[发明专利]转化率预估模型的训练方法、装置及电子设备

权利要求书

1.一种转化率预估模型的训练方法，包括：

获取目标多媒体的M个特征子集及所述目标多媒体的实际转化标签值，其中，每一个所述特征子集包括至少一个特征信息，M为正整数；

基于多头注意力机制对所述特征子集中的特征信息进行筛选，得到目标向量；

基于所述目标向量得到所述转化率预估模型输出的转化率；

获取所述转化率与所述实际转化标签值之间的损失值，基于所述损失值对所述转化率预估模型进行训练。

2.根据权利要求1所述的方法，其中，所述基于多头注意力机制对所述特征子集中的特征信息进行筛选，得到目标向量，包括：

基于多头注意力机制对每一个所述特征子集的特征信息进行筛选，得到输出向量，其中，所述输出向量为基于所述多头注意力机制获取每一个所述特征子集的相似度得分，并基于所述相似度得分进行加权计算得到；

获取多次基于所述多头注意力机制得到的多个输出向量，并将所述多个输出向量进行联结以得到目标向量。

3.根据权利要求2所述的方法，其中，所述基于多头注意力机制对每一个所述特征子集的特征信息进行筛选，得到输出向量，包括：

基于多头注意力机制获取每一个所述特征子集的相似度得分；

将所述相似度得分大于或等于预设分值的特征子集中的特征信息进行保留，并将所述相似度得分小于所述预设分值的特征子集中的特征信息进行剔除，以得到输出向量。

4.根据权利要求2所述的方法，其中，所述基于多头注意力机制对每一个所述特征子集的特征信息进行筛选，得到输出向量，包括：

获取包含所有特征信息的目标特征子集对应的查询向量，以及获取每一个所述特征子集对应的关键向量和价值向量；

获取每一个所述特征子集对应的关键向量与所述查询向量之间的相似度得分；

根据所述相似度得分对每一个所述特征子集的价值向量进行加权计算，以获取基于多头注意力机制得到的输出向量。

5.根据权利要求1所述的方法，其中，在所述目标多媒体发生预设转化行为的情况下，所述目标多媒体的实际转化标签值为1；

在所述目标多媒体未发生所述预设转化行为的情况下，所述目标多媒体的实际转化标签值为0。

6.一种转化率预估模型的训练装置，包括：

第一获取模块，用于获取目标多媒体的M个特征子集及所述目标多媒体的实际转化标签值，其中，每一个所述特征子集包括至少一个特征信息，M为正整数；

筛选模块，用于基于多头注意力机制对所述特征子集中的特征信息进行筛选，得到目标向量；

第二获取模块，用于基于所述目标向量得到所述转化率预估模型输出的转化率；

训练模块，用于获取所述转化率与所述实际转化标签值之间的损失值，基于所述损失值对所述转化率预估模型进行训练。

7.根据权利要求6所述的装置，其中，所述筛选模块包括：

筛选单元，用于基于多头注意力机制对每一个所述特征子集的特征信息进行筛选，得到输出向量，其中，所述输出向量为基于所述多头注意力机制获取每一个所述特征子集的相似度得分，并基于所述相似度得分进行加权计算得到；

联结单元，用于获取多次基于所述多头注意力机制得到的多个输出向量，并将所述多个输出向量进行联结以得到目标向量。

8.根据权利要求7所述的装置，其中，所述筛选单元还用于：

基于多头注意力机制获取每一个所述特征子集的相似度得分；

将所述相似度得分大于或等于预设分值的特征子集中的特征信息进行保留，并将所述相似度得分小于所述预设分值的特征子集中的特征信息进行剔除，以得到输出向量。