(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111546965.7 (22)申请日 2021.12.17 (65)同一申请的已公布的文献号 申请公布号 CN 113935251 A (43)申请公布日 2022.01.14 (73)专利权人 北京达佳互联信息技 术有限公司 地址 100085 北京市海淀区上地西路6号1 幢1层101D1-7 (72)发明人 余珊珊　梁东旭　洪立印　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 代理人 黄丽霞 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 111/08(2020.01) (56)对比文件 CN 111553754 A,2020.08.18 CN 112560996 A,2021.0 3.26 US 20212094 47 A1,2021.07.08 审查员 刘曼 (54)发明名称 用户行为预测模 型的生成方法、 用户行为预 测方法及装置 (57)摘要 本公开关于一种用户行为预测模型的生成 方法、 用户行为预测方法及装置， 其中方法通过 获取训练样 本数据， 当训练样 本数据为新用户样 本数据时， 根据将新用户样本数据分别训练第一 预测网络和第二预测网络， 从而得到训练后的用 户行为预测模 型。 由于第一预测网络是基于新用 户样本数据和老用户样本数据训练后得到， 第二 预测网络则由新用户样本数据进行训练， 且能够 为第一预测网络和第二预测网络的输出赋予相 应的权重， 从而使得模型能够学习到用户成长过 程中的兴趣变化， 不仅能够 有效提高模型的泛化 能力， 还可以提高模型的准确性。 权利要求书4页 说明书17页 附图6页 CN 113935251 B 2022.04.22 CN 113935251 B 1.一种用户行为预测模型的生成方法， 其特 征在于， 所述方法包括： 获取训练样本数据， 所述训练样本数据包括样本账户的属性数据和行为数据； 当所述训练样本数据为老用户样本数据时， 通过所述老用户样本数据对第 一预测网络 进行参数调整； 当所述训练样本数据为新用户样本数据时， 将所述新用户样本数据输入第一预测网 络， 得到用户行为的第一预测样本特征， 所述第一预测网络的初始网络是通过老用户样本 数据训练后得到的； 将所述新用户样本数据输入第 二预测网络， 得到用户行为的第 二预测样本特征以及权 重数据， 所述权重数据包括用于表征所述用户行为的第一预测样本特征和 第二预测样本特 征分别对应的权 重； 根据所述第一预测样本特征、 第二预测样本特征和权重数据， 对所述第一预测网络和 第二预测网络进行参数调整， 得到训练后的用户行为预测模型。 2.根据权利要求1所述的方法， 其特征在于， 所述训练样本数据中还包括标签信息； 所 述根据所述第一预测样本特征、 第二预测样本特征和权重数据， 对所述第一预测网络和第 二预测网络进行参数调整， 得到训练后的用户行为预测模型， 包括： 通过所述权重数据对所述第 一预测样本特征和所述第 二预测样本特征进行加权处理， 得到加权处 理后的第三预测样本特 征； 根据所述第 一预测样本特征和标签信 息确定对应的第 一预测损失， 以及根据 所述第二 预测样本特 征、 第三预测样本特 征和标签信息确定对应的第二预测损失； 根据所述第 一预测损失对所述第 一预测网络进行参数调整， 以及根据 所述第二预测损 失对所述第二预测网络进行参数调整， 得到训练后的用户行为预测模型。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述第 一预测样本特征和标签信 息确定对应的第一预测损失， 包括： 对所述第一预测样本特征进行归一化处理， 得到对应的第一预测值， 根据所述第一预 测值和对应的标签信息计算第一预测损失。 4.根据权利要求2所述的方法， 其特征在于， 所述根据所述第二预测样本特征、 第三预 测样本特 征和标签信息确定对应的第二预测损失， 包括： 对所述第二预测样本特征进行归一化处理， 得到对应的第二预测值， 根据所述第二预 测值和标签信息计算第三预测损失； 对所述第三预测样本特征进行归一化处理， 得到对应的第三预测值， 根据所述第三预 测值和标签信息计算第四预测损失； 将所述第三预测损失与第四预测损失之和 确定为第二预测损失。 5.根据权利要求4所述的方法， 其特征在于， 所述第 二预测网络包括用户行为预测子网 络和动态调权子网络； 所述将所述新用户样本数据输入第二预测网络， 得到用户行为的第 二预测样本特 征以及权 重数据， 包括： 将所述新用户样本数据输入第 二预测网络， 得到所述第 二预测网络 中用户行为预测子 网络输出的第二预测样本特 征， 以及所述动态调权 子网络输出的权 重数据。 6.根据权利要求5所述的方法， 其特征在于， 所述根据所述第 一预测损失对所述第 一预 测网络进行参数调整， 以及根据所述第二预测损失对所述第二预测网络进行参数调整， 得权　利　要　求　书 1/4 页 2 CN 113935251 B 2到训练后的用户行为预测模型， 包括： 采用所述第 一预测损失对所述第 一预测网络进行参数调整， 以及采用所述第 二预测损 失对所述用户行为预测子网络进 行参数调整， 采用所述第四预测损失对所述动态调权子网 络进行参数调整， 得到训练后的用户行为预测模型。 7.根据权利要求2至6任一项所述的方法， 其特征在于， 所述新用户样本数据有多条； 所 述根据所述第一预测损失对所述第一预测网络进 行参数调整， 以及根据所述第二预测损失 对所述第二预测网络进行参数调整， 得到训练后的用户行为预测模型， 包括： 根据每一条所述新用户样本数据分别对应的第 一预测损失和第 二预测损失， 获取多条 所述新用户样本数据对应的第一累计预测损失和第二累计预测损失； 采用所述第 一累计预测损失对所述第 一预测网络进行参数调 整， 以及采用所述第 二累 计预测损失对所述第二预测网络进行参数调整， 得到训练后的用户行为预测模型。 8.一种用户行为预测方法， 其特 征在于， 所述方法包括： 获取账户数据， 所述账户数据包括当前的属性数据和行为数据； 当所述账户数据为新用户的账户数据时， 将所述新用户的账户数据输入用户行为预测 模型， 得到预估的所述新用户对当前待推荐的目标资源的操作行为概率， 所述用户行为预 测模型根据权利要求1至7任一项所述的方法得到 。 9.根据权利要求8所述的方法， 其特征在于， 所述用户行为预测模型包括训练后的第 一 预测网络和第二预测网络； 所述将所述新用户的账户数据输入用户行为预测模型， 得到预 估的所述 新用户对当前待推荐的目标资源的操作行为 概率， 包括： 将所述新用户的账户数据输入第一预测网络， 得到对应的第一预测特 征； 将所述新用户的账户数据输入第二预测网络， 得到对应的第二预测特征和权重数据， 所述权重数据包括用于表征所述账户数据对应的第一预测特征和第二预测特征分别对应 的权重； 基于所述权重数据对所述第 一预测特征和所述第 二预测特征进行加权处理， 得到加权 处理后的第三预测特 征； 对所述第三预测特征进行归一化处理， 得到所述新用户对当前待推荐的目标资源的操 作行为概率。 10.一种用户行为预测模型的生成装置， 其特 征在于， 所述装置包括： 训练样本数据获取模块， 被配置为执行获取训练样本数据， 所述训练样本数据包括样 本账户的属性数据和行为数据； 第一预测模块， 被配置为执行当所述训练样本数据为新用户样本数据时， 将所述新用 户样本数据输入第一预测网络， 得到用户行为的第一预测样本特征， 所述第一预测网络的 初始网络是通过老用户样本数据训练后得到的； 第二预测模块， 被配置为执行将所述新用户样本数据输入第二预测网络， 得到用户行 为的第二预测样本特征以及权重数据， 所述权重数据包括用于表征所述用户行为的第一预 测样本特 征和第二预测样本特 征分别对应的权 重； 参数调整模块， 被配置为执行根据所述第一预测样本特征、 第二预测样本特征和权重 数据， 对所述第一预测网络和第二预测网络进行参数调整， 得到训练后的用户行为预测模 型；权　利　要　求　书 2/4 页 3 CN 113935251 B 3