[发明专利]一种特征挖掘模型的训练方法、装置、介质及设备

权利要求书

1.一种特征挖掘模型的训练方法，其特征在于，包括：

确定第一业务标签和第二业务标签；

获取目标业务场景下与所述第一业务标签对应的第一训练集和与所述第二业务标签对应的第二训练集，所述第一训练集用于训练第一机器学习模型；

利用训练好的第一机器学习模型对所述第二训练集进行特征提取，得到第一特征集；

通过人工提取的方式对所述第二训练集进行特征提取，得到第二特征集；

合并所述第一特征集与所述第二特征集，得到合并特征集；

利用所述合并特征集训练第二机器学习模型。

2.根据权利要求1所述的特征挖掘模型的训练方法，其特征在于，所述第一机器学习模型包括：时序模型。

3.根据权利要求1所述的特征挖掘模型的训练方法，其特征在于，所述方法还包括对所述合并特征集进行筛选，得到目标特征集；所述目标特征集用于训练第二机器学习模型。

4.根据权利要求1所述的特征挖掘模型的训练方法，其特征在于，所述第一业务标签与所述第二业务标签不同。

5.一种基于时序模型的自动化特征挖掘装置，其特征在于，包括：

标签确定模块，用于确定第一业务标签和第二业务标签；

训练集获取模块，用于获取目标业务场景下与所述第一业务标签对应的第一训练集和与所述第二业务标签对应的第二训练集，所述第一训练集用于训练第一机器学习模型；

第一特征提取模块，用于利用训练好的第一机器学习模型对所述第二训练集进行特征提取，得到第一特征集；

第二特征提取模块，用于通过人工提取的方式对所述第二训练集进行特征提取，得到第二特征集；

特征合并模块，用于合并所述第一特征集与所述第二特征集，得到合并特征集；

模型训练模块，用于利用所述合并特征集训练第二机器学习模型。

6.根据权利要求5所述的特征挖掘模型的训练装置，其特征在于，所述第一机器学习模型包括：时序模型。

7.根据权利要求5所述的特征挖掘模型的训练装置，其特征在于，所述装置还包括：特征筛选模块，用于对所述合并特征集进行筛选，得到目标特征集；所述目标特征集用于训练第二机器学习模型。

8.根据权利要求5所述的特征挖掘模型的训练装置，其特征在于，所述第一业务标签与所述第二业务标签不同。

9.一种特征挖掘模型的训练设备，其特征在于，包括：

一个或多个处理器；和

其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行如权利要求1-4中一个或多个所述的方法。

10.一个或多个机器可读介质，其特征在于，其上存储有指令，当由一个或多个处理器执行时，使得设备执行如权利要求1-4中一个或多个所述的方法。