模型训练方法、用户意愿识别方法、装置、电子设备制造方法及图纸

本公开涉及计算机技术领域，涉及一种模型训练方法及装置、用户意愿识别方法及装置、计算机可读存储介质及电子设备。该模型训练方法包括：获取用户样本的用户基础特征、历史行为序列以及基于搜索内容进行特征提取得到的搜索特征，该历史行为序列为基于用户样本的历史完播对象确定的序列，用户样本具有对应的目标搜索内容；将历史行为序列与目标搜索内容进行特征交互处理，得到用户样本的交互特征；基于历史行为序列，确定用户样本的短期兴趣特征；根据用户基础特征、搜索特征、交互特征和短期兴趣特征确定目标样本数据，以利用目标样本数据对目标模型进行训练。本公开能提高了用户意愿识别模型的精确度。

【技术实现步骤摘要】

本公开的示例性实施例涉及计算机，更具体地，本公开的示例性实施例涉及模型训练方法、模型训练装置、用户意愿识别方法、用户意愿识别装置、计算机可读存储介质及电子设备。

技术介绍

1、随着计算机与互联网技术的快速发展，人们花费在互联网的时间逐渐增多，这就为基于互联网实现对象推荐提供了良好的基础，使得推荐技术得到了长远的发展，被广泛应用在音乐、视频、新闻、电商、有声读物等领域。为了准确地向用户推荐可能喜欢的产品，通常对用户意愿进行预测识别。

2、现有的用户意愿识别模型的训练方法，仅是考虑用户个体的意愿，忽略了其它因素对用户意愿的影响，存在训练样本不全面的问题，一定程度影响用户意愿识别模型的精确度。

3、需要说明的是，在上述
技术介绍
部分专利技术的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开的目的在于提供一种模型训练方法及装置、用户意愿识别方法及装置、计算机可读存储介质和电子设备，进而提高用户意愿识别模型的精确度。

本文档来自技高网...

【技术保护点】

1.一种模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，基于搜索内容进行特征提取得到所述搜索特征的过程，包括：

3.根据权利要求1所述的方法，其特征在于，所述将所述历史行为序列与所述目标搜索内容进行特征交互处理，得到所述用户样本的交互特征，包括：

4.根据权利要求3所述的方法，其特征在于，所述对于所述历史行为序列中的每个历史完播对象，将所述历史完播对象与所述目标搜索内容进行特征交互处理，得到所述历史完播对象与所述目标搜索内容的第一相似度权重，包括：

5.根据权利要求1所述的方法，其特征在于，所述基于所述历史行为序...

【技术特征摘要】

1.一种模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，基于搜索内容进行特征提取得到所述搜索特征的过程，包括：

3.根据权利要求1所述的方法，其特征在于，所述将所述历史行为序列与所述目标搜索内容进行特征交互处理，得到所述用户样本的交互特征，包括：

4.根据权利要求3所述的方法，其特征在于，所述对于所述历史行为序列中的每个历史完播对象，将所述历史完播对象与所述目标搜索内容进行特征交互处理，得到所述历史完播对象与所述目标搜索内容的第一相似度权重，包括：

5.根据权利要求1所述的方法，其特征在于，所述基于所述历史行为序列...

【专利技术属性】
技术研发人员：许嵩沛，彭正超，李伟生，赵逸龙，肖强，罗川江，李勇，
申请(专利权)人：杭州网易云音乐科技有限公司，
类型：发明
国别省市：