[发明专利]事件预测系统的更新方法及装置

说明书

本说明书实施例提供了一种事件预测系统的更新方法，包括：将基于事件样本序列获取的样本输入事件预测系统中进行事件处理，该事件处理包括：通过序列编码网络，确定截至该样本中发生时刻的子序列的序列编码向量，该子序列中各样本均对应第一用户；通过图传播网络，根据该序列编码向量，更新用户关系网络图中与第一用户节点相关的节点表征向量；通过强度拟合网络，根据更新后的节点表征向量，拟合与第一用户对应的事件发生强度函数；通过强度映射网络，将该事件发生强度函数映射至事件类型空间，得到第一用户在多个事件类型下的多个强度函数；之后，基于事件处理得到的多个强度函数和对应第一用户的标签样本，更新上述事件预测系统中的网络参数。

技术领域

本说明书一个或多个实施例涉及机器学习技术领域，尤其涉及一种事件预测系统的更新方法及装置。

背景技术

随着经济的发展和科技的进步，用户越来越频繁地使用服务平台提供的各式各样的服务，以满足工作、生活中的多种需求。在用户使用服务的过程中，会产生大量的线上和线下行为数据。这些行为数据(或称事件数据、操作数据)，反映了用户的个人兴趣、行为偏好，如果能够被深入挖掘并合理利用，可以有效指导服务的优化。在一种数据处理方式中，通过对用户行为序列进行建模，预测用户下一次在什么时间发生什么行为，能够帮助为用户提供贴合其需求的个性化服务，从而提高用户体验。点过程是一种序列建模技术，通过将用户行为抽象为空间的点，将用户行为序列抽象为点过程序列，模拟出后续行为事件发生的强度函数，从而实现对下一事件的预测。

然而，目前已有的点过程算法难以满足实际应用中对事件预测的高要求。因此，需要一种方案，可以有效提高对点过程算法的性能，从而优化事件预测结果的准确度和可用性。

发明内容

本说明书一个或多个实施例描述的事件预测系统的更新方法及装置，对点过程算法进行优化，通过优化后的点过程算法得到的强度函数更加精准，从而有效提高事件预测结果的准确度和可用性。

根据第一方面，提供了一种事件预测系统的更新方法，包括：从按照时间顺序排列而形成的事件样本序列中，依次获取事件样本作为第一事件样本，其样本属性包括第一发生时刻和第一用户标识。将所述第一事件样本输入事件预测系统中进行事件处理，该事件预测系统包括序列编码网络、图传播网络、强度拟合网络和强度映射网络；所述事件处理包括：通过所述序列编码网络，确定截至所述第一发生时刻的子序列的序列编码向量，该子序列中各事件样本均对应所述第一用户标识；通过所述图传播网络，根据所述序列编码向量，更新用户关系网络图中第一用户节点和其邻居节点的节点表征向量；通过所述强度拟合网络，根据更新后的所述第一用户节点的第一节点表征向量，确定与所述第一用户标识对应的事件发生强度函数中的参数值；通过所述强度映射网络，将所述事件发生强度函数映射至事件类型空间，得到所述第一用户标识在多个事件类型下的多个强度函数。基于所述多个强度函数和对应所述第一用户标识的第二事件样本，更新所述事件预测系统中的网络参数；所述第二事件样本对应的第二发生时刻晚于所述第一发生时刻。

在一个实施例中，所述序列编码网络包括线性嵌入子网络和时序子网络；其中，确定截至所述第一发生时刻的子序列的序列编码向量，包括：通过所述线性嵌入子网络，确定所述子序列中各事件样本所对应事件类型的类型嵌入向量；通过所述时序子网络，基于依次输入的对应所述各事件样本的类型嵌入向量，输出所述序列编码向量。

在一个实施例中，更新用户关系网络图中第一用户节点和其邻居节点的节点表征向量，包括：将所述第一用户节点作为目标节点，执行针对目标节点的更新操作；其中，所述更新操作包括：根据目标节点对应的目标序列编码向量，该目标节点的目标邻居节点的当前表征向量，以及该目标节点自身的当前表征向量，确定更新后的目标节点的表征向量。

在一个具体的实施例中，在将所述第一用户节点作为目标节点，执行对目标节点表征向量的更新操作之后，所述方法还包括：将所述第一用户节点的邻居节点作为目标节点，并执行所述更新操作。