[发明专利]用于生成信息预测模型的方法和装置

说明书

本申请实施例公开了用于生成信息预测模型的方法和装置。该方法的一具体实施方式包括：获取样本集，从中选取样本，执行训练步骤：将样本第一数据、第二数据输入初始模型，得到第一信息和第二信息；将第一信息、第二信息分别与样本第一信息、样本第二信息进行分析，确定第一信息的损失值和第二信息的损失值；将第一信息与第二信息之间的关系进行分析，确定第一信息与第二信息之间的损失值；根据预设的第一信息权重、第二信息权重和第一信息与第二信息之间的关系权重，将三者损失值的加权结果作为总损失值，将总损失值与目标值进行比较；根据比较结果确定初始模型是否训练完成；响应于确定初始模型训练完成，将初始模型作为信息预测模型。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于生成信息预测模型的方法和装置。

背景技术

城市区域，狭义的城市区域是指城市内按其功能(职能)划分的小区。广义可理解为城市发展和与之有紧密相连的周围地区间的一种特定的地域结构体系。

发明内容

本申请实施例提出了用于生成信息预测模型的方法和装置。

第一方面，本申请实施例提供了一种用于生成信息预测模型的方法，该方法包括：获取样本集，其中，样本包括样本第一数据和样本第二数据以及与样本第一数据和样本第二数据对应的样本第一信息和样本第二信息；从上述样本集中选取样本，以及执行以下训练步骤：将选取的样本的样本第一数据和样本第二数据输入初始模型，得到样本的第一信息和样本的第二信息；将第一信息与对应的样本第一信息进行分析，确定第一信息的损失值；将第二信息与对应的样本第二信息进行分析，确定第二信息的损失值；将第一信息与第二信息之间的关系进行分析，确定第一信息与第二信息之间的损失值；根据预设的第一信息权重、第二信息权重和第一信息与第二信息之间的关系权重，将样本的第一信息的损失值、样本的第二信息的损失值和样本的第一信息与样本的第二信息之间的损失值的加权结果作为样本的总损失值，以及将样本的总损失值与目标值进行比较；根据比较结果确定初始模型是否训练完成；响应于确定初始模型训练完成，将初始模型作为信息预测模型。

在一些实施例中，上述初始模型包括第一特征提取层、第一特征提取网络、第二特征提取网络、第二特征提取层和输出层；以及上述将选取的样本的样本第一数据和样本第二数据输入初始模型，得到样本的第一信息和样本的第二信息，包括：将选取的样本的样本第一数据输入上述第一特征提取层，生成第一特征和第二特征；将所生成的第一特征和第二特征分别输入上述第一特征提取网络和上述第二特征提取网络，得到第三特征和第四特征；将选取的样本的样本第二数据输入上述第二特征提取层，生成第五特征；将所得到的第三特征、第四特征和所生成的第五特征输入上述输出层，生成第一信息和第二信息。

在一些实施例中，该方法还包括：响应于确定初始模型未训练完成，调整初始模型中的相关参数，以及从上述样本集中重新选取样本，使用调整后的初始模型作为初始模型，继续执行上述训练步骤。

第二方面，本申请实施例提供了一种用于生成信息预测模型的装置，该装置包括：获取单元，被配置成获取样本集，其中，样本包括样本第一数据和样本第二数据以及与样本第一数据和样本第二数据对应的样本第一信息和样本第二信息；训练单元，被配置成从上述样本集中选取样本，以及执行以下训练步骤：将选取的样本的样本第一数据和样本第二数据输入初始模型，得到样本的第一信息和样本的第二信息；将第一信息与对应的样本第一信息进行分析，确定第一信息的损失值；将第二信息与对应的样本第二信息进行分析，确定第二信息的损失值；将第一信息与第二信息之间的关系进行分析，确定第一信息与第二信息之间的损失值；根据预设的第一信息权重、第二信息权重和第一信息与第二信息之间的关系权重，将样本的第一信息的损失值、样本的第二信息的损失值和样本的第一信息与样本的第二信息之间的损失值的加权结果作为样本的总损失值，以及将样本的总损失值与目标值进行比较；根据比较结果确定初始模型是否训练完成；响应于确定初始模型训练完成，将初始模型作为信息预测模型。