[发明专利]一种基于神经网络的多输出多任务特征评估方法、装置和电子设备

权利要求书

1.一种基于神经网络的多输出多任务特征评估方法，其特征在于，包括：

获取历史用户信息，所述历史用户信息包括历史用户基础信息和业务表现信息；

基于所述历史用户信息构建特征评价框架模型，所述框架模型包括多个互相连接并能够各自独立输出对应业务特征评价结果的子模型，所述多个子模型串联且前一子模型的输出结果为其以后所有子模型的输入信息；

获取当前用户基础信息；

将所述当前用户基础信息输入至所述特征评价框架模型获取所述当前用户多个不同类型业务的特征评分。

2.根据权利要求1所述的方法，其特征在于：所述业务表现信息包括不同类型业务表现信息和/或同一业务以时间为序列的多个业务表现信息。

3.根据权利要求2所述的方法，其特征在于：所述同一业务以时间为序列的多个业务表现信息为选取同一业务不同时间的表现值构成的以时间为序列的向量。

4.根据权利要求1所述的方法，其特征在于，所述特征评价框架模型进一步包括：任一子模型的输入信息包括所述用户基础信息以及当前子模型之前所有子模型的输出结果信息。

5.根据权利要求4所述的方法，其特征在于，还包括：所述特征评价框架模型为利用tensorflow搭建的神经网络框架。

6.根据权利要求5所述的方法，其特征在于，还包括：所述特征评价框架模型采用带动量的随机梯度下降优化方法。

7.一种基于神经网络的多输出多任务特征评估装置，其特征在于，包括：

历史信息模块，用于获取历史用户信息，所述历史用户信息包括历史用户基础信息和业务表现信息；

模型模块，用于基于所述历史用户信息构建特征评价框架模型，所述框架模型包括多个互相连接并能够各自独立输出对应业务特征评价结果的子模型，所述多个子模型串联且前一子模型的输出结果为其以后所有子模型的输入信息；

当前信息模块，用于获取当前用户基础信息；

评分模块，用于将所述当前用户基础信息输入至所述特征评价框架模型获取所述当前用户多个不同类型业务的特征评分。

8.一种电子设备，其中，该电子设备包括：

处理器；以及，

存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1-6中任一项所述的方法。

9.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现权利要求1-6中任一项所述的方法。