[发明专利]负样本构造方法、装置、计算设备及存储介质

说明书

本发明公开了一种负样本构造方法、装置、计算设备及存储介质，该方法包括：根据目标用户的社交数据确定一批潜在曝光用户；获取该批潜在曝光用户的社交状态；若目标用户的已发布内容被曝光给任一潜在曝光用户且该潜在曝光用户的社交状态为活跃状态，将该潜在曝光用户标记为可信曝光用户；根据各个可信曝光用户的指定交互行为数据，构造第一数据集；以及，根据已发布内容的各个真实交互用户的指定交互行为数据，构造第二数据集；对第一数据集和第二数据集求取差集数据，得到各个负样本数据。通过上述方式，解决了在社交媒体行为预测任务中负样本难获得的不足，该方法简单易行，能够高效获得置信度较高的负样本数据。

技术领域

本发明涉及数据处理技术领域，具体涉及一种负样本构造方法、装置、计算设备及存储介质。

背景技术

目前，网络世界中信息量巨大，为了把更有效的信息精准推荐给作为特定个体的人，推荐系统在商业场景、内容推荐、社交媒体等场景发挥了不可估量的作用。社交媒体推荐是推荐系统中一种特殊的场景，在社交网络中，用户既可能是推荐内容的生产者，也可能是被推荐的对象，将推荐算法模型应用到社交媒体场景，利用模型预估用户的社交行为。

样本数据在算法训练过程中有着举足轻重的作用，为了训练出高质量的社交媒体行为预估模型，需要对训练数据进行精雕细琢。社交媒体行为预估本质上是二分类任务，训练数据分为正样本和负样本。正样本获取方式相对简单，直接获取用户的有效社交行为数据作为正样本即可。但是，无法直接获得常规推荐场景的负样本数据，如用户浏览但未有效交互的行为记录，现有技术通常是结合先验经验人工构建负样本，工作量大且精准性较低，进而会影响社交媒体行为预估模型的预估效果。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的负样本构造方法、装置、计算设备及存储介质。

根据本发明的一个方面，提供了一种负样本构造方法，包括：

根据目标用户的社交数据确定一批潜在曝光用户；

获取该批潜在曝光用户的社交状态；

若目标用户的已发布内容被曝光给任一潜在曝光用户且该潜在曝光用户的社交状态为活跃状态，将该潜在曝光用户标记为可信曝光用户；

根据各个可信曝光用户的指定交互行为数据，构造第一数据集；以及，根据已发布内容的各个真实交互用户的指定交互行为数据，构造第二数据集；

对第一数据集和第二数据集求取差集数据，得到各个负样本数据。

可选地，得到负样本数据之后，方法进一步包括：

根据各个负样本数据与正样本数据构建训练集，利用训练集对预设分类模型进行训练，得到目标分类模型；

通过目标分类模型对各个负样本数据进行分类，得到各个负样本数据的分值，剔除分值不满足预设条件的负样本数据。

可选地，获取至少一个潜在曝光用户的社交状态进一步包括：

根据任一潜在曝光用户的预设社交行为的时间信息和/或频次信息，获取该潜在曝光用户的社交状态。

可选地，预设社交行为包括以下行为中的一项或多项：平台登录行为、内容发布行为、针对曝光内容的指定交互行为；

可选地，指定交互行为包括以下行为中的一项或多项：转发行为、评论行为、点赞行为。

可选地，社交数据包括社交关系数据，根据目标用户的社交数据确定一批潜在曝光用户进一步包括：

根据目标用户的社交关系数据，确定与目标用户具有社交关系的潜在曝光用户。

可选地，社交数据还包括：已发布内容的热度信息，根据目标用户的社交数据确定一批潜在曝光用户进一步包括：