CN113408641B - 资源生成模型的训练与服务资源的生成方法、装置 - Google Patents
资源生成模型的训练与服务资源的生成方法、装置 Download PDFInfo
- Publication number
- CN113408641B CN113408641B CN202110739547.3A CN202110739547A CN113408641B CN 113408641 B CN113408641 B CN 113408641B CN 202110739547 A CN202110739547 A CN 202110739547A CN 113408641 B CN113408641 B CN 113408641B
- Authority
- CN
- China
- Prior art keywords
- model
- state
- neural network
- feature
- network model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012549 training Methods 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003062 neural network model Methods 0.000 claims abstract description 91
- 230000002787 reinforcement Effects 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000003058 natural language processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 16
- 230000007613 environmental effect Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000013475 authorization Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种资源生成模型的训练与服务资源的生成方法、装置,涉及自然语言处理、深度学习等人工智能技术领域。资源生成模型的训练方法包括:获取训练数据,所述训练数据中包含多个状态特征与多个状态特征的反馈标签;使用多个状态特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型;根据多个状态特征与所述环境模型,通过强化学习的方式对第二神经网络模型进行训练,得到资源生成模型。服务资源的生成方法包括:获取待处理状态特征;将所述待处理状态特征输入资源生成模型,将所述资源生成模型的输出结果,作为对应所述待处理状态特征的服务资源。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及自然语言处理、深度学习等人工智能技术领域。提供了一种资源生成模型的训练与服务资源的生成方法、装置、电子设备和可读存储介质。
背景技术
现有技术在生成用于提升用户使用应用时的反馈率的服务资源时,通常是对一个神经网络模型进行训练之后,再结合整数规划来得到服务资源。现有技术在生成服务资源时具有一定的局限性,且在生成服务资源时的效率较低,所生成的服务资源对于反馈率的提升较为有限。
发明内容
根据本公开的第一方面,提供了一种资源生成模型的训练方法,包括:获取训练数据,所述训练数据中包含多个状态特征与多个状态特征的反馈标签;使用多个状态特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型;根据多个状态特征与所述环境模型,通过强化学习的方式对第二神经网络模型进行训练,得到资源生成模型。
根据本公开的第二方面,提供了一种服务资源的生成方法,包括:获取待处理状态特征;将所述待处理状态特征输入资源生成模型,将所述资源生成模型的输出结果,作为对应所述待处理状态特征的服务资源。
根据本公开的第三方面,提供了一种资源生成模型的训练装置,包括:第一获取单元,用于获取训练数据,所述训练数据中包含多个状态特征与多个状态特征的反馈标签;处理单元,用于使用多个状态特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型;训练单元,用于根据多个状态特征与所述环境模型,通过强化学习的方式对第二神经网络模型进行训练,得到资源生成模型。
根据本公开的第四方面,提供了一种服务资源的生成装置,包括:第二获取单元,用于获取待处理状态特征;生成单元,用于将所述待处理状态特征输入资源生成模型,将所述资源生成模型的输出结果,作为对应所述待处理状态特征的服务资源。
根据本公开的第五方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述的方法。
根据本公开的第六方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行如上所述的方法。
根据本公开的第七方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如上所述的方法。
由以上技术方案可以看出,利用强化学习来实现第二神经网络的自动学习的目的,使得由第二神经网络模型训练得到的资源生成模型所生成的服务资源能够获取最佳奖励,提升了资源生成模型在生成服务资源时的准确性与收益。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3是根据本公开第三实施例的示意图;
图4是根据本公开第四实施例的示意图;
图5是根据本公开第五实施例的示意图;
图6是根据本公开第六实施例的示意图;
图7是用来实现本公开实施例的资源生成模型的训练与服务资源的生成方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和机构的描述。
图1是根据本公开第一实施例的示意图。如图1所示,本实施例的资源生成模型的训练方法,具体可以包括如下步骤:
S101、获取训练数据,所述训练数据中包含多个状态特征与多个状态特征的反馈标签;
S102、使用所述多个状态特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型;
S103、根据所述多个状态特征与所述环境模型,通过强化学习的方式对第二神经网络模型进行训练,得到资源生成模型。
本实施例的资源生成模型的训练方法,首先使用状态特征与状态特征的反馈标签训练得到环境模型,然后再根据状态特征与训练得到的环境模型,通过强化学习的方式训练得到资源生成模型,从而利用强化学习的优势来实现第二神经网络进行自动学习的目的,使得资源生成模型所生成的服务资源能够获取最佳奖励,提升了资源生成模型在生成服务资源时的准确性与收益。
本实施例在执行S101获取训练数据中的状态特征时,可以首先从线上日志中拉取一段时间内多个用户的行为日志数据,然后再从所拉取的行为日志数据中提取多个状态特征,不同的状态特征对应不同的用户,且本实施例执行S101获取的训练数据可以与不同的服务场景相对应。
本实施例执行S101获取的训练数据中,每个状态特征包含位置特征、时间特征、服务消费特征、服务资源特征与服务场景特征中的至少一种。
本实施例中的位置特征包含用户所在城市的编号信息、所在城市的消费水平信息(例如消费金额、消费次数)、所在城市的服务使用信息(例如使用服务的频率)与所在城市的区域信息中的至少一种;本实施例中的时间特征包含工作日的编号信息(0-6表示星期一至星期日)、小时的编号信息(0-23表示一天中的24个小时)与是否为节假日中的至少一种;本实施例中的服务消费特征包含用户的消费水平信息、服务使用信息中的至少一种;本实施例中的服务资源特征包含用户在使用服务时得到的服务资源;本实施例中的服务场景特征对应于不同的服务场景,例如打车场景对应的服务场景特征可以为起点和/或终点的兴趣点信息,外卖场景对应的服务场景特征可以为热门商铺信息。
本实施例执行S101获取的训练数据中,每个状态特征的反馈标签为“1”或者“0”;若状态特征的反馈标签为“1”,表示用户对相应服务场景的服务进行了反馈,若状态特征的反馈标签为“0”,表示用户未对相应服务场景的服务进行反馈。
举例来说,若本实施例执行S101获取的训练数据对应于打车场景,则本实施例所获取的状态特征包含的是用户在使用打车应用时的位置信息、时间信息、消费信息、所得到的服务资源等内容,状态特征的反馈标签表示用户是否在打车应用中发送打车订单,“1”表示发送打车订单,“0”表示未发送打车订单。
本实施例在执行S101获取了包含多个状态特征与多个状态特征的反馈标签的训练数据之后,执行S102使用所获取的多个状态特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型。
本实施例执行S102训练得到的环境模型,能够根据所输入的状态特征,输出与该状态特征对应的终止态特征与反馈结果,环境模型针对状态特征所输出的反馈结果为0~1之间的数值,用于表示用户发送订单的概率。
具体地,本实施例在执行S102使用多个状态特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型时,可以采用的可选实现方式为:将多个状态特征分别作为第一神经网络模型的输入,得到由第一神经网络模型针对每个状态特征输出的终止态特征与反馈结果;根据每个状态特征的反馈结果与反馈标签计算损失函数值;使用计算得到的损失函数值调整第一神经网络模型中的参数,直至第一神经网络模型收敛,得到环境模型。
其中,本实施例在执行S102时可以使用以下公式计算损失函数值:
在公式中:Loss为损失函数值;N为输入到第一神经网络模型中的状态特征的个数;Pδ为第一神经网络模型针对所输入的状态特征输出的反馈结果;label为状态特征的反馈标签。
环境模型用于根据输入的状态特征得到下一个状态特征(终止态特征)与反馈结果,由于终止态特征与反馈结果用于训练第二神经网络模型,以来到资源生成模型,因此第二神经网络模型的训练效果取决于环境模型的训练效果,通过更加准确地对第一神经网络模型进行训练,就会得到更加准确的资源生成模型。
为了提升第一神经网络模型的训练效果,得到更加准确的环境模型,本实施例在执行S102使用多个状态特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型时,可以采用的可选实现方式为:对每个状态特征中的预设特征进行调整,得到对应每个状态特征的第一调整特征与第二调整特征;使用多个状态特征、多个状态特征的第一调整特征、多个状态特征的第二调整特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型。
其中,本实施例在执行S102使用多个状态特征、多个状态特征的第一调整特征、多个状态特征的第二调整特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型时,可以采用的可选实现方式为:针对每个状态特征,将该状态特征、该状态特征的第一调整特征与第二调整特征分别输入第一神经网络模型,得到第一神经网络模型输出的反馈结果、第一反馈结果与第二反馈结果;根据每个状态特征的反馈结果、每个状态特征的第一调整特征的第一反馈结果、每个状态特征的第二调整特征的第二反馈结果与状态特征的反馈标签,计算损失函数值;根据计算得到的损失函数值调整第一神经网络模型中的参数,直至第一神经网络模型收敛,得到环境模型。
根据向用户发放的服务资源越高,用户的反馈概率越高的假设,本实施例在执行S102时,调整的预设特征可以为状态特征中的服务资源特征,预设特征也可以为状态特征中其他类型的特征,本实施例对此不进行限定。
可以理解的是,本实施例在执行S102对状态特征中的服务资源特征进行调整时,可以分别将服务资源特征进行调大与调小,进而将服务资源特征调大之后的状态特征作为第一调整特征与第二调整特征中的一种,将服务资源特征调小之后的状态特征作为第一调整特征与第二调整中的另一种。其中,本实施例在执行S102分别将服务资源特征进行调大与调小时,调整的数值可以为预设数值,也可以为随机数值。
其中,本实施例在执行S102时可以使用以下公式计算损失函数值,以第一调整特征为服务资源特征调大之后的状态特征,第二调整特征为服务资源特征调小之后的状态特征进行说明:
在公式中:Loss为损失函数值;N为输入到第一神经网络模型中的状态特征的个数;Pδ为第一神经网络模型针对输入的状态特征所输出的反馈结果;label为状态特征的反馈标签;α、β为预设参数;Pδ+为第一神经网络模型针对输入的第一调整特征所输出的第一反馈结果;Pδ-为第一神经网络模型针对输入的第二调整特征所输出的第二反馈结果。
本实施例在执行S102得到环境模型之后,执行S103根据多个状态特征与所得到的环境模型,通过强化学习的方式对第二神经网络模型进行训练,得到资源生成模型。
本实施例执行S103训练得到的服务资源生成模型,能够根据所输入的状态特征,输出服务资源。本实施例中的服务资源生成模型可以应用在打车APP、外卖APP、购物APP中,输出的服务资源包括但不限于上述APP中优惠券、红包、满减金额等用于支付的资源。
具体地,本实施例在执行S103根据多个状态特征与所得到的环境模型,通过强化学习的方式对第二神经网络模型进行训练,得到资源生成模型时,可以采用的可选实现方式为:将当前状态特征输入第二神经网络模型,得到第二神经网络模型输出的服务资源结果;将当前状态特征与当前状态特征的服务资源结果输入环境模型,得到环境模型输出的第一反馈结果;使用所得到的第一反馈结果更新奖励值,根据更新后的奖励值调整第二神经网络模型的参数;返回执行将当前状态特征输入第二神经网络模型的操作,直至第二神经网络模型的奖励值满足预设条件。其中,本实施例中的预设条件可以为所得到的奖励值大于预设阈值。
本实施例在执行S103根据所得到的第一反馈结果对奖励值进行更新时,可以采用的可选实现方式为:将当前状态特征与预设服务资源结果输入环境模型,得到环境模型输出的第二反馈结果;根据所得到的第一反馈结果与第二反馈结果更新奖励值。其中,本实施例中的预设服务资源结果可以为值为0的服务资源。
其中,本实施例在执行S103时可以使用以下公式计算奖励值:
在公式中:r为奖励值;Pδ为当前状态特征的第一反馈结果;Pδ'为当前状态特征的第二反馈结果;δ为当前状态特征的服务资源结果。
也就是说,本实施例通过设计以更低的服务资源结果来提升反馈结果的奖励值,使得训练得到的资源生成模型能够输出性价比更高的服务资源,进而实现降低成本与提升收益的目的。
另外,本实施例也可以将第一反馈结果作为奖励值,还可以将第一反馈结果与第二反馈结果之间的差值作为奖励值。
通过上述实施例所提供的方法,利用强化学习的优势,能够实现第二神经网络进行自动学习的目的,使得资源生成模型所生成的服务资源能够获取最佳奖励,提升了资源生成模型在生成服务资源时的准确性与收益。
图2是根据本公开第二实施例的示意图。图2示出了本实施例中环境模型的训练流程图:对训练数据中的状态特征进行调整,具体为对状态特征中的服务资源特征(δ)进行调整,分别得到服务资源特征为(δ+)的第一调整特征与服务资源特征为(δ-)的第二调整特征,其中,第一调整特征所对应的反馈结果(Pδ+)要大于第二调整特征对应的反馈结果(Pδ-)。
图3是根据本公开第三实施例的示意图。图3示出了本实施例中资源生成模型的训练过程示意图:第二神经网络模型根据从环境模型获取的状态特征生成服务资源,将所生成的服务资源输入环境模型,根据从环境模型所输出的反馈结果进行奖励值的更新;其中,若本实施例中的第二神经网络模型根据同一个状态特征生成多个服务资源时,可以采用集成(Ensemble)的方式对多个服务资源进行投票,从而选取票数最高的服务资源输入环境模型。
图4是根据本公开第四实施例的示意图。如图4所示,本实施例的服务资源的生成方法,具体可以包括如下步骤:
S401、获取待处理状态特征;
S402、将所述待处理状态特征输入资源生成模型,将所述资源生成模型的输出结果,作为对应所述待处理状态特征的服务资源。
本实施例使用预先训练得到的资源生成模型来对待处理状态特征进行处理,将资源生成模型的输出结果作为与待处理状态特征对应的服务资源,进而将所生成的服务资源发送至用户,由于所生成的服务资源更加准确,因此能够极大地提升用户在使用相应场景下的应用时进行反馈的概率。
本实施例可以应用在打车APP、外卖APP、购物APP中,在用户开启上述APP之后,根据当前用户所对应的待处理状态特征来生成服务资源,所生成的服务资源包括但不限于上述APP中优惠券、红包、满减金额等用于支付的资源,进而提升用户在上述APP中发送订单的概率。
本实施例在执行S401获取待处理状态特征时,可以将用户所输入的位置信息、时间信息、消费信息等内容作为待处理状态特征,也可以从对应该用户的历史行为日志中获取待处理状态特征。
若本实施例中的资源生成模型根据同一个待处理特征得到多个输出结果时,则本实施例在执行S402时,可以采用集成的方式对多个输出结果进行投票,进而选取票数最高的输出结果,作为与待处理状态特征对应的服务资源。
图5是根据本公开第五实施例的示意图。如图5所示,本实施例的资源生成模型的训练装置500,包括:
第一获取单元501、用于获取训练数据,所述训练数据中包含多个状态特征与多个状态特征的反馈标签;
处理单元502、用于使用所述多个状态特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型;
训练单元503、用于根据所述多个状态特征与所述环境模型,通过强化学习的方式对第二神经网络模型进行训练,得到资源生成模型。
第一获取单元501在获取训练数据中的状态特征时,可以首先从线上日志中拉取一段时间内多个用户的行为日志数据,然后再从所拉取的行为日志数据中提取多个状态特征,不同的状态特征对应不同的用户,且第一获取单元501所获取的训练数据可以与不同的服务场景相对应。
第一获取单元501获取的训练数据中,每个状态特征包含位置特征、时间特征、服务消费特征、服务资源特征与服务场景特征中的至少一种。
第一获取单元501获取的训练数据中,每个状态特征的反馈标签为“1”或者“0”;若状态特征的反馈标签为“1”,表示用户对相应服务场景的服务进行了反馈,若状态特征的反馈标签为“0”,表示用户未对相应服务场景的服务进行反馈。
本实施例在由第一获取单元501获取了包含多个状态特征与多个状态特征的反馈标签的训练数据之后,由处理单元502使用所获取的多个状态特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型。
处理单元502训练得到的环境模型,能够根据所输入的状态特征,输出与该状态特征对应的终止态特征与反馈结果,环境模型针对状态特征所输出的反馈结果为0~1之间的数值,用于表示用户发送订单的概率。
具体地,处理单元502在使用多个状态特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型时,可以采用的可选实现方式为:将多个状态特征分别作为第一神经网络模型的输入,得到由第一神经网络模型针对每个状态特征输出的终止态特征与反馈结果;根据每个状态特征的反馈结果与反馈标签计算损失函数值;使用计算得到的损失函数值调整第一神经网络模型中的参数,直至第一神经网络模型收敛,得到环境模型。
为了提升第一神经网络模型的训练效果,得到更加准确的环境模型,处理单元502在使用多个状态特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型时,可以采用的可选实现方式为:对每个状态特征中的预设特征进行调整,得到对应每个状态特征的第一调整特征与第二调整特征;使用多个状态特征、多个状态特征的第一调整特征、多个状态特征的第二调整特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型。
其中,处理单元502在使用多个状态特征、多个状态特征的第一调整特征、多个状态特征的第二调整特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型时,可以采用的可选实现方式为:针对每个状态特征,将该状态特征、该状态特征的第一调整特征与第二调整特征分别输入第一神经网络模型,得到第一神经网络模型输出的反馈结果、第一反馈结果与第二反馈结果;根据每个状态特征的反馈结果、每个状态特征的第一调整特征的第一反馈结果、每个状态特征的第二调整特征的第二反馈结果与状态特征的反馈标签,计算损失函数值;根据计算得到的损失函数值调整第一神经网络模型中的参数,直至第一神经网络模型收敛,得到环境模型。
根据向用户发放的服务资源越高,用户的反馈概率越高的假设,处理单元502所调整的预设特征可以为状态特征中的服务资源特征,预设特征也可以为状态特征中其他类型的特征,本实施例对此不进行限定。
可以理解的是,处理单元502在对状态特征中的服务资源特征进行调整时,可以分别将服务资源特征进行调大与调小,进而将服务资源特征调大之后的状态特征作为第一调整特征与第二调整特征中的一种,将服务资源特征调小之后的状态特征作为第一调整特征与第二调整中的另一种。其中,处理单元502在分别将服务资源特征进行调大与调小时,调整的数值可以为预设数值,也可以为随机数值。
本实施例在由处理单元502得到环境模型之后,由训练单元503根据多个状态特征与所得到的环境模型,通过强化学习的方式对第二神经网络模型进行训练,得到资源生成模型。
训练单元503训练得到的服务资源生成模型,能够根据所输入的状态特征,输出服务资源。本实施例中的服务资源生成模型可以应用在打车APP、外卖APP、购物APP中,输出的服务资源包括但不限于上述APP中优惠券、红包、满减金额等用于支付的资源。
具体地,训练单元503在根据多个状态特征与所得到的环境模型,通过强化学习的方式对第二神经网络模型进行训练,得到资源生成模型时,可以采用的可选实现方式为:将当前状态特征输入第二神经网络模型,得到第二神经网络模型输出的服务资源结果;将当前状态特征与当前状态特征的服务资源结果输入环境模型,得到环境模型输出的第一反馈结果;使用所得到的第一反馈结果更新奖励值,根据更新后的奖励值调整第二神经网络模型的参数;返回执行将当前状态特征输入第二神经网络模型的操作,直至第二神经网络模型的奖励值满足预设条件。其中,本实施例中的预设条件可以为所得到的奖励值大于预设阈值。
训练单元503在根据所得到的第一反馈结果对奖励值进行更新时,可以采用的可选实现方式为:将当前状态特征与预设服务资源结果输入环境模型,得到环境模型输出的第二反馈结果;根据所得到的第一反馈结果与第二反馈结果更新奖励值。其中,本实施例中的预设服务资源结果可以为值为0的服务资源。
也就是说,本实施例通过设计以更低的服务资源结果来提升反馈结果的奖励值,使得训练得到的资源生成模型能够输出性价比更高的服务资源,进而实现降低成本与提升收益的目的。
另外,本实施例也可以将第一反馈结果作为奖励值,还可以将第一反馈结果与第二反馈结果之间的差值作为奖励值。
图6是根据本公开第六实施例的示意图。如图6所示,本实施例的服务资源的生成装置600,包括:
第二获取单元601、用于获取待处理状态特征;
生成单元602、用于将所述待处理状态特征输入资源生成模型,将所述资源生成模型的输出结果,作为对应所述待处理状态特征的服务资源。
第二获取单元601在获取待处理状态特征时,可以将用户所输入的位置信息、时间信息、消费信息等内容作为待处理状态特征,也可以从对应该用户的历史行为日志中获取待处理状态特征。
若本实施例中的资源生成模型根据同一个待处理特征得到多个输出结果时,生成单元602可以采用集成的方式对多个输出结果进行投票,进而选取票数最高的输出结果,作为与待处理状态特征对应的服务资源。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
如图7所示,是根据本公开实施例的资源生成模型的训练与服务资源的生成的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如资源生成模型的训练与服务资源的生成的方法。例如,在一些实施例中,资源生成模型的训练与服务资源的生成的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。
在一些实施例中,计算机程序的部分或者全部可以经由ROM702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的资源生成模型的训练与服务资源的生成的方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行资源生成模型的训练与服务资源的生成的方法。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(“Virtual Private Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
需要说明的是,本实施例中的资源生成模型并不是针对某一特定用户的资源生成,并不能反映出某一特定用户的个人信息。本实施例中的状态特征可以来自于公开数据集,或者状态特征的获取是经过了相应用户的授权。本实施例中,服务资源的生成方法的执行主体可以通过各种公开、合法合规的方式获取待处理状态特征,例如可以是从公开数据集处获取的,或者是经过了用户的授权从用户处获取的。
需要说明的是,通过本实施例得到的资源生成模型包含了对应用户的状态特征,但资源生成模型的构建是在经用户授权后执行的,其构建过程符合相关法律法规。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (9)
1.一种资源生成模型的训练方法,包括:
获取训练数据,所述训练数据中包含多个状态特征与多个状态特征的反馈标签;
使用多个状态特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型;
根据多个状态特征与所述环境模型,通过强化学习的方式对第二神经网络模型进行训练,得到资源生成模型;
其中,所述使用多个状态特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型包括:
对每个状态特征中的预设特征进行调整,得到对应每个状态特征的第一调整特征与第二调整特征;
针对每个状态特征,将该状态特征、该状态特征的第一调整特征与第二调整特征分别输入所述第一神经网络模型,得到所述第一神经网络模型输出的反馈结果、第一反馈结果与第二反馈结果;
根据每个状态特征的反馈结果、每个状态特征的第一调整特征的第一反馈结果、每个状态特征的第二调整特征的第二反馈结果与状态特征的反馈标签,计算损失函数值;
根据计算得到的损失函数值调整第一神经网络模型中的参数,直至所述第一神经网络模型收敛,得到所述环境模型;
所述根据多个状态特征与所述环境模型,通过强化学习的方式对第二神经网络模型进行训练,得到资源生成模型包括:
将当前状态特征输入所述第二神经网络模型,得到所述第二神经网络模型输出的服务资源结果;
将当前状态特征与当前状态特征的服务资源结果输入所述环境模型,得到所述环境模型输出的第一反馈结果;
使用所述第一反馈结果更新奖励值,根据更新后的奖励值调整所述第二神经网络模型的参数;
返回执行将当前状态特征输入所述第二神经网络模型的操作,直至所述第二神经网络模型的奖励值满足预设条件。
2.根据权利要求1所述的方法,其中,所述使用所述第一反馈结果更新奖励值包括:
将当前状态特征与预设服务资源结果输入所述环境模型,得到所述环境模型输出的第二反馈结果;
根据所述第一反馈结果与所述第二反馈结果更新奖励值。
3.一种服务资源的生成方法,包括:
获取待处理状态特征;
将所述待处理状态特征输入资源生成模型,将所述资源生成模型的输出结果,作为对应所述待处理状态特征的服务资源;
其中,所述资源生成模型是根据权利要求1-2中任一项方法预先训练得到的。
4.一种资源生成模型的训练装置,包括:
第一获取单元,用于获取训练数据,所述训练数据中包含多个状态特征与多个状态特征的反馈标签;
处理单元,用于使用多个状态特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型;
训练单元,用于根据多个状态特征与所述环境模型,通过强化学习的方式对第二神经网络模型进行训练,得到资源生成模型;
其中,所述处理单元在使用多个状态特征与多个状态特征的反馈标签对第一神经网络模型进行训练,得到环境模型时,具体执行:
对每个状态特征中的预设特征进行调整,得到对应每个状态特征的第一调整特征与第二调整特征;
针对每个状态特征,将该状态特征、该状态特征的第一调整特征与第二调整特征分别输入所述第一神经网络模型,得到所述第一神经网络模型输出的反馈结果、第一反馈结果与第二反馈结果;
根据每个状态特征的反馈结果、每个状态特征的第一调整特征的第一反馈结果、每个状态特征的第二调整特征的第二反馈结果与状态特征的反馈标签,计算损失函数值;
根据计算得到的损失函数值调整第一神经网络模型中的参数,直至所述第一神经网络模型收敛,得到所述环境模型;
所述训练单元在根据多个状态特征与所述环境模型,通过强化学习的方式对第二神经网络模型进行训练,得到资源生成模型时,具体执行:
将当前状态特征输入所述第二神经网络模型,得到所述第二神经网络模型输出的服务资源结果;
将当前状态特征与当前状态特征的服务资源结果输入所述环境模型,得到所述环境模型输出的第一反馈结果;
使用所述第一反馈结果更新奖励值,根据更新后的奖励值调整所述第二神经网络模型的参数;
返回执行将当前状态特征输入所述第二神经网络模型的操作,直至所述第二神经网络模型的奖励值满足预设条件。
5.根据权利要求4所述的装置,其中,所述训练单元在使用所述第一反馈结果更新奖励值时,具体执行:
将当前状态特征与预设服务资源结果输入所述环境模型,得到所述环境模型输出的第二反馈结果;
根据所述第一反馈结果与所述第二反馈结果更新奖励值。
6.一种服务资源的生成装置,包括:
第二获取单元,用于获取待处理状态特征;
生成单元,用于将所述待处理状态特征输入资源生成模型,将所述资源生成模型的输出结果,作为对应所述待处理状态特征的服务资源;
其中,所述资源生成模型是根据权利要求4-5中任一项装置预先训练得到的。
7.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-3中任一项所述的方法。
8.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-3中任一项所述的方法。
9.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-3中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110739547.3A CN113408641B (zh) | 2021-06-30 | 2021-06-30 | 资源生成模型的训练与服务资源的生成方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110739547.3A CN113408641B (zh) | 2021-06-30 | 2021-06-30 | 资源生成模型的训练与服务资源的生成方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113408641A CN113408641A (zh) | 2021-09-17 |
CN113408641B true CN113408641B (zh) | 2024-04-26 |
Family
ID=77680530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110739547.3A Active CN113408641B (zh) | 2021-06-30 | 2021-06-30 | 资源生成模型的训练与服务资源的生成方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113408641B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115598985B (zh) * | 2022-11-01 | 2024-02-02 | 南栖仙策(南京)高新技术有限公司 | 一种反馈控制器的训练方法、装置、电子设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543947A (zh) * | 2019-08-06 | 2019-12-06 | 阿里巴巴集团控股有限公司 | 一种基于强化学习模型的奖励资源发放方法和装置 |
CN111444009A (zh) * | 2019-11-15 | 2020-07-24 | 北京邮电大学 | 一种基于深度强化学习的资源分配方法及装置 |
CN112311578A (zh) * | 2019-07-31 | 2021-02-02 | 中国移动通信集团浙江有限公司 | 基于深度强化学习的vnf调度方法及装置 |
CN112433525A (zh) * | 2020-11-16 | 2021-03-02 | 南京理工大学 | 基于模仿学习及深度强化学习的移动机器人导航方法 |
CN112580801A (zh) * | 2020-12-09 | 2021-03-30 | 广州优策科技有限公司 | 一种强化学习训练方法及基于强化学习的决策方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018211139A1 (en) * | 2017-05-19 | 2018-11-22 | Deepmind Technologies Limited | Training action selection neural networks using a differentiable credit function |
CN109003143A (zh) * | 2018-08-03 | 2018-12-14 | 阿里巴巴集团控股有限公司 | 利用深度强化学习进行推荐营销的方法及装置 |
-
2021
- 2021-06-30 CN CN202110739547.3A patent/CN113408641B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112311578A (zh) * | 2019-07-31 | 2021-02-02 | 中国移动通信集团浙江有限公司 | 基于深度强化学习的vnf调度方法及装置 |
CN110543947A (zh) * | 2019-08-06 | 2019-12-06 | 阿里巴巴集团控股有限公司 | 一种基于强化学习模型的奖励资源发放方法和装置 |
CN111444009A (zh) * | 2019-11-15 | 2020-07-24 | 北京邮电大学 | 一种基于深度强化学习的资源分配方法及装置 |
CN112433525A (zh) * | 2020-11-16 | 2021-03-02 | 南京理工大学 | 基于模仿学习及深度强化学习的移动机器人导航方法 |
CN112580801A (zh) * | 2020-12-09 | 2021-03-30 | 广州优策科技有限公司 | 一种强化学习训练方法及基于强化学习的决策方法 |
Non-Patent Citations (2)
Title |
---|
Jeffrey Cockburn等.Feedback information and the reward positivity.《international Journal of Psychophysiology》.2018,第32卷全文. * |
基于机器学习的金融消费场景预测探索;曾晓玮;;全国流通经济;20200218(05);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113408641A (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113408641B (zh) | 资源生成模型的训练与服务资源的生成方法、装置 | |
CN113850394B (zh) | 联邦学习方法、装置、电子设备及存储介质 | |
CN113112311B (zh) | 训练因果推断模型的方法、信息提示方法以装置 | |
CN115292467A (zh) | 信息处理与模型训练方法、装置、设备、介质及程序产品 | |
CN114817476A (zh) | 语言模型的训练方法、装置、电子设备和存储介质 | |
CN114119972A (zh) | 模型获取及对象处理方法、装置、电子设备及存储介质 | |
CN114490990A (zh) | 待标注文本的确定方法、装置、设备和存储介质 | |
CN113554062A (zh) | 多分类模型的训练方法、设备和存储介质 | |
CN113408632A (zh) | 提高图像分类准确性的方法、装置、电子设备及存储介质 | |
CN113553407B (zh) | 事件追溯方法、装置、电子设备及存储介质 | |
CN114860405B (zh) | 多任务模型的参数更新方法、装置和存储介质 | |
CN115242626B (zh) | 云资源配置预估方法、装置、设备、存储介质及程序产品 | |
CN112819498B (zh) | 转化率确定方法、装置、电子设备和存储介质 | |
CN114663150A (zh) | 一种模型训练、信息生成方法、装置、设备及存储介质 | |
US20140297744A1 (en) | Real-time supplement of segmented data for user targeting | |
CN113221034A (zh) | 数据泛化方法、装置、电子设备和存储介质 | |
CN115630630A (zh) | 语言模型处理方法、业务处理方法、装置、设备及介质 | |
CN114943575A (zh) | 预警方法、装置、电子设备和可读存储介质 | |
CN114648672A (zh) | 构建样本图像集的方法、装置、电子设备及可读存储介质 | |
CN115480918A (zh) | 数据处理方法、装置、设备、介质及程序产品 | |
CN114021714A (zh) | 一种迁移学习训练方法、装置、电子设备及存储介质 | |
CN114219067A (zh) | 推荐方法、装置、电子设备及可读存储介质 | |
CN115309990A (zh) | 搜索词的价值确定方法和装置 | |
CN117952108A (zh) | 一种实体识别方法、装置、电子设备及介质 | |
CN116955811A (zh) | 资源推荐模型、方法、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |