(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111565193.1 (22)申请日 2021.12.20 (71)申请人 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 廖一桥　骆明楠　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 贾允 (51)Int.Cl. G06F 16/735(2019.01) G06F 16/738(2019.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 多业务数据预测模型的训练方法、 信息推送 方法及设备 (57)摘要 本公开关于一种多业务数据预测模型的训 练方法、 信息推送方法及设备， 所述方法包括： 获 取样本多媒体信息的样本特征以及至少两种样 本业务数据； 对筛选样本特征进行增维处理， 得 到样本新增维度特征； 根据样 本新增维度特征以 及对应的样本个性化参数训练预设机器学习模 型， 得到个性化参数预测模型对应的个性化参数 预测函数； 根据预设样本特征、 至少两种样本业 务数据以及个性化参数预测函数训练多任务模 型， 得到多业务数据预测模型； 预设样本特征为 样本特征或样本新增维度特征。 本公开提高了多 业务数据预测模 型预测结果的准确率， 提高了根 据多业务数据预测模型得出的推送信息的转化 率。 权利要求书2页 说明书21页 附图7页 CN 114461848 A 2022.05.10 CN 114461848 A 1.一种多业 务数据预测模型的训练方法， 其特 征在于， 包括： 获取样本多媒体信 息的样本特征以及至少两种样本业务数据； 所述样本特征包括样本 对象特征以及样本多媒体信息关联 特征； 对筛选样本特征进行增维处理， 得到样本新增维度特征； 所述筛选样本特征为所述样 本特征的部分或全部； 根据所述样本新增维度 特征以及对应的样本个性化参数训练预设机器学习模型， 得到 个性化参数预测模型对应的个性 化参数预测函数； 根据预设样本特征、 所述至少两种样本业务数据以及所述个性化参数预测函数训练多 任务模型， 得到多业务数据预测模型； 所述预设样本特征为所述样本特征或所述样本新增 维度特征。 2.根据权利要求1所述的方法， 其特征在于， 所述多任务模型包括门控 网络和至少两个 专家网络； 所述根据预设样本特征、 所述至少 两种样本业务数据以及所述个性化参数预测 函数训练多任务模型， 得到多业 务数据预测模型， 包括： 根据所述预设样本特征以及所述个性化参数预测函数训练每个专家网络， 得到所述每 个专家网络的目标交叉 特征确定函数； 根据所述预设样本特征、 所述至少两种样本业务数据以及所述个性化参数预测函数训 练所述门控网络， 得到每种样本业 务数据对应的各个专 家网络的权 重确定函数； 根据所述每个专家网络的目标交叉特征确定函数以及所述每种样本业务数据对应的 各个专家网络的权 重确定函数， 确定所述多任务模型的模型参数； 基于所述多任务模型以及所述模型参数， 确定所述多业 务数据预测模型。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述每个专家网络的目标交叉特 征确定函数以及所述每种样本业务数据对应的各个专家网络的权重确定函数， 确定所述多 任务模型的模型参数， 包括： 计算所述每种样本业务数据对应的各个专家网络对应的目标交叉特征确定函数以及 权重确定函数的乘积， 得到所述每种样本业务数据对应的各个专家网络的初始权重特征确 定函数； 计算所述每种样本业务数据对应的各个专家网络的初始权重特征确定函数之和， 得到 所述每种样本业 务数据对应的目标权 重交叉特征确定函数； 根据所述每种样本业务数据对应的目标权重交叉特征确定函数， 确定所述多任务模型 的模型参数。 4.根据权利要求2所述的方法， 其特征在于， 所述预设样本特征为至少两个， 所述根据 所述预设样本特征以及所述个性化参数预测函数训练每个专家网络， 得到所述每个专家网 络的目标交叉 特征确定函数， 包括： 对所述至少两个预设样本特 征进行拼接处 理， 得到样本交叉 特征； 根据所述样本交叉特征以及所述个性化参数预测函数对每个专家网络进行预设次数 的交叉训练， 得到所述每 个专家网络的目标交叉 特征确定函数。 5.一种多媒体信息推送方法， 其特 征在于， 所述方法包括： 获取目标多媒体信 息的目标特征以及目标新增维度 特征； 所述目标特征包括目标对象 特征以及目标多媒体信息关联 特征；权　利　要　求　书 1/2 页 2 CN 114461848 A 2将所述目标新增维度特 征输入个性 化参数预测模型， 得到目标个性 化参数； 将预设目标特征以及所述目标个性化参数输入多业务数据 预测模型， 得到至少两种目 标业务数据； 所述预设目标 特征为所述目标 特征或所述目标新增维度特 征； 根据所述至少两种目标业 务数据， 向所述目标对象推送所述目标多媒体信息 。 6.一种多业 务数据预测模型的训练装置， 其特 征在于， 包括： 样本数据获取模块， 被配置为执行获取样本多媒体信 息的样本特征以及至少两种样本 业务数据； 所述样本特 征包括样本对象特 征以及样本多媒体信息关联 特征； 样本新增维度特征确定模块， 被配置为执行对筛选样本特征进行增维处理， 得到样本 新增维度特 征； 所述筛 选样本特 征为所述样本特 征的部分或全部； 个性化参数预测函数确定模块， 被配置为执行根据 所述样本新增维度 特征以及对应的 样本个性化参数训练预设机器学习模型， 得到个性化参数预测模型对应的个性化参数预测 函数； 多业务数据预测模型确定模块， 被配置为执行根据预设样本特征、 所述至少两种样本 业务数据以及所述个性化参数预测 函数训练多任务模型， 得到多业务数据预测模型； 所述 预设样本特 征为所述样本特 征或所述样本新增维度特 征。 7.一种多媒体信息推送装置， 其特 征在于， 所述装置包括： 目标特征获取模块， 被配置为执行获取目标多媒体信 息的目标特征以及目标新增维度 特征； 所述目标 特征包括目标对象特 征以及目标多媒体信息关联 特征； 目标个性化参数确定模块， 被配置为执行将所述目标新增维度 特征输入个性化参数预 测模型， 得到目标个性 化参数； 目标业务数据确定模块， 被配置为执行将预设目标特征以及所述目标个性化参数输入 多业务数据预测模型， 得到至少 两种目标业务数据； 所述预设目标特征为所述目标特征或 所述目标新增维度特 征； 目标多媒体信息推送模块， 被配置为执行根据所述至少两种目标业务数据， 向所述目 标对象推送所述目标多媒体信息 。 8.一种电子设备， 其特 征在于， 包括： 处理器； 用于存储所述处 理器可执行指令的存 储器； 其中， 所述处理器被配置为执行所述指令， 以实现如权利要求1 ‑4中任一项所述的多业 务数据预测模型的训练方法， 或者权利要求5所述的多媒体信息推送方法。 9.一种计算机可读存储介质， 其特征在于， 当所述计算机可读存储介质中的指令由电 子设备处理器执行时， 使得电子设备能够执行如权利要求1 ‑4中任一项所述的多业务数据 预测模型的训练方法， 或者权利要求5所述的多媒体信息推送方法。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 所述计算机程序被处理器执 行时实现如权利要求 1‑4中任一项 所述的多业务数据预测模 型的训练方法， 或者权利要求5 所述的多媒体信息推送方法。权　利　要　求　书 2/2 页 3 CN 114461848 A 3