[发明专利]多渠道用户购车意愿评估模型训练方法、装置及设备

说明书

本申请属于人工智能技术领域，本申请提供了一种多渠道用户购车意愿评估模型训练方法、装置、计算机设备及计算机可读存储介质。本申请通过获取训练样本数据集，从训练样本数据集抽取任务，任务包括支持集与查询集，根据支持集中的租车佣金及数据产生时长，通过单任务将预设元学习模型进行第一次梯度更新，得到更新后的预设元学习模型，再根据任务的查询集中的租车佣金及数据产生时长、每个购车进线渠道对应的历史成交率及渠道进线费用，将不同任务进行结合，再将更新后的预设元学习模型进行第二次梯度更新，得到购车意愿评估元学习模型，实现了对多渠道购车意愿预测模型的有效训练，提高对用户购车意愿预测的准确性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种多渠道用户购车意愿评估模型训练方法、装置、计算机设备及计算机可读存储介质。

背景技术

汽车融资租赁业务是一种发展迅速的大额分期购车方式，企业通过与银行与加盟商的资金融合，加以保险公司配合，可以满足用户的购车需求。租赁汽融业务中的线上进件渠道属于新兴的业务销售模式，渠道种类多样，主要渠道包括汽车之家、车管家、懂车帝等线上进件购车渠道，各个渠道都有其特殊性，每个渠道样本量稀少。在训练用户购车意愿评估模型时，传统有监督的学习方法需要在大量有标签的数据集上进行训练，学习效率低，然而汽车融资租赁实际业务销售模式中每个渠道样本量稀少，无法通过样本抽取完成业务在小样本的情况下高预测精度的需求，且传统学习方法只能完成单任务分类，在渠道众多的情况下，无法分渠道预测客户的购车意愿。因此，在汽车融资租赁业务传统技术中，存在由于各个线上购车渠道的样本稀少致使训练用户购车意愿评估模型效率较低，从而导致对线上进件渠道用户的购车意愿评估准确性较低的问题。

发明内容

本申请提供了一种多渠道用户购车意愿评估模型训练方法、装置、计算机设备及计算机可读存储介质，能够解决传统技术中由于各个线上购车渠道的样本稀少致使训练用户购车意愿评估模型效率较低，从而导致对线上进件渠道用户的购车意愿评估准确性较低的技术问题。

第一方面，本申请提供了一种多渠道用户购车意愿评估模型训练方法，包括：获取训练样本数据集，所述训练样本数据集包括多个租车用户对应的用户信息数据，所述用户信息数据包括租车用户的用户特征及所述用户特征对应的购车意愿标签，所述用户特征包括租车用户的购车进线渠道对应的预设进线渠道标识、所述租车用户的租车消费对应的租车佣金及所述用户信息数据对应的数据产生时长；根据所述预设进线渠道标识，将所述训练样本数据集进行每个所述购车进线渠道的任务采样，得到采集的任务，并将所有所述任务组成任务池，所述任务包括支持集与查询集，其中，所述任务的所述支持集中所述用户信息数据的数量小于所述查询集中所述用户信息数据的数量；从任务池中获取第一目标任务，从所述第一目标任务的支持集中，获取目标用户信息数据的目标租车佣金及对应的目标数据产生时长，利用所述目标租车佣金及所述目标数据产生时长，将预设元学习模型中所述第一目标任务对应的目标购车进线渠道的目标模型参数进行第一次梯度更新，得到更新后的预设元学习模型；获取每个所述购车进线渠道对应的历史成交率及所述购车进线渠道对应的渠道进线费用；根据所述任务池中每个所述任务的查询集，获取每个所述任务的所述租车佣金、所述数据产生时长、所述历史成交率及所述渠道进线费用，将所述任务池中的每个任务分别作为第二目标任务，利用所述第二目标任务与所述任务池中除所述第二目标任务外的随机任务，计算所述任务池对应的总损失值，并利用所述总损失值将所述更新后的预设元学习模型中的所述目标模型参数进行第二次梯度更新，得到包含对所述目标购车进线渠道的进线用户的用户购车意愿进行评估的购车意愿评估元学习模型。