段是转化率达到第一转化率阈值的时间段；第二时间段是所述转化率达到第二转化率阈值的时间段，所述第一转化率阈值小于所述第二转化率阈值，所述转化率是账户在虚拟空间内针对媒介数据的转化率；
[0007]将所述第一样本数据以及所述第二样本数据分别输入至待训练的交互数据预测模型中进行预测处理，确定所述第一样本数据对应的第一预测交互数据，以及所述第二样本数据对应的第二预测交互数据；
[0008]根据所述第一样本数据对应的第一样本交互数据和所述第一预测交互数据计算第一损失值，根据所述第二样本数据对应的第二样本交互数据和所述第二预测交互数据计算第二损失值，并根据所述第一损失值和所述第二损失值计算综合损失值；
[0009]基于所述综合损失值更新所述待训练的交互数据预测模型的网络参数，直至达到预设训练完成条件，得到训练完成的交互数据预测模型。
[0010]在其中一个实施例中，所述待训练的交互数据预测模型包括特征提取层、第一交互预测层以及第二交互预测层；
[0011]所述将所述第一样本数据以及所述第二样本数据分别输入至待训练的交互数据预测模型中进行预测处理，确定所述第一样本数据对应的第一预测交互数据，以及所述第
二样本数据对应的第二预测交互数据，包括：
[0012]将所述第一样本数据包含的样本账户的账户数据、样本媒介数据，以及所述第二样本数据包含的样本账户的账户数据、样本媒介数据分别输入至所述特征提取层，得到第一样本账户对应的第一样本账户特征、第一样本媒介数据对应的所述第一样本媒介特征、第二样本账户对应的所述第二样本账户特征以及所述第二样本媒介数据对应的第二样本媒介特征；
[0013]将所述第一样本账户特征以及所述第一样本媒介特征，输入至所述第一交互预测层进行预测处理，得到所述第一时间段对应的第一预测交互数据；
[0014]将所述第二样本账户特征以及所述第二样本媒介特征，输入至所述第二交互预测层进行预测处理，得到所述第二时间段对应的第二预测交互数据。
[0015]在其中一个实施例中，所述第一样本账户为至少两个，所述根据所述第一样本数据对应的第一样本交互数据和所述第一预测交互数据计算第一损失值，包括：
[0016]针对所述第一样本数据包含的每个第一样本账户，基于预设的权重计算策略以及所述第一样本账户对应的第一样本交互数据，计算所述第一样本账户的第一权重；
[0017]基于第一损失函数、各所述第一样本账户对应的第一权重、所述第一样本交互数据以及所述第一预测交互数据，计算第一损失值。
[0018]在其中一个实施例中，所述基于预设的权重确定策略以及所述第一样本账户对应的第一样本交互数据，计算所述第一样本账户的第一权重，包括：
[0019]基于各所述第一样本账户对应的第一样本交互数据，确定符合预设资源交互条件的样本账户的第一数目，以及获取所述第一样本数据包含的第一样本账户的总数目；
[0020]计算所述第一数目与所述第一样本账户的总数目的差值，并计算所述差值与所述第一样本账户的总数目的比值；
[0021]将所述第一样本账户对应的第一样本交互数据与所述比值的乘积，作为所述第一样本账户的第一权重。
[0022]在其中一个实施例中，所述基于预设的权重确定策略以及所述第一样本账户对应的第一样本交互数据，计算所述第一样本账户的第一权重，包括：
[0023]在所述第一样本账户的第一样本交互数据不符合预设资源交互条件的情况下，确定预设目标值为所述第一样本账户对应的第一权重。
[0024]在其中一个实施例中，在所述得到训练完成的交互数据预测模型之后，还包括：
[0025]将待推荐账户的账户数据以及待推荐媒介数据输入至所述训练完成的交互数据预测模型，得到所述待推荐账户针对所述待推荐媒介数据的预测交互数据；
[0026]在所述预测交互数据大于或者等于预设下单阈值的情况下，将所述待推荐媒介数据推送至所述待推荐账户。
[0027]在其中一个实施例中，所述将待推荐账户的账户数据以及待推荐媒介数据输入至所述训练完成的交互数据预测模型，得到所述待推荐账户针对所述待推荐媒介数据的预测交互数据，包括：
[0028]将待推荐账户的账户数据以及待推荐媒介数据输入至所述训练完成的交互数据预测模型，得到所述待推荐账户针对所述待推荐媒介数据在所述第一时间段内的预测交互数据，以及在所述第二时间段内的预测交互数据；
[0029]基于所述第一时间段内的预测交互数据以及在所述第二时间段内的预测交互数据，确定所述待推荐账户针对所述待推荐媒介数据的预测交互数据。
[0030]在其中一个实施例中，所述待推荐媒介数据为至少两个，在所述得到所述待推荐账户针对所述待推荐媒介数据的预测交互数据之后，还包括：
[0031]按照所述待推荐账户针对各所述待推荐媒介数据的预测交互数据的大小顺序，确定待推荐媒介数据序列；
[0032]在所述待推荐媒介数据序列中确定目标待推荐媒介数据，并将所述目标待推荐媒介数据推送至所述待推荐账户。
[0033]根据本公开实施例的第二方面，提供一种交互数据预测模型训练装置，包括：
[0034]获取单元，被配置为执行获取训练数据，所述训练数据包括第一时间段内采集的第一样本数据以及第二时间段内采集的第二样本数据，所述第一样本数据和所述第二样本数据均包含样本账户的账户数据、样本媒介数据、所述样本账户针对所述样本媒介数据的样本交互数据，所述第一时间段是转化率达到第一转化率阈值的时间段；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交互数据预测模型训练方法，其特征在于，包括：获取训练数据，所述训练数据包括第一时间段内采集的第一样本数据以及第二时间段内采集的第二样本数据，所述第一样本数据和所述第二样本数据均包含样本账户的账户数据、样本媒介数据、所述样本账户针对所述样本媒介数据的样本交互数据，所述第一时间段是转化率达到第一转化率阈值的时间段；第二时间段是所述转化率达到第二转化率阈值的时间段，所述第一转化率阈值小于所述第二转化率阈值，所述转化率是账户在虚拟空间内针对媒介数据的转化率；将所述第一样本数据以及所述第二样本数据分别输入至待训练的交互数据预测模型中进行交互数据预测处理，确定所述第一样本数据对应的第一预测交互数据，以及所述第二样本数据对应的第二预测交互数据；根据所述第一样本数据对应的第一样本交互数据和所述第一预测交互数据计算第一损失值，根据所述第二样本数据对应的第二样本交互数据和所述第二预测交互数据计算第二损失值，并根据所述第一损失值和所述第二损失值计算综合损失值；基于所述综合损失值更新所述待训练的交互数据预测模型的网络参数，直至达到预设训练完成条件，得到训练完成的交互数据预测模型。2.根据权利要求1所述的交互数据预测模型训练方法，其特征在于，所述待训练的交互数据预测模型包括特征提取层、第一交互预测层以及第二交互预测层；所述将所述第一样本数据以及所述第二样本数据分别输入至待训练的交互数据预测模型中进行交互数据预测处理，确定所述第一样本数据对应的第一预测交互数据，以及所述第二样本数据对应的第二预测交互数据，包括：将所述第一样本数据包含的样本账户的账户数据、样本媒介数据，以及所述第二样本数据包含的样本账户的账户数据、样本媒介数据分别输入至所述特征提取层，得到第一样本账户对应的第一样本账户特征、第一样本媒介数据对应的所述第一样本媒介特征、第二样本账户对应的所述第二样本账户特征以及所述第二样本媒介数据对应的第二样本媒介特征；将所述第一样本账户特征以及所述第一样本媒介特征，输入至所述第一交互预测层进行交互数据预测处理，得到所述第一时间段对应的第一预测交互数据；将所述第二样本账户特征以及所述第二样本媒介特征，输入至所述第二交互预测层进行交互数据预测处理，得到所述第二时间段对应的第二预测交互数据。3.根据权利要求2所述的交互数据预测模型训练方法，其特征在于，所述第一样本账户为至少两个，所述根据所述第一样本数据对应的第一样本交互数据和所述第一预测交互数据计算第一损失值，包括：针对所述第一样本数据包含的每个第一样本账户，基于预设的权重计算策略以及所述第一样本账户对应的第一样本交互数据，计算所述第一样本账户的第一权重；基于第一损失函数、各所述第一样本账户对应的第一权重、所述第一样本交互数据以及所述第一预测交互数据，计算第一损失值。4.根据权利要求3所述的交互数据预测模型训练方法，其特征在于，所述基于预设的权重确定策略以及所述第一样本账户对应的第一样本交互数据，计算所述第一样本账户的第一权重，包括：
基于各所述第一样本账户对应的第一样本交互数据，确定符合预设资源交互条件的样本账户的第一数目，以及获取所述第一样本数据包含的第一样本账户的总数目；计算所述第一数目与所述第一样本账户的总数目的差值，并计算所述差值与所述第一样本账户的总数目的比值；将所述第一样本账户对应的第一样本交互数据与所述比值的乘积，作为所述第一样本账户的第一权重。5.根据权利要求3所述的交互数据预测模型训练方法，其特征在于，...

【专利技术属性】
技术研发人员：刘懿，
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：