【技术实现步骤摘要】
本专利技术涉及机器学习领域，尤其涉及用于机器学习训练的样本数据的收集方法。
技术介绍
1、使用历史数据对机器学习模型进行训练，在广告投放、内容推荐、搜索结果排序等领域均有广泛的应用。在模型架构不变的情况下，训练效果严重依赖训练数据的量和及时性。训练数据多、越及时，训练的结果越理想。
2、常用的模型训练数据来源是用户对内容的操作历史数据。一方面，为了保证数据量，应当尽量收集用户对每一个内容的交互数据，且经过一定时间的积累。另一方面，为了尽可能保证模型使用最新的数据进行训练，又要求模型训练的数据需要及时更新，不能等待过久。这两个目的之间存在一定的矛盾。
3、以目前的推荐系统举例，面对上述矛盾的应对方式是折中：一方面对每个内容都进行收集，且收集时根据经验在内容曝光(或者称投放、展示)后留一个时间窗口，以便收集用户对内容的操作数据；另一方面，以天为单位，将一天内收集到的数据用于更新训练模型。以便保证数据的量和可用性的同时，将训练数据的时延控制在可接受范围(一天)内。
4、常用的训练数据收集流程如图1所示。对每一篇内容进行曝光后，进行如下操作：
5、步骤1：等待一个时间t1(通过统计用户的操作习惯确定，常规为20分钟)，时间t1届满时判断用户在时间t1内是否对内容进行操作，如果无操作，则进入步骤11；如果用户有操作(例如点击)，则进入步骤2；
6、步骤11：生成用户未点击内容的样本数据并存储；
7、步骤2：继续等待一个时间t2(常规也为20分钟)，时间t1届满时判断用
8、步骤21：生成用户对内容点击且交互的样本数据并存储；
9、步骤22：生成用户对内容点击但无交互的样本数据并存储。
10、上述方法的不足之处在于：如果用户在时间t内对内容进行操作的概率符合均匀分布，则上述两次等待的时间窗口导致收集一条样本数据的时延期望值为20分钟，最差情况可能到40分钟，大大影响了训练数据收集的效率。上述方法是仅将点击操作进行细分存储，而将其它的交互操作统一作为一类样本存储，如果一些场景下需要对用户的不同交互操作都分别生成样本，则所用步骤会更为复杂、时延会更为严重。
技术实现思路
1、鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种样本数据收集方法，包括：步骤1：曝光内容；步骤2：等待时间t1，在所述时间t1届满时判断用户在所述t1时间内是否对所述内容进行操作，如果无操作，则生成所述用户未操作所述内容的样本数据；如果所述用户在所述时间t1内对所述内容进行了操作，则继续；步骤3：等待时间t2，在所述时间t2届满时判断所述用户在所述时间t2内对所述内容是否进行了交互，如果有交互，则生成所述用户对所述内容操作且交互的样本数据；如果无交互，则生成所述用户对所述内容操作但无交互的样本数据；其中，在所述t1时间内，同时监听是否有所述用户对新内容的曝光请求，如果有，则生成所述用户未操作所述内容的样本数据，并立即结束等待，且不再执行所述步骤3。
2、优选地，上述样本数据收集方法中，在所述t2时间内，同时监听是否有所述用户对新内容的曝光请求，如果有，则生成所述用户对所述内容操作且未交互样本数据，并立即结束等待。
3、优选地，上述样本数据收集方法中，所述t1时间为10～25分钟。
4、优选地，上述样本数据收集方法中，所述t2时间为10～25分钟。
5、优选地，上述样本数据收集方法中，所述交互包括所述用户对所述内容的点赞，分享，收藏，评论中的任意一种。
本文档来自技高网...【技术保护点】
1.一种样本数据收集方法，其特征在于，包括：
2.根据权利要求1所述的样本数据收集方法，其特征在于，在所述T2时间内，同时监听是否有所述用户对新内容的曝光请求，如果有，则生成所述用户对所述内容操作且未交互样本数据，并立即结束等待。
3.根据权利要求1所述的样本数据收集方法，其特征在于，所述T1时间为10～25分钟。
4.根据权利要求1所述的样本数据收集方法，其特征在于，所述T2时间为10～25分钟。
5.根据权利要求1所述的样本数据收集方法，其特征在于，所述交互包括所述用户对所述内容的点赞，分享，收藏，评论中的任意一种。
【技术特征摘要】
1.一种样本数据收集方法，其特征在于，包括：
2.根据权利要求1所述的样本数据收集方法，其特征在于，在所述t2时间内，同时监听是否有所述用户对新内容的曝光请求，如果有，则生成所述用户对所述内容操作且未交互样本数据，并立即结束等待。
3.根据权利要求1所述的样本数据...
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。