训练预测模型的方法、推荐内容的方法及相关设备技术

本申请提供一种训练预测模型的方法、推荐内容的方法及相关设备，可以应用于人工智能领域或车联网领域等，用于解决训练得到的目标预测模型的预测准确性和预测可靠性较低的问题。该方法至少包括：基于提取的样本数据包含的对象特征，确定样本对象分别触发各预设行为的触发偏向概率；基于样本数据包含的对象特征和内容特征，分别确定各预设行为对应的内容偏向概率；每个内容偏向概率表征：样本内容被样本对象触发相应预设行为的概率；基于获得的各触发偏向概率、各内容偏向概率和样本数据中的样本行为，调整预测模型的模型参数。结合容、对象和对象偏向触发的行为三个角度训练预测模型，提高了训练得到的目标预测模型的预测准确性和预测可靠性。预测可靠性。预测可靠性。

【技术实现步骤摘要】
训练预测模型的方法、推荐内容的方法及相关设备


[0001]本申请涉及计算机
，尤其涉及训练预测模型的方法、推荐内容的方法及相关设备。

技术介绍

[0002]随着科技的不断发展，越来越多的设备可以通过已训练的目标预测模型，预测目标对象对不同内容触发各预设行为的概率，从而可以为目标对象提供更加准确的内容推荐服务，内容推荐服务可以按照多个内容的排列顺序，依次向目标对象推荐每个内容。
[0003]相关技术中，获得已训练的目标预测模型的方法通常是，先获取各样本数据，样本数据包括相应样本内容的内容特征，以及该样本内容被触发的样本行为；再采用获得的各样本数据，对待训练的预测模型进行多轮迭代训练，获得已训练的目标预测模型。目标预测模型用于：预测目标内容被触发预先设置的各预设行为的概率。
[0004]从而，在通过目标预测模型提供内容推荐服务时，可以在针对目标对象获得多个待推荐内容之后，先通过目标预测模型，分别预测各待推荐内容分别被触发各预设行为的概率；再通过预测的各概率对各待推荐内容进行排序；最后按照排序后的各待推荐内容的排列顺序，依次向目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种训练预测模型的方法，其特征在于，包括：获取样本数据集；其中，所述样本数据集包括多个样本数据；每个样本数据包括：一个样本对象对一个样本内容偏向触发的样本行为，以及所述样本对象的对象特征和所述样本内容的内容特征；基于所述样本数据集，对待训练的预测模型进行多轮迭代训练，直到达到迭代终止条件时，输出已训练的目标预测模型；其中，每轮迭代训练包括：基于提取的样本数据包含的对象特征，确定样本对象分别触发各预设行为的触发偏向概率；基于所述样本数据包含的对象特征和内容特征，分别确定所述各预设行为对应的内容偏向概率；每个内容偏向概率表征：样本内容被所述样本对象触发相应预设行为的概率；基于获得的各触发偏向概率、各内容偏向概率和所述样本数据中的样本行为，调整所述预测模型的模型参数，并基于调整后的模型参数进入下一轮迭代训练。2.根据权利要求1所述的方法，其特征在于，所述获取样本数据集，包括：获取初始数据集；其中，所述初始数据集包括多个初始数据；每个初始数据包括：一个样本对象对一个样本内容触发的至少一个初始行为，以及所述样本对象的对象特征和所述样本内容的内容特征；基于各初始数据中，各样本对象各自对相应的样本内容触发的至少一个初始行为，确定所述各样本对象各自对相应的样本内容偏向触发的样本行为；基于所述初始数据集和获得的各样本行为，生成所述样本数据集。3.根据权利要求2所述的方法，其特征在于，所述初始行为关联设置有优先级，所述初始行为被触发的可能性与所述优先级呈负相关；则所述基于各初始数据中，各样本对象各自对相应的样本内容触发的至少一个初始行为，确定所述各样本对象各自对相应的样本内容偏向触发的样本行为，包括：针对所述各初始数据，分别执行以下操作：在样本对象对样本内容触发一个初始行为时，将所述一个初始行为，作为所述样本对象对所述样本内容偏向触发的样本行为；在所述样本对象对所述样本内容触发多个初始行为时，将所述多个初始行为中，优先级符合预设级别规则的初始行为，作为所述样本对象对所述样本内容偏向触发的样本行为。4.根据权利要求1所述的方法，其特征在于，所述基于所述样本数据包含的对象特征和内容特征，分别确定所述各预设行为对应的内容偏向概率，包括：从所述样本数据包含的对象特征和内容特征中，提取所述各预设行为各自对应的行为特征；其中，每个行为特征为：表征所述样本内容会被所述样本对象触发相应预设行为的特征；基于预设组合策略，对所述对象特征和所述内容特征进行特征组合，获得组合特征；将获得的各行为特征，分别与所述组合特征进行特征拼接，获得相应的内容偏向特征；基于获得的各内容偏向特征，分别确定所述各预设行为各自对应的内容偏向概率。5.根据权利要求4所述的方法，其特征在于，所述对象特征包括离散型的稀疏对象特征和连续型的稠密对象特征；所述内容特征包括离散型的稀疏内容特征和连续型的稠密内容
特征；则所述基于预设组合策略，对所述对象特征和所述内容特征进行特征组合，获得组合特征，包括：对所述对象特征中的稀疏对象特征和所述内容特征中的稀疏内容特征进行第一线性组合，获得第一组合子特征；基于预设变换策略，分别对所述稀疏对象特征和所述稀疏内容特征进行特征变换，获得连续型的变换对象特征和连续型的变换内容特征；对获得的变换对象特征和变换内容特征进行第二线性组合，获得第二组合子特征；拼接所述第一组合子特征和所述第二组合子特征，获得所述组合特征。6.根据权利要求4所述的方法，其特征在于，所述内容偏向特征包含多个子特征；则所述基于获得的各内容偏向特征，分别确定所述各预设行为各自对应的内容偏向概率，包括：针对所述各内容偏向特征，分别执行以下操作：将内容偏向特征对应的预设行为作为当前行为，对所述内容偏向特征包含的多个子特征进行多轮第三线性组合，获得所述各预设行为各自对应的子概率；其中，所述子概率表征：在所述样本对象偏向触发相应预设行为的前提下，所述样本内容被所述样本对象触发所述当前行为的概率；基于获得的各子概率，确定所述当前行为对应的内容偏向概率。7.根据权利要求1～6任一项所述的方法，其特征在于，所述基于获得的各触发偏向概率、各内容偏向概率和所述样本数据中的样本行为，调整所述预测模型的模型参数，包括：基于获得的各触发偏向概率和所述样本数据中的样本行为，确定所述预测模型的触发偏向损失；其中，所述触发偏向损失表征：基于所述各触发偏向概率获得的预测行为，与所述样本行为的一致性；基于获得的各触发偏向概率、各内容偏向概率和所述样本行为，确定所述预测模型的内容偏向损失；其中，所述内容偏向损失表征：基于触发所述各预设行为而产生对象转化的预测转化率获得的预测行为，与所述样本行为的一致性；基于获得的触发偏向损失和内容偏向损失...

【专利技术属性】
技术研发人员：赵忠，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：