[发明专利]对用户进行人群划分、训练多任务模型的方法和装置

权利要求书

1.一种对用户进行人群划分的方法，所述方法包括：

获取用户总集，其中用户的多个特征变量各自的可能取值构成特征值集合；

构建关系网络图，其中的单个节点对应于所述特征值集合中的一个特征值；连接两个节点的连接边具有边属性值，所述边属性值根据所述用户总集中，同时具有所述两个节点分别表示的两个特征值的用户数量而确定；

通过图嵌入的方式，得到所述关系网络图中各节点分别对应的节点嵌入向量；

根据各节点嵌入向量之间的相似性，从所述特征值集合中选择出若干特征值子集；

将所述若干特征值子集分别作为对所述用户总集的筛选条件，从所述用户总集中选择出多个用户子集。

2.如权利要求1所述的方法，其中，所述边属性值根据所述用户总集中，同时具有所述两个节点分别表示的两个特征值的用户数量而确定，包括：

确定所述用户总集中，同时具有所述两个节点分别表示的两个特征值的用户数量；

确定所述用户数量和所述用户总集所包含的用户总数量的比值；

对所述比值进行归一化后作为所述边属性值。

3.如权利要求1所述的方法，其中，所述根据各节点嵌入向量之间的相似性，从所述特征值集合中选择出若干特征值子集，包括：

计算任意两个节点嵌入向量间的余弦相似度；

将各余弦相似度构造成核矩阵，针对该核矩阵，采用行列式点过程确定所述特征值集合的各备选子集的选择概率；

基于各备选子集的选择概率，从所述各备选子集中选择出所述若干特征值子集。

4.如权利要求1所述的方法，其中，所述多个特征变量包括如下至少一项：

性别、学历、收入、居住地。

5.一种训练多任务模型的方法，所述方法基于权利要求1所述的方法选择出的多个用户子集进行模型训练，所述方法包括：

根据多个样本用户分别对应于所述多个用户子集中的第一用户子集，差异化训练多任务模型；其中，所述多任务模型中的每个任务针对所述多个用户子集中的一个用户子集，各任务用于针对相同的业务目标进行预测。

6.如权利要求5所述的方法，其中，所述业务目标包括用户对于推荐物品的点击率。

7.如权利要求5所述的方法，其中，所述多个用户子集的数目为n个；所述多任务模型为多门混合专家模型，所述多门混合专家模型包括与各用户子集一一对应的n个门控网络、各用户子集共用的m个专家网络和与各用户子集一一对应的n个预测网络；

所述根据多个样本用户分别对应于所述多个用户子集中的第一用户子集，差异化训练多任务模型，包括：

将第一样本用户输入第一用户子集对应的门控网络，通过该门控网络输出分别对应于所述m个专家网络的各第一权重；所述第一样本用户为所述多个样本用户中的任一样本用户；

将所述第一样本用户输入所述m个专家网络，通过所述m个专家网络分别输出各第一预测打分；

通过所述第一用户子集对应的预测网络，利用所述各第一权重对所述各第一预测打分进行加权处理后，得到第二预测打分；

利用所述第二预测打分与所述第一样本用户对应的标准打分的差异，调整所述m个专家网络、所述第一用户子集对应的门控网络、所述第一用户子集对应的预测网络的参数。

8.一种利用多任务模型针对目标用户进行预测的方法，所述方法基于权利要求5所述的方法训练后的多任务模型进行预测，所述方法包括：

根据所述筛选条件，确定所述目标用户对应于所述多个用户子集中的第二用户子集；

将所述目标用户作为所述多任务模型中的目标任务的输入，通过所述目标任务输出针对所述目标用户的预测结果；所述目标任务为所述第二用户子集对应的任务。