内容流行度预测模型训练方法、设备、介质及程序产品技术

本申请提供一种内容流行度预测模型训练方法、设备、介质及程序产品。包括：获取n个时刻的内容流行度数据序列；根据n个时刻的内容流行度数据序列，生成n个任务集；每个任务集包括：支撑子集和查询子集；使用n个任务集中用于模型训练的m个第一任务集对初始模型进行训练，得到m个候选预测模型；初始模型包括：预测模块和参数更新学习模块，参数更新学习模块用于更新预测模块的参数，预测模块用于根据t时刻的内容流行度数据序列，获取预测结果，预测结果用于表征预测的t+1时刻的内容流行度数据与t时刻的内容流行度数据的差值；使用n个任务集中的q个第二任务集从m个候选预测模型中确定目标预测模型。本申请能够提高预测模型的预测精度。测精度。测精度。

【技术实现步骤摘要】
内容流行度预测模型训练方法、设备、介质及程序产品


[0001]本申请涉及数据处理
，尤其涉及一种内容流行度预测模型训练方法、设备、介质及程序产品。

技术介绍

[0002]社会化媒体时代，每个用户都可以成为内容的发布者，使得网络上存在丰富的内容。然而，只有少数内容能够流行。因此，各种内容需要争夺用户的注意力，使其能够流行。内容流行度可以用于描述一项内容与用户操作之间的关系，作为评价内容是否流行的一项指标，预测内容流行度的变化可以为内容推荐、广告推广等提供依据。
[0003]内容流行度是基于时间变化的，但目前基于时间序列的内容流行度的预测精度较低。

技术实现思路

[0004]本申请提供一种内容流行度预测模型训练方法、设备、介质及程序产品，用以解决基于时间序列的内容流行度预测精度低的问题。
[0005]第一方面，本申请提供一种内容流行度预测模型训练方法，包括：
[0006]获取n个时刻的内容流行度数据序列；
[0007]根据所述n个时刻的内容流行度数据序列，生成n个任务集；每个所述任务集包括：支撑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种内容流行度预测模型训练方法，其特征在于，所述方法包括：获取n个时刻的内容流行度数据序列；根据所述n个时刻的内容流行度数据序列，生成n个任务集；每个所述任务集包括：支撑子集和查询子集；使用n个任务集中用于模型训练的m个第一任务集对初始模型进行训练，得到m个候选预测模型；所述初始模型包括：预测模块和参数更新学习模块，所述参数更新学习模块用于更新所述预测模块的参数，所述预测模块用于根据t时刻的内容流行度数据序列，获取预测结果，所述预测结果用于表征预测的t+1时刻的内容流行度数据与t时刻的内容流行度数据的差值；使用n个任务集中的q个第二任务集从m个候选预测模型中确定目标预测模型，m和q之和小于或等于n。2.根据权利要求1所述的方法，其特征在于，所述使用n个任务集中用于模型训练的m个第一任务集对初始模型进行训练，得到m个候选预测模型，包括：针对任一第一任务集，使用该第一任务集的支撑子集和所述初始模型的参数更新学习模块对所述初始模型的预测模块进行训练，得到训练好的预测模块；使用该第一任务集的查询子集和训练好的预测模块，对所述初始模型的参数更新学习模块进行训练，得到训练好的参数更新学习模块；其中，训练好的预测模块和参数更新学习模块构成该第一任务集对应的候选预测模型。3.根据权利要求2所述的方法，其特征在于，所述使用该第一任务集的支撑子集和所述初始模型的参数更新学习模块对所述初始模型的预测模块进行训练，包括：针对第i次训练迭代，利用所述初始模型的参数更新学习模块根据所述初始模型的预测模块的第i
‑
1次训练迭代的评估结果，获取预测模块在第i次训练迭代中所采用的参数，并使用在第i次训练迭代中所采用的参数，对所述预测模块进行更新；所述评估结果包括：损失函数值和/或梯度值，所述i大于或等于2；使用更新后的所述预测模块，获取第i个支撑子集训练数据对应的预测结果，以及，所述预测模块的第i次训练迭代的评估结果。4.根据权利要求3所述的方法，其特征在于，所述使用该第一任务集的查询子集和训练好的预测模块，对所述初始模型的参数更新学习模块进行训练，包括：针对第j次训练迭代，利用训练好的预测模块的第j

【专利技术属性】
技术研发人员：高强，洪安琪，田玉桐，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：