[发明专利]模型的偏差优化方法、装置、设备及计算机可读介质

权利要求书

1.一种模型的偏差优化方法，其特征在于，包括：

将第一模型对目标维度的推广媒体数据进行预测产生的偏差特征输入第二模型，以获取所述第二模型对所述目标维度的推广媒体数据进行价值评估得到的第一推广预测结果，其中，所述第二模型中隐含层的数量小于所述第一模型中隐含层的数量，所述偏差特征的确定方式为：在所述第一模型对所述目标维度的推广媒体数据的预测结果的偏差大于或等于第一偏差阈值的情况下，将所述目标维度的推广媒体数据作为所述偏差特征；

在使用训练数据对所述第一模型进行训练时，将所述第一推广预测结果与所述第一模型中的目标隐含层的输出进行拼接后继续训练，以使得所述第一模型最终输出的第二推广预测结果中对所述目标维度的推广媒体数据的预测偏差小于所述第一偏差阈值；

将所述偏差特征输入第二模型，以获取所述第二模型对所述目标维度的推广媒体数据进行价值评估得到的第一推广预测结果包括：将所述偏差特征转换为第一特征向量，其中，所述第一特征向量为对所述偏差特征离散化得到的；初始化所述第二模型中各网络层中的权重参数，并将所述第一特征向量输入所述第二模型，其中，所述权重参数与所述第一特征向量相对应；获取所述第二模型的输出层输出的所述第一推广预测结果。

2.根据权利要求1所述的方法，其特征在于，在使用训练数据对所述第一模型进行训练时，将所述第一推广预测结果与所述第一模型中的目标隐含层的输出进行拼接后继续训练包括：

在使用训练数据继续对所述第一模型进行训练时，提取所述第一模型的最后一层隐含层的输出向量作为中间向量；

将所述第一推广预测结果与所述中间向量拼接为一个向量，并将拼接向量输入所述第一模型的输出层。

3.根据权利要求2所述的方法，其特征在于，使用训练数据对所述第一模型进行训练包括：

提取所述训练数据的特征，并将所述训练数据的特征转换为特征向量后拼接为第二特征向量，其中，所述训练数据包括所述目标维度的推广媒体数据，所述训练数据的特征向量是由所述训练数据的特征映射得到的；

将所述第二特征向量输入所述第一模型，以在所述第一模型中利用多层隐含层逐层提取所述训练数据的高阶特征进行价值评估。

4.根据权利要求1所述的方法，其特征在于，将第一模型对目标维度的推广媒体数据进行预测产生的偏差特征输入第二模型之前，所述方法还包括按照如下方式获取所述偏差特征：

将推广媒体数据输入所述第一模型，以获取所述第一模型对所述推广媒体数据进行价值评估得到的第三推广预测结果；

利用所述第三推广预测结果确定所述偏差特征，其中，所述推广媒体数据包括所述目标维度的推广媒体数据。

5.根据权利要求4所述的方法，其特征在于，利用所述第三推广预测结果确定所述偏差特征包括：

获取各个维度的所述推广媒体数据的实际推广结果；

确定每个维度的所述第三推广预测结果与所述实际推广结果的差值；

将所述差值与所述实际推广结果的比值作为所述预测偏差；

在所述预测偏差大于或等于所述第一偏差阈值的情况下，将所述预测偏差对应的所述目标维度作为所述偏差特征。

6.根据权利要求2所述的方法，其特征在于，将拼接向量输入所述第一模型的输出层之后，所述方法还包括：

获取所述第一模型的输出层输出的所述第二推广预测结果，其中，所述第二推广预测结果包括对不同位置的广告的点击预测率和转化预测率中的至少一种；

利用所述第二推广预测结果和实际检测值确定损失值，并利用所述损失值调整所述第一模型的参数，直至所述第一模型的预测偏差小于第二偏差阈值，其中，所述第二偏差阈值小于所述第一偏差阈值。