【技术实现步骤摘要】
基于人工智能的迁移模型的训练方法、装置及存储介质
本专利技术涉及人工智能的自然语言处理技术，尤其涉及一种基于人工智能的迁移模型的训练方法、人工智能的特征预测方法、装置及存储介质。
技术介绍
自然语言处理(NatureLanguageProcessing，NLP)是计算机科学领域与人工智能领域中的一个重要方向，能够实现人与计算机之间用自然语言进行有效通信，通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等技术。推荐系统是自然语言处理领域的重要应用之一，可以自动联系用户和推荐对象，能够在信息过载的环境中帮助用户发现可能令他们感兴趣的信息，也能将信息推送给对它们感兴趣的用户。冷启动在推荐系统中主要指对于没有交互行为的新用户或新推荐对象作相关推荐，常用于产品的拉新、增加日活、增加留存，在推荐初期扮演重要作用。然而在实际应用中，对于新领域的推荐系统，往往没有或存在少量的用户交互数据，致使相关技术仅结合新领域的待推荐对象的内容数据和用户数据，或结合待推荐对象的内容数据、用户数据及少量的用户交互数据，所进行的内容推荐的准
【技术保护点】
1.一种基于人工智能的迁移模型的训练方法，其特征在于，所述迁移模型包括：预测模型、映射模型，所述预测模型包括：用户特征提取层、内容特征提取层和特征预测层，所述方法包括：/n获取第一推荐领域的第一推荐对象样本的用户数据向量和内容数据向量；/n通过所述映射模型，对所述内容数据向量进行映射处理，得到对应的映射向量，所述映射向量用于表征第二推荐领域的第二推荐对象样本的内容数据向量，所述第二推荐对象样本标注有用于表征所述第二推荐对象样本的目标交互特征；/n通过所述内容特征提取层，对所述映射向量进行内容特征提取，得到相应的映射特征；/n通过所述用户特征提取层，对所述用户数据向量进行用户...
【技术特征摘要】
1.一种基于人工智能的迁移模型的训练方法，其特征在于，所述迁移模型包括：预测模型、映射模型，所述预测模型包括：用户特征提取层、内容特征提取层和特征预测层，所述方法包括：
获取第一推荐领域的第一推荐对象样本的用户数据向量和内容数据向量；
通过所述映射模型，对所述内容数据向量进行映射处理，得到对应的映射向量，所述映射向量用于表征第二推荐领域的第二推荐对象样本的内容数据向量，所述第二推荐对象样本标注有用于表征所述第二推荐对象样本的目标交互特征；
通过所述内容特征提取层，对所述映射向量进行内容特征提取，得到相应的映射特征；
通过所述用户特征提取层，对所述用户数据向量进行用户特征提取，得到对应的用户特征；
通过所述特征预测层，基于所述映射特征及所述用户特征，进行交互特征预测，得到对应所述第一推荐对象样本的交互特征，所述交互特征用于供结合所述第一推荐对象样本的内容特征进行内容推荐；
获取所述目标交互特征与所述第一推荐对象样本的交互特征的差异，并基于获取的所述差异，更新所述迁移模型的模型参数。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述第二推荐对象样本的用户数据向量、交互数据向量和内容数据向量；
分别对获取的所述第二推荐对象样本的用户数据向量、交互数据向量和内容数据向量进行特征提取，得到对应的第二推荐对象样本的用户特征、交互数据特征和内容特征；
通过所述特征预测层，基于所述第二推荐对象样本的用户特征、所述第二推荐对象样本的交互数据特征及所述第二推荐对象样本的内容特征，进行交互特征预测，得到对应所述第二推荐对象样本的交互特征；
获取所述目标交互特征与所述第二推荐对象样本的交互特征的差异，并基于获取的所述差异，更新所述预测模型的模型参数。
3.如权利要求2所述的方法，其特征在于，所述预测模型还包括交互特征提取层；所述分别对获取的所述第二推荐对象样本的用户数据向量、交互数据向量和内容数据向量进行特征提取，得到对应的第二推荐对象样本的用户特征、交互特征和内容特征，包括：
通过所述用户特征提取层，对所述第二推荐对象样本的用户数据向量进行用户特征提取，得到第二推荐对象样本的用户特征；
通过所述交互特征提取层，对所述第二推荐对象样本的交互数据向量进行交互特征提取，得到第二推荐对象样本的交互数据特征；
通过所述内容特征提取层，对所述第二推荐对象样本的内容数据向量进行内容特征提取，得到第二推荐对象样本的内容特征。
4.如权利要求1所述的方法，其特征在于，所述预测模型归属于回归模型，所述通过所述特征预测层，基于所述映射特征及所述用户特征，进行交互特征预测，得到对应所述第一推荐对象样本的交互特征，包括：
通过所述特征预测层，基于所述映射特征及所述用户特征，调用回归函数进行回归处理，得到所述第一推荐对象样本的交互特征。
5.如权利要求1所述的方法，其特征在于，所述预测模型归属于分类模型，所述通过所述特征预测层，基于所述映射特征及所述用户特征，进行交互特征预测，得到对应所述第一推荐对象样本的交互特征，包括：
通过所述特征预测层，基于所述映射特征及所述用户特征，对所述第一推荐对象样本的交互特征进行分类预测，得到所述第一推荐对象样本的交互特征。
6.如权利要求1所述的方法，其特征在于，所述映射模型包括：编码模型和解码模型，所述方法还包括：
通过所述编码模型，对所述第一推荐对象样本的内容数据向量进行编码处理，得到用于表征所述第二推荐对象样本的内容数据向量的编码向量；
对所述编码向量进行解码处理，得到用于表征所述第一推荐对象样本的内容数据向量的解码向量；
获取所述编码向量与所述第二推荐对象样本的内容数据向量之间的第一差异，以及所述第一推荐对象样本的内容数据向量与所述解码向量之间的第二差异；
基于所述第一差异及所述第二差异，更新所述映射模型的模型参数。
7.如权利要求6所述的方法，其特征在于，所述获取所述编码向量与所述第二推荐对象样本的内容数据向量之间的第一差异，以及所述第一推荐对象样本的内容数据向量与所述解码向量之间的第二差异，包括：
获取所述编码向量与所述第二推荐对象样本的内容数据向量之间的第一相对熵，将所述第一相对熵作为所述第一差异，以及，
获取所述第一推荐对象样本的内容数据向量与所述解码向量之间的第二相对熵，将所述第二相对熵作为所述第二差异。
8.如权利要求6所述的方法，其特征在于...
【专利技术属性】
技术研发人员：缪畅宇，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。