← 返回列表
预测模型的训练方法、装置及电子设备
摘要文本
本申请实施例提供了一种预测模型的训练方法、装置及电子设备。该方法包括：获取样本数据；利用预构建的DeepFM模型将样本数据转换为对应的向量数据；获取样本数据中任一属性特征在向量数据中的位置对应关系，并存储至DeepFM模型中，得到调整后的DeepFM模型；利用向量数据对调整后的DeepFM模型进行训练，得到DeepFM预测模型，以对DeepFM预测模型进行部署。本申请实施例解决了现有技术中在线上部署DeepFM模型过程中，需要建立索引文件以及进行格式转换导致的操作复杂问题，简化了部署步骤，从而降低了线上应用DeepFM预测模型的开销成本。
申请人信息
- 申请人:北京奇虎科技有限公司
- 申请人地址:100088 北京市西城区新街口外大街28号D座112室(德胜园区)
- 发明人: 北京奇虎科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 预测模型的训练方法、装置及电子设备 |
| 专利类型 | 发明授权 |
| 申请号 | CN201811595032.5 |
| 申请日 | 2018年12月25日 |
| 公告号 | CN111368150B |
| 公开日 | 2024年4月2日 |
| IPC主分类号 | G06F16/903 |
| 权利人 | 北京奇虎科技有限公司 |
| 发明人 | 翟羽行 |
| 地址 | 北京市西城区新街口外大街28号D座112室(德胜园区) |
专利主权项内容
1.一种预测模型的训练方法，其特征在于，包括：获取样本数据，所述样本数据包括用户个人信息以及已安装的应用程序的详细信息；利用预构建的DeepFM模型将所述样本数据转换为对应的向量数据；获取所述样本数据中任一属性特征在所述向量数据中的位置对应关系，并存储至所述DeepFM模型中，得到调整后的DeepFM模型，所述属性特征包括数值属性、单值类别属性以及多值类别属性，所述数值属性包括年龄、应用程序的下载量以及转化率，所述单值类别属性包括性别，所述多值类别属性包括兴趣以及应用程序APP推荐中的安装列表；利用所述向量数据对调整后的DeepFM模型进行训练，得到DeepFM预测模型，以对所述DeepFM预测模型进行部署，所述DeepFM预测模型用于确定推荐信息；所述利用预构建的DeepFM模型将所述样本数据转换为对应的向量数据之前，还包括：依据预设的属性标签的排序词典，对所述样本数据中任一属性特征进行排序，以确定排序后的任一属性特征在所述向量数据中的位置，所述属性标签用于表征所述属性特征的分类。 来自马克数据网