[发明专利]模型训练方法、广告推荐方法、相关装置、设备及介质

权利要求书

1.一种模型训练方法，其特征在于，包括：

固定第一梯度提升决策树GBDT模型的第一参数，逐步增大第一GBDT模型的第二参数；

在所述逐步增大所述第一GBDT模型的第二参数的过程中，当所述第一GBDT模型输出的准确率的变化率小于第一阈值时，确定目标第二参数；

固定所述目标第二参数，逐步增大所述第一GBDT模型的第一参数；

在所述逐步增大所述第一GBDT模型的第一参数的过程中，当所述第一GBDT模型输出的准确率的变化率小于第二阈值时，确定目标第一参数；

通过输入的原始数据，以所述目标第一参数和所述目标第二参数来训练所述第一GBDT模型，得到第二GBDT模型，所述第二GBDT模型用于构造组合特征向量。

2.根据权利要求1所述的方法，其特征在于，所述确定目标第二参数，包括：

从所述第一GBDT模型输出的准确率的变化率小于第一阈值时对应的第二参数开始，按照第一间隔逐步减少所述第二参数；

当所述第一GBDT模型输出的准确率的变化率大于所述第一阈值时，从所述第一GBDT模型输出的准确率的变化率大于第一阈值时对应的第二参数开始，按照第二间隔逐步增大所述第二参数；

将所述第一GBDT模型输出的准确率的变化率小于第一阈值时所对应的第二参数确定为目标第二参数；其中所述第二间隔小于所述第一间隔。

3.根据权利要求1所述的方法，其特征在于，所述确定目标第一参数，包括：

从所述第一GBDT模型输出的准确率的变化率小于第一阈值时对应的第一参数开始，按照第三间隔逐步减少所述第一参数；

当所述第一GBDT模型输出的准确率的变化率大于所述第二阈值时，从所述第一GBDT模型输出的准确率的变化率大于第二阈值时对应的第一参数开始，按照第四间隔逐步增大所述第一参数；

将所述第一GBDT模型输出的准确率的变化率小于第一阈值时所对应的第一参数确定为目标第一参数；其中所述第四间隔小于所述第三间隔。

4.一种广告推荐方法，其特征在于，包括：

将输入的训练样本输入到第二GBDT模型，获取第一组合特征向量，其中，所述第二GBDT模型为如权利要求1-3任一项所述的方法中得到的模型；

将所述第一组合特征向量与原始特征向量合并得到新数据样本，所述原始特征向量为通过原始数据训练第一GBDT模型获得的第一特征向量；

根据所述新数据样本训练第一Logistic模型得到第二Logistic模型；

将接收的预测样本输入到所述第二GBDT模型中，获取第二组合特征向量；

将所述第二组合特征向量与所述原始特征向量合并得到的第二特征向量，将所述第二特征向量输入到所述第二Logistic模型中，得到所述第二特征向量中各个类别的概率；

将所述概率中最大概率对应的类别作为推送类别后，将所述推送类别对应的广告推送给客户端。

5.一种模型训练装置，其特征在于，包括用于执行如权利要求1-3任一项所述的方法的单元。

6.一种广告推荐装置，其特征在于，包括用于执行如权利要求4所述的方法的单元。

7.一种模型训练设备，其特征在于，包括处理器、输入设备、输出设备、存储器和通信设备，所述处理器、输入设备、输出设备、存储器和通信设备相互连接，其中，所述存储器用于存储应用程序代码，所述通信设备用于与外部设备进行信息交互；所述处理器被配置用于调用所述程序代码，执行如权利要求1-3任一项所述的方法。

8.一种广告推荐设备，其特征在于，包括处理器、输入设备、输出设备、存储器和通信设备，所述处理器、输入设备、输出设备、存储器和通信设备相互连接，其中，所述存储器用于存储应用程序代码，所述通信设备用于与外部设备进行信息交互；所述处理器被配置用于调用所述程序代码，执行如权利要求4所述的方法。