本技术涉及互联网,具体涉及对象识别、模型训练的方法、装置、介质及设备。
背景技术:
1、人工智能(ai,artificial intelligence)是计算机科学的一个综合技术,通过研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科,涉及领域广泛,例如自然语言处理、机器学习、深度学习等几大方向。随着技术的发展,人工智能技术将在更多的领域得到应用,并发挥越来越重要的价值。
2、随着移动互联网渗透率的逐步饱和,依赖行业发展趋势带来的业务规模的增长变得越来越难。相关技术中,利用深度学习模型来挖掘新用户、新热点、新趋势等对象,但仍存在对对象成长潜力的考察不够全面且细致,从而导致难以保持可持续的、长期的增长的问题。
技术实现思路
1、为了更有效地识别潜力对象,本技术提供了对象识别、模型训练的方法、装置、介质及设备。所述技术方案如下:
2、第一方面,本技术提供了一种对象识别方法,所述方法包括:
3、获取各待识别对象的对象特征信息和全量资源的资源特征信息;所述待识别对象为潜在型对象;
4、将所述对象特征信息和所述资源特征信息输入训练后的多任务级联模型中的第一对象识别模型,得到各所述待识别对象对应的第一行为预测结果,并确定所述第一对象识别模型的第一中间层输出的第一中间特征信息;所述第一行为预测结果指示各所述待识别对象成长为认知型对象的可能性;
5、将所述第一中间特征信息输入至所述多任务级联模型中的第二对象识别模型,得到各所述待识别对象的第二行为预测结果,并确定所述第二对象识别模型的第二中间层输出的第二中间特征信息;所述第二行为预测结果指示各所述待识别对象成长为兴趣型对象的可能性;
6、将所述第二中间特征信息输入至所述多任务级联模型中的第三对象识别模型,得到各所述待识别对象的第三行为预测结果;所述第三行为预测结果表征各所述待识别对象成长为转化型对象的可能性;
7、根据各所述待识别对象的所述第一行为预测结果、所述第二行为预测结果和所述第三行为预测结果,确定各所述待识别对象的目标识别结果;所述目标识别结果表征对所述待识别对象的成长潜力的预估;
8、根据各所述待识别对象的目标识别结果,从各所述待识别对象中确定目标对象;
9、其中所述潜在型对象、所述认知型对象、所述兴趣型对象和所述转化型对象依次对应不同的对象级别。
10、第二方面,本技术提供了一种对象识别模型的训练方法,所述方法包括:
11、获取训练数据集,所述训练数据集包括样本对象的对象特征信息、样本资源的资源特征信息以及针对所述样本资源的第一行为特征信息、第二行为特征信息和第三行为特征信息;
12、获取初始化的多任务级联模型,所述多任务级联模型包括第一对象识别模型、第二对象识别模型和第三对象识别模型;
13、根据所述对象特征信息、所述资源特征信息和所述第一行为特征信息对所述第一对象识别模型进行训练,得到训练后的所述第一对象识别模型,并确定所述第一对象识别模型的第一中间层输出的第一中间特征信息;所述第一对象识别模型用于预测从潜在型对象成长为认知型对象的可能性;
14、根据所述第一中间特征信息和所述第二行为特征信息对所述第二对象识别模型进行训练,得到训练后的所述第二对象识别模型,以及确定所述第二对象识别模型的第二中间层输出的第二中间特征信息;所述第二对象识别模型用于预测成长为兴趣型对象的可能性;
15、根据所述第二中间特征信息和所述第三行为特征信息对所述第三对象识别模型进行训练,得到训练后的所述第三对象识别模型;所述第三对象识别模型用于预测成长为转化型对象的可能性;
16、其中,所述第一行为特征信息、所述第二行为特征信息和所述第三行为特征信息依次对应不同的行为级别;所述潜在型对象、所述认知型对象、所述兴趣型对象和所述转化型对象依次对应不同的对象级别。
17、第三方面,本技术提供了一种对象识别装置,所述装置包括:
18、信息获取模块,用于获取各待识别对象的对象特征信息和全量资源的资源特征信息;所述待识别对象为潜在型对象;
19、第一识别模块,用于将所述对象特征信息和所述资源特征信息输入训练后的多任务级联模型中的第一对象识别模型,得到各所述待识别对象对应的第一行为预测结果,并确定所述第一对象识别模型的第一中间层输出的第一中间特征信息;所述第一行为预测结果指示各所述待识别对象成长为认知型对象的可能性;
20、第二识别模块,用于将所述第一中间特征信息输入至所述多任务级联模型中的第二对象识别模型,得到各所述待识别对象的第二行为预测结果,并确定所述第二对象识别模型的第二中间层输出的第二中间特征信息;所述第二行为预测结果指示各所述待识别对象成长为兴趣型对象的可能性;
21、第三识别模块,用于将所述第二中间特征信息输入至所述多任务级联模型中的第三对象识别模型,得到各所述待识别对象的第三行为预测结果;所述第三行为预测结果表征各所述待识别对象成长为转化型对象的可能性;
22、目标识别结果确定模块,用于根据各所述待识别对象的所述第一行为预测结果、所述第二行为预测结果和所述第三行为预测结果,确定各所述待识别对象的目标识别结果;所述目标识别结果表征对所述待识别对象的成长潜力的预估;
23、目标对象确定模块,用于根据各所述待识别对象的目标识别结果,从各所述待识别对象中确定目标对象;
24、其中所述潜在型对象、所述认知型对象、所述兴趣型对象和所述转化型对象依次对应不同的对象级别。
25、第四方面,本技术提供了一种对象识别模型的训练装置,所述装置包括:
26、训练数据获取模块,用于获取训练数据集,所述训练数据集包括样本对象的对象特征信息、样本资源的资源特征信息以及针对所述样本资源的第一行为特征信息、第二行为特征信息和第三行为特征信息;
27、模型获取模块,用于获取初始化的多任务级联模型,所述多任务级联模型包括第一对象识别模型、第二对象识别模型和第三对象识别模型;
28、第一训练识别模块,用于根据所述对象特征信息、所述资源特征信息和所述第一行为特征信息对所述第一对象识别模型进行训练,得到训练后的所述第一对象识别模型,并确定所述第一对象识别模型的第一中间层输出的第一中间特征信息;所述第一对象识别模型用于预测从潜在型对象成长为认知型对象的可能性;
29、第二训练识别模块,用于根据所述第一中间特征信息和所述第二行为特征信息对所述第二对象识别模型进行训练,得到训练后的所述第二对象识别模型,以及确定所述第二对象识别模型的第二中间层输出的第二中间特征信息;所述第二对象识别模型用于预测成长为兴趣型对象的可能性;
30、第三训练识别模块,用于根据所述第二中间特征信息和所述第三行为特征信息对所述第三对象识别模型进行训练,得到训练后的所述第三对象识别模型;所述第三对象识别模型用于预测成长为转化型对象的可能性;
31、其中,所述第一行为特征信息、所述第二行为特征信息和所述第三行为特征信息依次对应不同的行为级别;所述潜在型对象、所述认知型对象、所述兴趣型对象和所述转化型对象依次对应不同的对象级别。
32、第五方面,本技术提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如第一方面所述的一种对象识别方法或者如第二方面所述的一种对象识别模型的训练方法。
33、第六方面,本技术提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由所述处理器加载并执行以实现如第一方面所述的一种对象识别方法或者如第二方面所述的一种对象识别模型的训练方法。
34、第七方面,本技术提供了一种计算机程序产品,所述计算机程序产品包括计算机指令,所述计算机指令被处理器执行时实现如第一方面所述的一种对象识别方法或者如第二方面所述的一种对象识别模型的训练方法。
35、本技术提供的对象识别、模型训练的方法、装置、介质及设备,具有如下技术效果:
36、本技术提供的方案中对对象的成长阶段做进一步地划分,可以划分为潜在型对象、认知型对象、兴趣型对象和转化型对象,同时将针对资源实施的行为进行划分,分别为第一行为、第二行为、第三行为,将其作为对象级别升级的指标。本技术提供的方案基于上述细分构建并训练出多任务的级联模型,对于待识别对象和全量资源,将待识别对象的对象特征信息和全量资源的资源特征信息输入至该级联模型中的第一对象识别模型,得到各待识别对象对应的第一行为预测结果,该第一行为预测结果指示各待识别对象成长为认知型对象的可能性;同时将第一对象识别模型的第一中间层输出的第一中间特征信息输入至第二对象识别模型,得到各待识别对象对应的第二行为预测结果,该第二行为预测结果指示各待识别对象成长为兴趣型对象的可能性;同时将第二对象识别模型的第二中间层输出的第二中间特征信息输入至第三对象识别模型,得到各待识别对象对应的第三行为预测结果,该第三行为预测结果指示各待识别对象成长为转化型对象的可能性;进而可以根据第一行为预测结果、第二行为预测结果和第三行为预测结果得到目标识别结果,该目标识别结果可以综合地衡量待识别对象的成长潜力,相比单纯对转化的可能性进行预估,本技术供的方案对多个不同成长阶段的潜力进行度量和预估,能更有效的识别出潜力对象,从而可以长期的、可持续的获得对象的增长与成长。
37、本技术的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本技术的实践了解到。