一种事件触发时机确定方法及相关装置与流程

摘要: 本申请涉及软件,尤其涉及一种事件触发时机确定方法及相关装置。背景技术:1、在互联网内容消费及人机交互场景中,系统往往需要在用户行为过程中动态触发特定事件(例如插...
一种事件触发时机确定方法及相关装置与流程

本申请涉及软件,尤其涉及一种事件触发时机确定方法及相关装置。

背景技术:

1、在互联网内容消费及人机交互场景中,系统往往需要在用户行为过程中动态触发特定事件(例如插入推荐内容、展示提示信息或执行中断操作),该事件的触发时机的选择需要在保障用户体验连续性与实现业务目标之间取得平衡。

2、然而,现阶段通常依赖历史统计的分层策略来确定触发时机,但由于历史观测到的用户行为时长往往已被既定的干预事件所截断,并非用户在自然状态下的真实行为上限,因此若直接利用此类被截断的观测数据进行建模,模型会将因干预而导致的提前终止行为误判为用户自然兴趣缺失,从而使得预测偏差与决策僵化。

技术实现思路

1、鉴于上述问题,本申请提供了一种事件触发时机确定方法及相关装置,以实现消除外部干预偏差、准确还原用户自然行为状态的目的。具体方案如下:

2、本申请第一方面提供一种事件触发时机确定方法,所述事件触发时机确定方法包括:

3、获取原始多维特征,并将所述原始多维特征中的干扰特征赋值为表征无干扰状态的默认值得到目标多维特征;

4、将所述目标多维特征输入至预测模型中,以通过所述预测模型输出目标变量在多个离散区间的第一自然概率分布,所述预测模型是预先基于预测累积分布与真实累积分布的差异训练得到的;

5、基于生存函数对所述第一自然概率分布进行积分处理得到所述目标变量的期望值,并根据所述目标变量的期望值确定目标事件的触发时机。

6、在一种可能的实现中,预先基于预测累积分布与真实累积分布的差异训练得到所述预测模型的过程,包括:

7、获取样本多维特征、以及所述样本多维特征对应的所述目标变量的观测值;

8、以各个离散区间的中心点为锚点,通过高斯核函数将所述目标变量的观测值映射至各个离散区间以获得相应的概率分布软标签,所述概率分布软标签用于构建所述真实累积分布;

9、将所述样本多维特征输入至基础模型,以获得所述基础模型输出的所述目标变量在所述各个离散区间的第二自然概率分布,所述第二自然概率分布用于构建所述预测累积分布;

10、根据所述真实累积分布和所述预测累积分布确定平方推土机距离损失值,并通过最小化所述平方推土机距离损失值更新所述基础模型的模型参数,以获得所述预测模型。

11、在一种可能的实现中,所述将所述样本多维特征输入至基础模型,包括:

12、将所述样本多维特征中的连续特征和离散特征分别转换为低维稠密特征,并将所述连续特征和所述离散特征各自的低维稠密特征拼接后输入至所述基础模型。

13、在一种可能的实现中,所述基于生存函数对所述第一自然概率分布进行积分处理得到所述目标变量的期望值,包括:

14、基于所述第一自然概率分布确定所述目标变量在各个离散区间的区间累积分布,并根据所述区间累积分布确定所属离散区间的生存函数值;

15、利用各个离散区间的生存函数值、以及各个离散区间的时间步长确定所述目标变量的期望值。

16、在一种可能的实现中,所述根据所述目标变量的期望值确定目标事件的触发时机,包括:

17、获取预设的所述目标变量的约束区间,并将所述目标变量的期望值映射至所述约束区间内,以获得所述目标事件的触发时机。

18、在一种可能的实现中,所述将所述目标多维特征输入至预测模型中,包括:

19、将对象特征、内容特征、上下文环境特征和无干扰特征输入至所述预测模型中,所述无干扰特征是所述干扰特征的赋值结果,所述干扰特征包括状态特征和时间特征,所述状态特征用于表征所述原始多维特征所属的对象在历史交互中是否触达预设干扰事件,所述时间特征用于表征所述预设干扰事件的发生时间。

20、本申请第二方面提供一种事件触发时机确定装置,所述事件触发时机确定装置包括:

21、特征赋值模块,用于获取原始多维特征,并将所述原始多维特征中的干扰特征赋值为表征无干扰状态的默认值得到目标多维特征;

22、时机确定模块,用于将所述目标多维特征输入至预测模型中,以通过所述预测模型输出目标变量在多个离散区间的第一自然概率分布,所述预测模型是预先基于预测累积分布与真实累积分布的差异训练得到的;基于生存函数对所述第一自然概率分布进行积分处理得到所述目标变量的期望值,并根据所述目标变量的期望值确定目标事件的触发时机。

23、本申请第三方面提供一种计算机程序产品,包括计算机可读指令,当所述计算机可读指令在电子设备上运行时,使得所述电子设备实现上述第一方面或第一方面任一实现方式的事件触发时机确定方法。

24、本申请第四方面提供一种电子设备,包括至少一个处理器和与所述处理器连接的存储器,其中:

25、所述存储器用于存储计算机程序;

26、所述处理器用于执行所述计算机程序,以使所述电子设备能够实现上述第一方面或第一方面任一实现方式的事件触发时机确定方法。

27、本申请第五方面提供一种计算机存储介质,所述存储介质承载有一个或多个计算机程序,当所述一个或多个计算机程序被电子设备执行时,能够使所述电子设备实现上述第一方面或第一方面任一实现方式的事件触发时机确定方法。

28、借由上述技术方案,本申请提供的一种事件触发时机确定方法及相关装置,包括:获取原始多维特征,并将原始多维特征中的干扰特征赋值为表征无干扰状态的默认值得到目标多维特征;将目标多维特征输入至预测模型中,以通过预测模型输出目标变量在多个离散区间的第一自然概率分布,预测模型是预先基于预测累积分布与真实累积分布的差异训练得到的;基于生存函数对第一自然概率分布进行积分处理得到目标变量的期望值,并根据目标变量的期望值确定目标事件的触发时机。本申请通过干扰特征的置零操作,有效去除干扰事件对观测数据的截断影响,使得模型推理过程模拟无外部干扰下的自然行为轨迹;进而通过预测模型与生存函数积分还原,可以实现从概率分布形态优化到数学期望计算的数学自洽,确保预测结果在全局留存趋势上的准确性与稳定性;进一步根据还原后的期望值确定目标事件的触发时机,可以确保触发时机与用户自然行为状态的适配性。本申请可以避免因决策偏差造成的用户过早流失或资源浪费情况,提升系统在动态环境下的自适应决策能力与整体运行效率。

1.一种事件触发时机确定方法,其特征在于,所述事件触发时机确定方法包括:

2.根据权利要求1所述的事件触发时机确定方法,其特征在于,预先基于预测累积分布与真实累积分布的差异训练得到所述预测模型的过程,包括:

3.根据权利要求2所述的事件触发时机确定方法,其特征在于,所述将所述样本多维特征输入至基础模型,包括:

4.根据权利要求1所述的事件触发时机确定方法,其特征在于,所述基于生存函数对所述第一自然概率分布进行积分处理得到所述目标变量的期望值,包括:

5.根据权利要求1所述的事件触发时机确定方法,其特征在于,所述根据所述目标变量的期望值确定目标事件的触发时机,包括:

6.根据权利要求1所述的事件触发时机确定方法,其特征在于,所述将所述目标多维特征输入至预测模型中,包括:

7.一种事件触发时机确定装置,其特征在于,所述事件触发时机确定装置包括:

8.一种计算机程序产品,其特征在于,包括计算机可读指令,当所述计算机可读指令在电子设备上运行时,使得所述电子设备实现如权利要求1至6中任意一项所述的事件触发时机确定方法。

9.一种电子设备,其特征在于,包括至少一个处理器和与所述处理器连接的存储器,其中:

10.一种计算机存储介质,其特征在于,所述存储介质承载有一个或多个计算机程序,当所述一个或多个计算机程序被电子设备执行时,能够使所述电子设备实现如权利要求1至6中任意一项所述的事件触发时机确定方法。