【技术实现步骤摘要】
本文件属于数据处理的，具体涉及一种预测模型训练的方法、装置及电子设备。
技术介绍
1、在到店支付过程中，支付平台经常会通过一些激励策略刺激用户消费，以提升用户使用该支付平台在商户的支付笔数。其中，激励策略可以为向用户发放补贴券或返点等。为了更好的刺激用户消费、防止用于激励的资金滥用和保证激励资金的合理分配等，通常需要预测在不同激励程度下的激励效果。
2、在不侵犯用户隐私的情况下，往往会使用机器学习模型预测向用户实施激励策略之后，用户使用该支付平台在商家的支付笔数是否有所提高，以确定该激励策略是否真正起到了正向促进的作用。然而，该机器学习模型往往无法学习到真正的激励策略与支付笔数之间的关系，导致模型预测的激励结果存在偏差。为此，需要提供一种更优的预测模型训练方案，以准确预测激励结果。
技术实现思路
1、本说明书实施例提供一种预测模型训练的方法、装置及电子设备，以提供一种更优的预测模型训练方案。
2、第一方面，本说明书实施例提供了一种预测模型训练的方法，该方法包括：获取用于对预测模型训练的样本数据，所述预测模型包含分离网络和预测网络，所述样本数据包含商户特征和对用户采取的激励措施，所述激励措施分为用于指示对用户采取激励措施的第一措施和用于指示未对用户采取激励措施的第二措施，所述商户特征至少包含第一直接特征和第二直接特征，所述第一直接特征是与所述预测网络的第一子预测网络输出的第一预测效果相关、与所述激励措施的激励特征相关的商户特征，所述第二直接特征是与所述第一预测
3、第二方面，本说明书实施例提供了一种预测模型训练的装置，包括：获取模块，用于获取用于对预测模型训练的样本数据，所述预测模型包含分离网络和预测网络，所述样本数据包含商户特征和对用户采取的激励措施，所述激励措施分为用于指示对用户采取激励措施的第一措施和用于指示未对用户采取激励措施的第二措施，所述商户特征至少包含第一直接特征和第二直接特征，所述第一直接特征是与所述预测网络的第一子预测网络输出的第一预测效果相关、与所述激励措施的激励特征相关的商户特征，所述第二直接特征是与所述第一预测效果相关、与所述激励特征无关的商户特征；第一分离模块，用于将所述商户特征输入所述分离网络中的第一子分离网络，基于所述第一子分离网络对所述商户特征的分离处理，得到所述第一直接特征；第一损失模块，用于根据第一分布和第二分布之间的差异，确定所述第一子分离网络的第一直接损失函数，所述第一分布为所述激励措施为所述第一措施的样本数据对应的第一直接特征的分布，所述第二分布为所述激励措施为所述第二措施的样本数据对应的第一直接特征的分布；训练模块，用于通过最小化至少包含所述第一直接损失函数的目标损失函数，对所述预测模型进行训练，得到训练后的预测模型。
4、第三方面，本说明书实施例提供了一种电子设备，该电子设备包括：处理器，以及被安排成存储计算机可执行指令的存储器，在所述可执行指令被执行时，能够使得所述处理器：获取用于对预测模型训练的样本数据，所述预测模型包含分离网络和预测网络，所述样本数据包含商户特征和对用户采取的激励措施，所述激励措施分为用于指示对用户采取激励措施的第一措施和用于指示未对用户采取激励措施的第二措施，所述商户特征至少包含第一直接特征和第二直接特征，所述第一直接特征是与所述预测网络的第一子预测网络输出的第一预测效果相关、与所述激励措施的激励特征相关的商户特征，所述第二直接特征是与所述第一预测效果相关、与所述激励特征无关的商户特征；将所述商户特征输入所述分离网络中的第一子分离网络，基于所述第一子分离网络对所述商户特征的分离处理，得到所述第一直接特征；根据第一分布和第二分布之间的差异，确定所述第一子分离网络的第一直接损失函数，所述第一分布为所述激励措施为所述第一措施的样本数据对应的第一直接特征的分布，所述第二分布为所述激励措施为所述第二措施的样本数据对应的第一直接特征的分布；通过最小化至少包含所述第一直接损失函数的目标损失函数，对所述预测模型进行训练，得到训练后的预测模型。
5、再一方面，本说明书实施例提供一种存储介质，用于存储计算机程序，所述计算机程序能够被处理器执行以实现以下流程：获取用于对预测模型训练的样本数据，所述预测模型包含分离网络和预测网络，所述样本数据包含商户特征和对用户采取的激励措施，所述激励措施分为用于指示对用户采取激励措施的第一措施和用于指示未对用户采取激励措施的第二措施，所述商户特征至少包含第一直接特征和第二直接特征，所述第一直接特征是与所述预测网络的第一子预测网络输出的第一预测效果相关、与所述激励措施的激励特征相关的商户特征，所述第二直接特征是与所述第一预测效果相关、与所述激励特征无关的商户特征；将所述商户特征输入所述分离网络中的第一子分离网络，基于所述第一子分离网络对所述商户特征的分离处理，得到所述第一直接特征；根据第一分布和第二分布之间的差异，确定所述第一子分离网络的第一直接损失函数，所述第一分布为所述激励措施为所述第一措施的样本数据对应的第一直接特征的分布，所述第二分布为所述激励措施为所述第二措施的样本数据对应的第一直接特征的分布；通过最小化至少包含所述第一直接损失函数的目标损失函数，对所述预测模型进行训练，得到训练后的预测模型。
本文档来自技高网...【技术保护点】
1.一种预测模型训练的方法，包括：
2.根据权利要求1所述的方法，所述分离网络包括第二子分离网络，所述方法，包括：
3.根据权利要求2所述的方法，所述预测网络包括第二子预测网络，所述方法，包括：
4.根据权利要求3所述的方法，所述方法，包括：
5.根据权利要求4所述的方法，所述分离网络包括第三子分离网络，所述方法，包括：
6.根据权利要求5所述的方法，所述方法，包括：
7.根据权利要求6所述的方法，所述预测网络包含第三子预测网络，所述方法，包括：
8.根据权利要求7所述的方法，所述通过最小化至少包含所述第一直接损失函数的目标损失函数，对所述预测模型进行训练，得到训练后的预测模型，包括：
9.一种预测模型训练的装置，包括：
10.一种电子设备，包括：
【技术特征摘要】
1.一种预测模型训练的方法，包括：
2.根据权利要求1所述的方法，所述分离网络包括第二子分离网络，所述方法，包括：
3.根据权利要求2所述的方法，所述预测网络包括第二子预测网络，所述方法，包括：
4.根据权利要求3所述的方法，所述方法，包括：
5.根据权利要求4所述的方法，所述分离网络包括第三子分离网络，所述方法，包括：
【专利技术属性】
技术研发人员：陆奕强，刘健，
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：
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。