【技术实现步骤摘要】
对象识别、模型训练的方法、装置、介质及设备
[0001]本申请涉及互联网
,具体涉及对象识别、模型训练的方法、装置、介质及设备。
技术介绍
[0002]人工智能(AI,Artificial Intelligence)是计算机科学的一个综合技术,通过研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科,涉及领域广泛,例如自然语言处理、机器学习、深度学习等几大方向。随着技术的发展,人工智能技术将在更多的领域得到应用,并发挥越来越重要的价值。
[0003]随着移动互联网渗透率的逐步饱和,依赖行业发展趋势带来的业务规模的增长变得越来越难。相关技术中,利用深度学习模型来挖掘新用户、新热点、新趋势等对象,但仍存在对对象成长潜力的考察不够全面且细致,从而导致难以保持可持续的、长期的增长的问题。
技术实现思路
[0004]为了更有效地识别潜力对象,本申请提供了对象识别、模型训练的方法、装置、介质及设备。所述技术方案如下:
[0005]第一方面,本申请提供了一种对象识别方法,所述方法包括:
[0006]获取各待识别对象的对象特征信息和全量资源的资源特征信息;所述待识别对象为潜在型对象;
[0007]将所述对象特征信息和所述资源特征信息输入训练后的多任务级联模型中的第一对象识别模型,得到各所述待识别对象对应的第一行为预测结果,并确定所述第一对象识别模型的第一中间层输出的第一中间特征信息;所述第一行为预测结果指示各所述待识别对象成长为认知型 ...
【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:获取各待识别对象的对象特征信息和全量资源的资源特征信息;所述待识别对象为潜在型对象;将所述对象特征信息和所述资源特征信息输入训练后的多任务级联模型中的第一对象识别模型,得到各所述待识别对象对应的第一行为预测结果,并确定所述第一对象识别模型的第一中间层输出的第一中间特征信息;所述第一行为预测结果指示各所述待识别对象成长为认知型对象的可能性;将所述第一中间特征信息输入至所述多任务级联模型中的第二对象识别模型,得到各所述待识别对象的第二行为预测结果,并确定所述第二对象识别模型的第二中间层输出的第二中间特征信息;所述第二行为预测结果指示各所述待识别对象成长为兴趣型对象的可能性;将所述第二中间特征信息输入至所述多任务级联模型中的第三对象识别模型,得到各所述待识别对象的第三行为预测结果;所述第三行为预测结果表征各所述待识别对象成长为转化型对象的可能性;根据各所述待识别对象的所述第一行为预测结果、所述第二行为预测结果和所述第三行为预测结果,确定各所述待识别对象的目标识别结果;所述目标识别结果表征对所述待识别对象的成长潜力的预估;根据各所述待识别对象的目标识别结果,从各所述待识别对象中确定目标对象;其中所述潜在型对象、所述认知型对象、所述兴趣型对象和所述转化型对象依次对应不同的对象级别。2.根据权利要求1所述的方法,其特征在于,所述根据各所述待识别对象的所述第一行为预测结果、所述第二行为预测结果和所述第三行为预测结果,确定各所述待识别对象的目标识别结果,包括:根据历史周期内的对象成长数据,确定与所述第一行为预测结果、所述第二行为预测结果和所述第三行为预测结果分别对应的第一权重值、第二权重值和第三权重值;根据所述第一行为预测结果、所述第二行为预测结果和所述第三行为预测结果以及所述第一权重值、所述第二权重值和所述第三权重值,确定各所述待识别对象的目标识别结果。3.根据权利要求1所述的方法,其特征在于,所述根据各所述待识别对象的目标识别结果,从各所述待识别对象中确定目标对象,包括:确定满足资源推荐业务需求的对象数;根据所述对象数和各所述待识别对象的目标识别结果,确定识别结果阈值;基于所述识别结果阈值和各所述待识别对象的目标识别结果,从各所述待识别对象中确定所述目标对象。4.根据权利要求3所述的方法,其特征在于,所述方法还包括:确定所述目标对象的目标识别结果中的最高得分;将所述最高得分对应的目标资源推荐给所述目标对象。5.一种对象识别模型的训练方法,其特征在于,所述方法包括:获取训练数据集,所述训练数据集包括样本对象的对象特征信息、样本资源的资源特
征信息以及针对所述样本资源的第一行为特征信息、第二行为特征信息和第三行为特征信息;获取初始化的多任务级联模型,所述多任务级联模型包括第一对象识别模型、第二对象识别模型和第三对象识别模型;根据所述对象特征信息、所述资源特征信息和所述第一行为特征信息对所述第一对象识别模型进行训练,得到训练后的所述第一对象识别模型,并确定所述第一对象识别模型的第一中间层输出的第一中间特征信息;所述第一对象识别模型用于预测从潜在型对象成长为认知型对象的可能性;根据所述第一中间特征信息和所述第二行为特征信息对所述第二对象识别模型进行训练,得到训练后的所述第二对象识别模型,以及确定所述第二对象识别模型的第二中间层输出的第二中间特征信息;所述第二对象识别模型用于预测成长为兴趣型对象的可能性;根据所述第二中间特征信息和所述第三行为特征信息对所述第三对象识别模型进行训练,得到训练后的所述第三对象识别模型;所述第三对象识别模型用于预测成长为转化型对象的可能性;其中,所述第一行为特征信息、所述第二行为特征信息和所述第三行为特征信息依次对应不同的行为级别;所述潜在型对象、所述认知型对象、所述兴趣型对象和所述转化型对象依次对应不同的对象级别。6.根据权利要求5所述的方法,其特征在于,所述根据所述对象特征信息、所述资源特征信息和所述第一行为特征信息对所述第一对象识别模型进行训练,得到训练后的所述第一对象识别模型,包括:将所述对象特征信息、所述资源特征信息和所述第一行为特征信息输入至所述第一对象识别模型,进行特征拼接,得到第一训练样本和所述第一训练样本对应的第一样本标签;所述第一对象识别模型根据所述第一训练样本,确定对应的第一行为预测结果,所述第一行为预测结果指示所述样本对象从所述潜在型对象成长为所述认知型对象的可能性;根据所述第一行为预测结果和所述第一样本标签,计算第一损失数据;基于所述第一损失数据对所述第一对象识别模型进行调整,完成对所述第一对象识别模型的训练。7.根据权利要求6所述的方法,其特征在于,所述确定所述第一对象识别模型的第一中间层输出的第一中间特征信息,包括:在确定所述第一行为预测结果时,确定所述第一对象识别模型的第一中间层;所述第一中间层为所述第一对象识别模型的任意一层或多层网络;获取所述第一中间层输出的所述第一中间特征信息,或将所述第一中间层中各层网络的输出进行组合,得到所述第一中间特征信息;其中,所述第一中间特征信息包括第一对象中间特征信息和第一资源中间特征信息。8.根据权利要求5所述的方法,其特征在于,所述根据所述第一中间特征信息和所述第二行为特征信息对所述第二对象识别模型进行训练,得到训练后的所述第二对象识别模型,包括:将所述第一中间特征信息和所述第二行为特征信息输入至所述第二对象识别模型,进
行特征拼接,得到第二训练样本和所述第二训练样本对应的第二样本标签;所述第二对象...
【专利技术属性】
技术研发人员:方高林,
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。