用户响应预测系统的训练方法、用户响应预测方法及装置制造方法及图纸

本说明书实施例中提供了一种包括用户响应预测系统的训练方法，系统包括行为预测模型、干预表征模型、特征映射模型和倾向预测模型。方法包括获取样本，样本中包括用户特征，对用户施加的第一干预和施加第一干预后用户做出的第一响应；将用户特征输入已训练的行为预测模型，得到第二响应；将第一干预输入干预表征模型，得到干预表征；将用户特征分别输入特征映射模型和倾向预测模型，得到映射特征和倾向性特征；基于干预表征、映射特征和倾向性特征，对第二响应进行修正，得到第三响应；基于根据第一响应和第三响应的差异而确定的第一损失和根据倾向性特征和第一干预表征的差异而确定的第二损失，训练干预表征模型、特征映射模型和倾向预测模型。

【技术实现步骤摘要】

本说明书实施例属于人工智能（artificial intelligence,ai），尤其涉及一种用户响应预测系统的训练方法、用户响应预测方法及装置。

技术介绍

1、在许多领域，都需要研究干预(treatment)对用户响应(outcome)的影响(impact)。例如，在营销领域，需要分析优惠券等权益的发放，对用户使用平台服务意愿的影响，从而辅助决策是否进行权益发放；又例如，在医疗领域，需要分析某些治疗手段对病人健康状态的影响，从而辅助进行治疗手段的选取。

2、随着机器学习技术的兴起，通过构建机器学习模型对上述outcome进行分析预测已是大势所趋。然而，目前构建出的预测模型的性能有限，难以满足实际应用中在多重干预（multiple treatment）下对outcome的预测。因此，需要一种方案，可以实现在multipletreatment下对outcome的预测。

技术实现思路

1、本说明书实施例旨在提供一种用户响应预测系统的训练方法、用户响应预测方法、装置、计算机可读存储介质及计算设备，可以本文档来自技高网...

【技术保护点】

1.一种用户响应预测系统的训练方法，包括：

2.根据权利要求1所述的方法，其中，在将所述用户特征输入已训练好的行为预测模型，得到预测的第二响应之前，还包括：

3.根据权利要求1所述的方法，其中，基于所述第一干预表征，所述映射特征和所述倾向性特征，对所述第二响应进行修正，得到第三响应，包括：

4.根据权利要求1所述的方法，其中，所述行为预测模型包括：第一深度交叉神经网络DCN和第一多层感知机MLP，其中，所述第一DCN用于对所述用户特征进行交叉运算，所述第一MLP用于对所述第一DCN输出的结果进行维度变换。

5.根据权利要求1所述的方法，其中...

【技术特征摘要】

1.一种用户响应预测系统的训练方法，包括：

2.根据权利要求1所述的方法，其中，在将所述用户特征输入已训练好的行为预测模型，得到预测的第二响应之前，还包括：

3.根据权利要求1所述的方法，其中，基于所述第一干预表征，所述映射特征和所述倾向性特征，对所述第二响应进行修正，得到第三响应，包括：

4.根据权利要求1所述的方法，其中，所述行为预测模型包括：第一深度交叉神经网络dcn和第一多层感知机mlp，其中，所述第一dcn用于对所述用户特征进行交叉运算，所述第一mlp用于对所述第一dcn输出的结果进行维度变换。

5.根据权利要求1所述的方法，其中，所述特征映射模型包括：第二深度交叉神经网络dcn和第二多层感知机mlp，其中，所述第二dcn用于对所述用户特征进行交叉运算，所述第二mlp用于对所述第二dcn输出的结果进行维度变换；

6.根据权利要求1所述的方法，其中，所述干预表征模型为图神经网络gnn或者one-hot函数。

7.根据权利要求1-6任一所述的方法，其中，与所述第一干预相关的权益为以下一项或多项：红包、礼包、优惠券、兑换码、支付券或者积分；

【专利技术属性】
技术研发人员：张雷，何建杉，褚崴，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：