对象召回模型训练方法、装置、电子设备及存储介质制造方法及图纸

本公开的实施例提供了一种对象召回模型训练方法、装置、电子设备及存储介质。所述方法包括：获取预设数量的预置类型的会话数据；根据每条所述会话数据中的业务对象的排列顺序，获取每条所述会话数据中的前n个业务对象和后n个业务对象；所述n为大于预设数值的正整数；获取所述前n个业务对象和所述后n个业务对象中每个业务对象的顺序属性、位置属性和种类属性；基于所述顺序属性、所述位置属性和所述种类属性，训练初始相似对象召回模型；在预设数量的会话数据均训练完成之后，将训练后的初始相似对象召回模型作为最终的相似对象召回模型。本公开的实施例可以使召回的候选poi品类更相近、地理位置更接近，进而，可以提高线上DAU指标。

【技术实现步骤摘要】
对象召回模型训练方法、装置、电子设备及存储介质
本公开的实施例涉及模型训练
，尤其涉及一种对象召回模型训练方法、装置、电子设备及存储介质。
技术介绍
在推荐、广告算法领域，通常由召回+排序两大核心模块组成，“召回”指从海量信息集合中触发尽可能多正确的结果，召回策略有很多种，其中一种是“item2item”策略，即根据给定的某个item(比如poi(PointofInterest，兴趣点)等)返回与其相似的N个item。“item2item”策略中常见的方法是基于物品的协同过滤法，该方法认为物品A和物品B具有很大的相似度是因为喜欢物品A的用户大都也喜欢物品B。具体到我们的业务场景中来说，选用不同用户在美团App内session(30分钟内的行为)中的poi数据，构成用户按时间顺序点击过的poi序列，对每条session内的任意2个poi都可以构成poi对，认为其互为相似，进而可以构成poi的相似度矩阵，形成相似度矩阵的示意过程如图1所示。对于上面形成的相似度矩阵，可以使用余弦相似度方法计算poi-i与poi-j的相似度。对于每一个poi，选取其相似度最高的前20个poi形成相似poi列表，形成Key-Value(键值对)格式的词表文件，线上使用查找词表的方式即可确定指定poi的多个相似poi。上述方案中，忽略了session内部的顺序，且忽略了用户在同一session内点击poi所处位置和所属品类的变化。
技术实现思路
本公开的实施例提供一种对象召回模型训练方法、装置、电子设备及存储介质，用以基于session内部的顺序、用户在同一session内点击poi所处位置和所属品类训练召回模型，可以使召回的候选poi品类更相近、地理位置更接近，进而，可以提高线上DAU(DailyActiveUser，日活跃用户数量)指标。根据本公开的实施例的第一方面，提供了一种对象召回模型训练方法，包括：获取预设数量的预置类型的会话数据；根据每条所述会话数据中的业务对象的排列顺序，获取每条所述会话数据中的前n个业务对象和后n个业务对象；所述n为大于预设数值的正整数；获取所述前n个业务对象和所述后n个业务对象中每个业务对象的顺序属性、位置属性和种类属性；基于所述顺序属性、所述位置属性和所述种类属性，训练初始相似对象召回模型；在预设数量的会话数据均训练完成之后，将训练后的初始相似对象召回模型作为最终的相似对象召回模型。可选地，所述获取预设数量的点击类型的会话数据，包括：获取多个预置类型的会话数据；从所述多个预置类型的会话数据中，筛选出符合条件的预设数量的会话数据。可选地，所述获取所述前n个业务对象和所述后n个业务对象中每个业务对象的顺序属性、位置属性和种类属性，包括：根据每条所述会话数据中的业务对象的排列顺序，确定所述前n个业务对象中每个业务对象的第一顺序属性，及所述后n个业务对象中每个业务对象的第二顺序属性；根据每条会话数据中的业务对象所处的位置，确定所述前n个业务对象中每个业务对象的第一位置属性，及所述后n个业务对象中每个业务对象的第二位置属性；根据每条会话数据中的业务对象的类型信息，确定所述前n个业务对象中每个业务对象的第一种类属性，及所述后n个业务对象中每个业务对象的第二种类属性。可选地，所述初始相似对象召回模型包括输入层、输出层和抽样归一化指数函数层，所述基于所述顺序属性、所述位置属性和所述种类属性，训练初始相似对象召回模型，包括：将所述第一顺序属性、所述第一位置属性和所述第一种类属性输入至所述输入层；将所述第二顺序属性、所述第二位置属性和所述第二种类属性输入至所述输出层；基于所述输入层根据所述第一顺序属性、所述第一位置属性和所述第一种类属性，确定所述前n个业务对象中每个业务对象对应的第一合成向量；基于所述根据所述第二顺序属性、所述第二位置属性和所述第二种类属性，确定所述后n个业务对象中每个业务对象对应的第二合成向量；调用所述抽样归一化指数函数层，根据所述第一合成向量和所述第二合成向量，确定所述前n个业务对象中每个业务对象对应的相似对象结果。可选地，所述输入层包括：第一顺序向量嵌入层、第一种类向量嵌入层和第一位置向量嵌入层，所述基于所述输入层根据所述第一顺序属性、所述第一位置属性和所述第一种类属性，确定所述前n个业务对象中每个业务对象对应的第一合成向量，包括：基于所述第一顺序向量嵌入层，确定所述第一顺序属性对应的第一顺序向量；基于所述第一位置向量嵌入层，确定所述第一位置属性对应的第一位置向量；基于所述第一种类向量嵌入层，确定所述第一种类属性对应的第一种类向量；根据所述第一顺序向量、所述第一位置向量和所述第一种类向量，确定所述第一合成向量。可选地，所述输出层包括：第二顺序向量嵌入层、第二种类向量嵌入层和第二位置向量嵌入层，所述基于所述根据所述第二顺序属性、所述第二位置属性和所述第二种类属性，确定所述后n个业务对象中每个业务对象对应的第二合成向量，包括：基于所述第二顺序向量嵌入层，确定所述第二顺序属性对应的第二顺序向量；基于所述第二位置向量嵌入层，确定所述第二位置属性对应的第二位置向量；基于所述第二种类向量嵌入层，确定所述第二种类属性对应的第二种类向量；根据所述第二顺序向量、所述第二位置向量和所述第二种类向量，确定所述第二合成向量。根据本公开的实施例的第二方面，提供了一种对象召回模型训练装置，包括：会话数据获取模块，用于获取预设数量的预置类型的会话数据；业务对象获取模块，用于根据每条所述会话数据中的业务对象的排列顺序，获取每条所述会话数据中的前n个业务对象和后n个业务对象；所述n为大于预设数值的正整数；业务属性获取模块，用于获取所述前n个业务对象和所述后n个业务对象中每个业务对象的顺序属性、位置属性和种类属性；初始模型训练模块，用于基于所述顺序属性、所述位置属性和所述种类属性，训练初始相似对象召回模型；最终模型获取模块，用于在预设数量的会话数据均训练完成之后，将训练后的初始相似对象召回模型作为最终的相似对象召回模型。可选地，所述会话数据获取模块包括：会话数据获取单元，用于获取多个预置类型的会话数据；会话数据筛选单元，用于从所述多个预置类型的会话数据中，筛选出符合条件的预设数量的会话数据。可选地，所述业务属性获取模块包括：顺序属性确定单元，用于根据每条所述会话数据中的业务对象的排列顺序，确定所述前n个业务对象中每个业务对象的第一顺序属性，及所述后n个业务对象中每个业务对象的第二顺序属性；位置属性确定单元，用于根据每条会话数据中的业务对象所处的位置，确定所述前n个业务对象中每个业务对象的第一位置属性，及所述后n个业务对象中每个业务对象的第二位置属性；种类属性确定单元，用于本文档来自技高网...

【技术保护点】
1.一种对象召回模型训练方法，其特征在于，包括：/n获取预设数量的预置类型的会话数据；/n根据每条所述会话数据中的业务对象的排列顺序，获取每条所述会话数据中的前n个业务对象和后n个业务对象；所述n为大于预设数值的正整数；/n获取所述前n个业务对象和所述后n个业务对象中每个业务对象的顺序属性、位置属性和种类属性；/n基于所述顺序属性、所述位置属性和所述种类属性，训练初始相似对象召回模型；/n在预设数量的会话数据均训练完成之后，将训练后的初始相似对象召回模型作为最终的相似对象召回模型。/n

【技术特征摘要】
1.一种对象召回模型训练方法，其特征在于，包括：
获取预设数量的预置类型的会话数据；
根据每条所述会话数据中的业务对象的排列顺序，获取每条所述会话数据中的前n个业务对象和后n个业务对象；所述n为大于预设数值的正整数；
获取所述前n个业务对象和所述后n个业务对象中每个业务对象的顺序属性、位置属性和种类属性；
基于所述顺序属性、所述位置属性和所述种类属性，训练初始相似对象召回模型；
在预设数量的会话数据均训练完成之后，将训练后的初始相似对象召回模型作为最终的相似对象召回模型。


2.根据权利要求1所述的方法，其特征在于，所述获取预设数量的点击类型的会话数据，包括：
获取多个预置类型的会话数据；
从所述多个预置类型的会话数据中，筛选出符合条件的预设数量的会话数据。


3.根据权利要求1所述的方法，其特征在于，所述获取所述前n个业务对象和所述后n个业务对象中每个业务对象的顺序属性、位置属性和种类属性，包括：
根据每条所述会话数据中的业务对象的排列顺序，确定所述前n个业务对象中每个业务对象的第一顺序属性，及所述后n个业务对象中每个业务对象的第二顺序属性；
根据每条会话数据中的业务对象所处的位置，确定所述前n个业务对象中每个业务对象的第一位置属性，及所述后n个业务对象中每个业务对象的第二位置属性；
根据每条会话数据中的业务对象的类型信息，确定所述前n个业务对象中每个业务对象的第一种类属性，及所述后n个业务对象中每个业务对象的第二种类属性。


4.根据权利要求3所述的方法，其特征在于，所述初始相似对象召回模型包括输入层、输出层和抽样归一化指数函数层，
所述基于所述顺序属性、所述位置属性和所述种类属性，训练初始相似对象召回模型，包括：
将所述第一顺序属性、所述第一位置属性和所述第一种类属性输入至所述输入层；
将所述第二顺序属性、所述第二位置属性和所述第二种类属性输入至所述输出层；
基于所述输入层根据所述第一顺序属性、所述第一位置属性和所述第一种类属性，确定所述前n个业务对象中每个业务对象对应的第一合成向量；
基于所述根据所述第二顺序属性、所述第二位置属性和所述第二种类属性，确定所述后n个业务对象中每个业务对象对应的第二合成向量；
调用所述抽样归一化指数函数层，根据所述第一合成向量和所述第二合成向量，确定所述前n个业务对象中每个业务对象对应的相似对象结果。


5.根据权利要求4所述的方法，其特征在于，所述输入层包括：第一顺序向量嵌入层、第一种类向量嵌入层和第一位置向量嵌入层，
所述基于所述输入层根据所述第一顺序属性、所述第一位置属性和所述第一种类属性，确定所述前n个业务对象中每个业务对象对应的第一合成向量，包括：
基于所述第一顺序向量嵌入层，确定所述第一顺序属性对应的第一顺序向量；
基于所述第一位置向量嵌入层，确定所述第一位置属性对应的第一位置向量；
基于所述第一种类向量嵌入层，确定所述第一种类属性对应的第一种类向量；
根据所述第一顺序向量、所述第一位置向量和所述第一种类向量，确定所述第一合成向量。


6.根据权利要求4所述的方法，其特征在于，所述输出层包括：第二顺序向量嵌入层、第二种类向量嵌入层和第二位置向量嵌入层，
所述基于所述根据所述第二顺序属性、所述第二位置属性和所述第二种类属性，确定所述后n个业务对象中每个业务对象对应的第二合成向量，包括：
基于所述第二顺序向量嵌入层，确定所述第二顺序属性对应的第二顺序向量；
基于所述第二位置向量嵌入层，确定所述第二位置属性对应的第二位置向量；
基于所述第二种类向量嵌入层，确定所述第二种类属性对应的第二种类向量；
根据所述第二顺序向量、所述第二位置向量和所述第二种类向量，确定所述第二合成向量。


7.一种对象召回模型训练装置，其特征在于，包括：
会话数据获取模块，用于获取预设数量的预置类型的会话数据；
业务对象获取模块，用于根据每条所述会话数据中的业务对象的排列顺序，获取每条所述会话数据中的前n个业务对象和后n个业务对象；所述n为大于预设数值的正整数；
业务属性获取模块，用于获...

【专利技术属性】
技术研发人员：刘永刚，李乐，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京;11