[发明专利]样本增强方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种样本增强方法，其特征在于，包括：

确定主场景样本集和推送场景样本集之间的样本交集；

对于所述样本交集中的每一交集样本，提取所述交集样本的目标特征；

根据所述目标特征在所述主场景样本集中筛选第一主场景样本，作为所述交集样本的扩展样本；

将各所述交集样本的扩展样本添加至所述样本交集，获得扩展样本集；

根据所述扩展样本集在所述主场景样本集中筛选第二主场景样本，生成辅助样本集；

利用所述辅助样本集和所述推送场景样本集生成增强样本集。

2.根据权利要求1所述的样本增强方法，其特征在于，当所述目标特征为所述交集样本的样本标签时，所述根据所述目标特征在所述主场景样本集中筛选第一主场景样本，作为所述交集样本的扩展样本，包括：

在所述主场景样本集中选择具有相同所述样本标签的初始主场景样本；

对所有所述初始主场景样本进行随机筛选，获得预设数量个第一主场景样本；

将所述预设数量个第一主场景样本作为所述交集样本的扩展样本。

3.根据权利要求1所述的样本增强方法，其特征在于，当所述目标特征为所述交集样本的向量表征时，所述根据所述目标特征在所述主场景样本集中筛选第一主场景样本，作为所述交集样本的扩展样本，包括：

对于所述主场景样本集中的每一主场景样本，根据所述向量表征计算所述交集样本与所述主场景样本之间的余弦相似度；

在所述主场景样本集中，将所述余弦相似度超出预设阈值的主场景样本作为所述第一主场景样本；

将各所述第一主场景样本作为所述交集样本的扩展样本。

4.根据权利要求1所述的样本增强方法，其特征在于，所述根据所述扩展样本集在所述主场景样本集中筛选第二主场景样本，生成辅助样本集，包括：

对于所述主场景样本集中的每一主场景样本，提取所述主场景样本的用户行为信息；

将所述用户行为信息命中所述扩展样本集的主场景样本作为所述第二主场景样本；

基于各所述第二主场景样本生成所述辅助样本集。

5.根据权利要求1所述的样本增强方法，其特征在于，还包括：

构建初始任务模型；

为所述初始任务模型设置模型参数；所述模型参数包括输入特征参数、推送任务参数、主场景任务参数；

利用所述增强样本集对所述输入特征参数进行训练，利用所述推送场景样本集对所述推送任务参数进行训练，利用所述辅助样本集对所述主场景任务参数进行训练，获得任务模型。

6.根据权利要求5所述的样本增强方法，其特征在于，所述模型参数还包括推送任务权重和主场景权重；

相应地，所述利用所述推送场景样本集对所述推送任务参数进行训练，利用所述辅助样本集对所述主场景任务参数进行训练，包括：

结合所述推送任务权重，利用所述推送场景样本集对所述推送任务参数进行训练；

结合所述主场景权重，利用所述辅助样本集对所述主场景任务参数进行训练。

7.根据权利要求5所述的样本增强方法，其特征在于，还包括：

获取待推送数据集；

利用所述任务模型对所述待推送数据集中的每一待推送数据进行评估，获得评估概率；

将所述评估概率超出预设概率值的待推送数据作为目标推送数据进行输出。

8.一种样本增强装置，其特征在于，包括：

确定模块，用于确定主场景样本集和推送场景样本集之间的样本交集；

提取模块，用于对于所述样本交集中的每一交集样本，提取所述交集样本的目标特征；

第一筛选模块，用于根据所述目标特征在所述主场景样本集中筛选第一主场景样本，作为所述交集样本的扩展样本；

添加模块，用于将各所述交集样本的扩展样本添加至所述样本交集，获得扩展样本集；

第二筛选模块，用于根据所述扩展样本集在所述主场景样本集中筛选第二主场景样本，生成辅助样本集；

生成模块，用于利用所述辅助样本集和所述推送场景样本集生成增强样本集。