(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111667317.7 (22)申请日 2021.12.31 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 徐伟　程鸣权　杨海涛　步君昭　 蒋俊翔　骆金昌　刘欢　何伯磊　 和为　陈坤斌　毛丽媛　周敏　 (74)专利代理 机构 北京英赛 嘉华知识产权代理 有限责任公司 1 1204 代理人 王达佐　马晓亚 (51)Int.Cl. G06F 16/2457(2019.01) G06F 16/248(2019.01) G06K 9/62(2022.01) (54)发明名称 用于输出数据指标的方法、 模 型训练方法及 装置 (57)摘要 本公开提供了用于输出数据指标的方法、 模 型训练方法及装置， 涉及人工智 能技术领域， 具 体为内容推荐技术领域。 具体实现方案为： 获取 数据指标集合； 响应于确定存在预先训练完成的 权重生成模型， 基于权重生成模型， 确定数据指 标集合中各个数据指标对应的目标权重； 基于各 个数据指标对应的目标权重， 确定各个数据指标 的输出顺序； 按照输出顺序输出各个数据指标。 本实现方式可以提高 内容展示的智能化 程度。 权利要求书3页 说明书10页 附图5页 CN 114357013 A 2022.04.15 CN 114357013 A 1.一种用于 输出数据指标的方法， 包括： 获取数据指标集 合； 响应于确定存在预先训练完成的权重生成模型， 基于所述权重生成模型， 确定所述数 据指标集 合中各个数据指标对应的目标权 重； 基于各个数据指标对应的目标权 重， 确定各个数据指标的输出顺序； 按照所述输出顺序输出 各个数据指标。 2.根据权利要求1所述的方法， 还 包括： 响应于确定不存在所述权重生成模型， 对于每个数据指标， 确定该数据指标对应的初 始权重； 响应于确定该数据指标的指标值异常， 基于所述初始权重和预设的加权权重， 得到该 数据指标对应的目标权 重。 3.根据权利要求2所述的方法， 还 包括： 响应于确定该数据指标的指标值正常， 将该数据指标对应的初始权重， 确定为该数据 指标对应的目标权 重。 4.根据权利要求1所述的方法， 其中， 所述基于各个数据指标对应的目标权重， 确定各 个数据指标的输出顺序， 包括： 基于各个数据指标对应的目标权 重， 对各个数据指标进行排序； 响应于确定在所述排序中存在目标权重相同的数据指标， 基于指标字段， 确定所述目 标权重相同的数据指标之间的排序； 将各个数据指标之间的排序， 确定为各个数据指标的输出顺序。 5.一种模型训练方法， 包括： 获取样本数据指标对集 合以及样本单 数据指标集 合； 确定所述样本数据指标对集合对应的第 一损失函数， 以及所述样本单数据指标集合对 应的第二损失函数； 基于所述样本数据指标对集合、 所述样本单数据指标集合、 所述第一损 失函数以及所 述第二损失函数， 对待训练模型进行交替训练， 得到 权重生成模型。 6.根据权利要求5所述的方法， 其中， 所述获取样本数据指标对集 合， 包括： 获取各个历史数据指标对应的输出顺序和点击顺序； 基于输出顺序和点击顺序不匹配的历史数据指标， 确定所述样本数据指标对集 合。 7.根据权利要求5所述的方法， 其中， 所述基于所述样本数据指标对集合、 所述样本单 数据指标集合、 所述第一损失函数以及所述第二损失函数， 对待训练模型进行 交替训练， 得 到权重生成模型， 包括： 从所述样本数据指标对集合或者所述样本单数据指标集合中， 确定初始样本， 所述初 始样本为样本数据指标对或者样本单 数据指标； 对所述初始样本执 行以下训练步骤： 响应于确定所述初始样本为所述样本数据指标对， 基于所述待训练模型， 确定所述样 本数据指标对的预测权重； 基于所述样本数据指标对的预测权重和所述第一损失函数， 确 定第一损失值； 响应于确定所述第一损失值满足预设的收敛条件， 将所述待训练模型确定 为所述权 重生成模型； 或者权　利　要　求　书 1/3 页 2 CN 114357013 A 2响应于确定所述初始样本为所述样本单数据指标， 基于所述待训练模型， 确定所述样 本单数据指标 的预测权重； 基于所述样本单数据指标的预测权重和所述第二损失函数， 确 定第二损失值； 响应于确定所述第二损失值满足所述预设的收敛条件， 将所述待训练模型 确定为所述权 重生成模型。 8.根据权利要求7 所述的方法， 还 包括： 响应于确定所述第 一损失值不满足所述预设的收敛条件， 从所述样本单数据指标集合 中重新选取 所述初始样本， 并重复执 行所述训练步骤。 9.根据权利要求7 所述的方法， 还 包括： 响应于确定所述第 二损失值不满足所述预设的收敛条件， 从所述样本数据指标对集合 中重新选取 所述初始样本， 并重复执 行所述训练步骤。 10.一种用于 输出数据指标的装置， 包括： 指标获取 单元， 被配置成获取 数据指标集 合； 权重确定单元， 被配置成响应于确定存在预先训练完成的权重生成模型， 基于所述权 重生成模型， 确定所述数据指标集 合中各个数据指标对应的目标权 重； 顺序确定单元， 被配置成基于各个数据指标对应的目标权重， 确定各个数据指标的输 出顺序； 指标输出 单元， 被配置成按照所述输出顺序输出 各个数据指标。 11.根据权利要求10所述的装置， 其中， 所述权 重确定单 元进一步被配置成： 响应于确定不存在所述权重生成模型， 对于每个数据指标， 确定该数据指标对应的初 始权重； 响应于确定该数据指标的指标值异常， 基于所述初始权重和预设的加权权重， 得到该 数据指标对应的目标权 重。 12.根据权利要求1 1所述的装置， 其中， 所述权 重确定单 元进一步被配置成： 响应于确定该数据指标的指标值正常， 将该数据指标对应的初始权重， 确定为该数据 指标对应的目标权 重。 13.根据权利要求10所述的装置， 其中， 所述指标输出 单元进一步被配置成： 基于各个数据指标对应的目标权 重， 对各个数据指标进行排序； 响应于确定在所述排序中存在目标权重相同的数据指标， 基于指标字段， 确定所述目 标权重相同的数据指标之间的排序； 将各个数据指标之间的排序， 确定为各个数据指标的输出顺序。 14.一种模型训练装置， 包括： 样本获取 单元， 被配置成获取样本数据指标对集 合以及样本单 数据指标集 合； 损失函数确定单元， 被配置成确定所述样本数据指标对集合对应的第一损 失函数， 以 及所述样本单 数据指标集 合对应的第二损失函数； 模型训练单元， 被配置成基于所述样本数据指标对集合、 所述样本单数据指标集合、 所 述第一损失函数以及所述第二损失函数， 对待训练模型进行交替训练， 得到 权重生成模型。 15.根据权利要求14所述的装置， 其中， 所述样本获取 单元进一步被配置成： 获取各个历史数据指标对应的输出顺序和点击顺序； 基于输出顺序和点击顺序不匹配的历史数据指标， 确定所述样本数据指标对集 合。权　利　要　求　书 2/3 页 3 CN 114357013 A 3