[发明专利]业务预测系统的训练方法及装置

权利要求书

1.一种业务预测系统的训练方法，包括：

获取针对商户的训练样本集，其中包括多个源域样本和多个目标域样本，其中各个样本包括对应多个公共特征的特征值，形成公共特征部分；所述多个公共特征至少包括以下中的一项：热销商品、用户评分、销量、被投诉次数、经营时长；源域为支付平台，目标域为小程序平台；

将所述各个样本中的公共特征部分作为当前特征部分，输入迁移学习系统，该迁移学习系统包括特征表征器，域判别器和源域业务预测器，其中，

当所述当前特征部分属于源域样本时，采用所述特征表征器对该当前特征部分进行特征表征，得到源域特征表示；将该源域特征表示分别输入所述域判别器和源域业务预测器中，对应得到源域判别结果和源域商户分类结果；

当所述当前特征部分属于目标域样本时，采用所述特征表征器对该当前特征部分进行特征表征，得到目标域特征表示；将该目标域特征表示输入所述域判别器中，得到目标域判别结果；

根据所述源域判别结果和源域标识，以及所述目标域判别结果和目标域标识，确定域判别损失；根据所述源域商户分类结果和其所对应源域样本中的源域业务标签，确定源域预测损失；基于所述域判别损失和源域预测损失，训练所述迁移学习系统；

利用训练后迁移学习系统中的特征表征器，处理所述多个目标域样本对应的多个公共特征部分，得到多个强特征表示；

利用所述多个目标域样本和对应的多个强特征表示，训练针对目标域商户的业务预测模型；其中，训练后的业务预测模型和所述训练后迁移学习系统中的特征表征器构成业务预测系统。

2.根据权利要求1所述的方法，其中，每个目标域样本中还包括对应若干目标域私有特征的特征值。

3.根据权利要求1所述的方法，其中，将该源域特征表示分别输入所述域判别器和源域业务预测器中，对应得到源域判别结果和源域商户分类结果，包括：

将所述源域特征表示输入所述源域业务预测器，得到所述源域商户分类结果；将所述源域商户分类结果和源域特征表示共同输入域判别器，得到所述源域判别结果；

其中，所述迁移学习系统中还包括目标域业务预测器，在采用所述特征表征器对其进行特征表征，得到目标域特征表示之后，所述方法还包括：

将所述目标域特征表示输入目标域业务预测器，得到所述目标域业务预测结果；

其中，将该目标域特征表示输入所述域判别器中，得到目标域判别结果，包括：

将所述目标域业务预测结果和目标域特征表示共同输入域判别器，得到所述目标域判别结果。

4.根据权利要求1所述的方法，其中，所述特征表征器实现为深度神经网络DNN。

5.根据权利要求1所述的方法，其中，利用所述多个目标域样本和对应的多个强特征表示，训练针对目标域商户的业务预测模型，包括：

将每个目标域样本中的全部特征和对应的强特征表示共同输入所述业务预测模型，得到预测结果；

将所述预测结果和所述每个目标域样本中的目标域业务标签，确定目标域预测损失；

基于所述目标域预测损失，训练所述业务预测模型。

6.根据权利要求5所述的方法，其中，所述业务预测模型实现为决策树模型。

7.根据权利要求1-6中任一项所述的方法，其中，所述业务预测模型用于预测所述目标域商户的分类或回归值。

8.根据权利要求1-6中任一项所述的方法，其中，所述多个源域样本的样本数量大于所述多个目标域样本的样本数量。