[发明专利]模型的偏差优化方法、装置、设备及计算机可读介质

说明书

本申请涉及一种模型的偏差优化方法、装置、设备及计算机可读介质。该方法包括：将第一模型对目标维度的推广媒体数据进行预测产生的偏差特征输入第二模型，以获取第二模型对目标维度的推广媒体数据进行价值评估得到的第一推广预测结果，第二模型中隐含层的数量小于第一模型中隐含层的数量；在使用训练数据对第一模型进行训练时，将第一推广预测结果与第一模型中的目标隐含层的输出进行拼接后继续训练，以使得第一模型最终输出的第二推广预测结果中对目标维度的推广媒体数据的预测偏差小于第一偏差阈值。本申请解决了预测模型对特定维度的数据的预测值存在预测偏差的问题。

技术领域

本申请涉及计算机技术领域，尤其涉及一种模型的偏差优化方法、装置、设备及计算机可读介质。

背景技术

随着深度学习的快速发展，深度学习技术被广泛地应用在越来越多的业务领域，其中，深度学习模型以其强大的拟合能力和学习能力在广告领域取得了较好的效果，目前在实践中已经被广泛应用。深度模型的训练需要大量的数据，广告领域应用中，常常将多个不同广告位不同平台的数据，联合建立一个模型，使得模型有着较好的泛化性，但是同时存在问题，不同广告位，真实的点击率存在较大差距，深度模型在抽象出高阶特征后，对于数据量较少的广告位会存在预估偏差。

目前，相关技术中，一般采用的是通过拆分模型，即对不同的广告位分别建模，但是如此一来，对于训练数据较少的广告位的模型，学习效果大打折扣，且在实际工程中使用多个模型的话，会对运维工作造成较大负担，因此相关技术仅仅是在预估偏差和工程运维之间做取舍，并没有从根本上解决预测模型对特定维度的数据的预测值存在预测偏差的问题。

针对预测模型对特定维度的数据的预测值存在预测偏差的问题，目前尚未提出有效的解决方案。

发明内容

本申请提供了一种模型的偏差优化方法、装置、设备及计算机可读介质，以解决预测模型对特定维度的数据的预测值存在预测偏差的技术问题。

根据本申请实施例的一个方面，本申请提供了一种模型的偏差优化方法，包括：

将第一模型对目标维度的推广媒体数据进行预测产生的偏差特征输入第二模型，以获取第二模型对目标维度的推广媒体数据进行价值评估得到的第一推广预测结果，第二模型中隐含层的数量小于第一模型中隐含层的数量，偏差特征用于表示第一模型对目标维度的推广媒体数据的预测偏差大于或等于第一偏差阈值；

在使用训练数据对第一模型进行训练时，将第一推广预测结果与第一模型中的目标隐含层的输出进行拼接后继续训练，以使得第一模型最终输出的第二推广预测结果中对目标维度的推广媒体数据的预测偏差小于第一偏差阈值。

可选地，将偏差特征输入第二模型，以获取第二模型对目标维度的推广媒体数据进行价值评估得到的第一推广预测结果包括：将偏差特征转换为第一特征向量，第一特征向量为对偏差特征离散化得到的；初始化第二模型中各网络层中的权重参数，并将第一特征向量输入第二模型，权重参数与第一特征向量相对应；获取第二模型的输出层输出的第一推广预测结果。

可选地，在使用训练数据对第一模型进行训练时，将第一推广预测结果与第一模型中的目标隐含层的输出进行拼接后继续训练包括：在使用训练数据继续对第一模型进行训练时，提取第一模型的最后一层隐含层的输出向量作为中间向量；将第一推广预测结果与中间向量拼接为一个向量，并将拼接向量输入第一模型的输出层。

可选地，使用训练数据对第一模型进行训练包括：提取训练数据的特征，并将训练数据的特征转换为特征向量后拼接为第二特征向量，训练数据包括目标维度的推广媒体数据，训练数据的特征向量是由训练数据的特征映射得到的；将第二特征向量输入第一模型，以在第一模型中利用多层隐含层逐层提取训练数据的高阶特征进行价值评估。