[发明专利]信息转化率预测方法、装置、设备及可读存储介质

权利要求书

1.一种信息转化率预测方法，其特征在于，所述信息转化率预测方法包括：

获取原始训练数据的用户设备号对应的扩展用户数据，并基于所述扩展用户数据对所述原始训练数据进行重新构建，得到增强型训练数据；

利用所述原始训练数据以及所述增强型训练数据进行联合模型训练，得到信息转化率预测模型以及辅助模型，并基于所述辅助模型对所述信息转化率预测模型进行优化；

在接收到信息转化率预测请求时，根据优化后的所述信息转化率预测模型得到所述信息转化率预测请求对应的信息内容的转化率预测结果。

2.如权利要求1所述信息转化率预测方法，其特征在于，所述原始训练数据包括原始信息特征数据和用户设备号对应的原始转化率；

所述获取原始训练数据的用户设备号对应的扩展用户数据，并基于所述扩展用户数据对所述原始训练数据进行重新构建，得到增强型训练数据的步骤包括：

在预设的用户辅助信息库中，根据所述用户设备号查找所述扩展用户数据，并在预设的用户画像数据库中，根据所述用户设备号查找用户画像数据；

基于所述用户设备号，将所述扩展用户数据、所述用户画像数据、所述原始信息特征数据以及所述原始转化率关联保存作为所述增强型训练数据。

3.如权利要求1所述信息转化率预测方法，其特征在于，所述利用所述原始训练数据以及所述增强型训练数据进行联合模型训练，得到信息转化率预测模型以及辅助模型，并基于所述辅助模型对所述信息转化率预测模型进行优化的步骤包括：

将所述原始训练数据输入初始预测模型进行模型训练，同时将所述增强型训练数据输入辅助模型进行模型训练，基于所述初始预测模型的第一预测值以及所述辅助模型的第二预测值，构造所述初始预测模型对应的第一总损失函数以及所述辅助模型对应的第二总损失函数；

基于所述第一总损失函数以及所述第二总损失函数进行模型迭代训练，利用所述辅助模型的第二预测值对所述初始预测模型进行优化；

当所述初始预测模型收敛时，将当前所述初始预测模型确定为优化后的所述信息转化率预测模型。

4.如权利要求3所述信息转化率预测方法，其特征在于，所述基于所述初始预测模型的第一预测值以及所述辅助模型的第二预测值，构造所述初始预测模型对应的第一总损失函数的步骤包括：

基于所述初始预测模型的第一预测值以及所述原始训练数据的原始转化率，确定第一损失函数；

基于所述初始预测模型的第一预测值以及所述辅助模型的第二预测值，确定第三损失函数；

对所述第一损失函数和所述第三损失函数进行加权求和，得到所述第一总损失函数。

5.如权利要求3所述信息转化率预测方法，其特征在于，所述当所述初始预测模型收敛时，将当前所述初始预测模型确定为优化后的所述信息转化率预测模型的步骤包括：

基于所述第一总损失函数以及预设阈值确定所述初始预测模型是否收敛；

当所述第一总损失函数小于或等于预设阈值时，确定所述初始预测模型收敛，得到所述优化后的所述信息转化率预测模型。

6.如权利要求3所述信息转化率预测方法，其特征在于，所述基于所述初始预测模型的第一预测值以及所述辅助模型的第二预测值，构造所述辅助模型对应的第二总损失函数的步骤包括：

基于所述辅助模型的第二预测值以及所述原始训练数据的原始转化率，确定第二损失函数；

对基于所述初始预测模型的第一预测值以及所述辅助模型的第二预测值确定的第三损失函数和所述第二损失函数进行加权求和，得到所述第二总损失函数。

7.如权利要求1至6中任一项所述信息转化率预测方法，其特征在于，所述信息转化率预测请求包括目标用户设备号和目标信息特征数据，所述在接收到信息转化率预测请求时，根据优化后的所述信息转化率预测模型得到所述信息转化率预测请求对应的信息内容的转化率预测结果的步骤包括：

在预设的用户画像数据库中，根据所述目标用户设备号查找目标用户画像数据；

将所述目标用户画像数据、所述目标信息特征数据输入优化后的所述信息转化率预测模型进行转化率预测，将所述信息转化率预测模型输出的预测值作为所述预测转化率。