[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

说明书

本申请公开了一种样本增强方法，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；对于样本交集中的每一交集样本，提取交集样本的目标特征；根据目标特征在主场景样本集中筛选第一主场景样本，作为交集样本的扩展样本；将各交集样本的扩展样本添加至样本交集，获得扩展样本集；根据扩展样本集在主场景样本集中筛选第二主场景样本，生成辅助样本集；利用辅助样本集和推送场景样本集生成增强样本集。应用本申请所提供的技术方案，可以实现样本增强，有效地扩展了训练样本数量，进一步实现了高精度模型构建。本申请还公开了一种样本增强装置、电子设备以及计算机可读存储介质，同样具有上述技术效果。

技术领域

本申请涉及机器学习技术领域，特别涉及一种样本增强方法，还涉及一种样本增强装置、电子设备以及计算机可读存储介质。

背景技术

在内容推送场景下，由于信息载体受限、用户对推送内容兴趣程度相对较低、不同应用的推送相互挤占等原因，内容推送的用户行为数量相对很少，这就导致直接使用原始样本训练的模型收敛程度较差，模型预估的准确性较低，从而影响内容推送的点击率。

相关技术中，采用了对原始样本进行扩展增强的实现方式，一般是直接使用主场景的用户行为作为增强训练样本。但是，主场景的内容池数据分布因各种原因与内容推送场景是不一致的，直接使用主场景的样本数据会使得推送模型出现偏差，因此，需要对主场景的行为做过滤，使过滤后的主场景数据分布与内容推送一致。目前，直观的想法为只使用包含在主场景和内容推送场景的候选池交集的用户行为数据，但是，仅保留交集内容会使得过滤后留下的样本集数据量很小，不能起到辅助训练的作用。

因此，如何实现样本增强，以有效扩展训练样本数量，进而实现高精度模型构建是本领域技术人员亟待解决的问题。

发明内容

本申请的目的是提供一种样本增强方法，该样本增强方法可以实现样本增强，有效地扩展了训练样本数量，进一步实现了高精度模型构建；本申请的另一目的是提供一种样本增强装置、电子设备及计算机可读存储介质，均具有上述有益效果。

第一方面，本申请提供了一种样本增强方法，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。

可选地，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。

可选地，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。