【技术实现步骤摘要】
一种模型参数调整方法、装置、电子设备和存储介质
[0001]本申请涉及人工智能领域，尤其涉及一种模型参数调整方法、装置、电子设备和存储介质。
技术介绍
[0002]当今社会，社交行为已经几乎完全围绕互联网进行,例如博文、社交状态、热点评论等社交信息流往往从大量社交事件中产生。一般来说，这种社交信息流具有时序性、数量大、更新快、复杂度高等特点。然而，当前阶段，在进行推荐模型的训练上往往采用社交信息进行训练，并利用训练好的推荐模型为用户推荐社交信息。因为在训练时仅机械化的将社交信息输入到推荐模型，所以在利用训练好的推荐模型为用户推荐社交信息时可能存在社交信息推荐不够精准的问题。换句话来说，该推荐模型的泛化能力差。因此，如何提高推荐模型的泛化能力成为当前阶段亟待解决的技术问题。
技术实现思路
[0003]本申请实施例提供了一种模型参数调整方法、装置、电子设备和存储介质，提高了推荐模型的泛化能力。
[0004]本申请第一方面提供了一种模型参数调整方法，包括：
[0005]获取第一社交信息、第二社交信息...
【技术保护点】
【技术特征摘要】
1.一种模型参数调整方法，其特征在于，包括：获取第一社交信息、第二社交信息和第三社交信息，所述第一社交信息与所述第二社交信息属于同一类别，所述第一社交信息与所述第三社交信息属于不同类别；对所述第一社交信息、所述第二社交信息和所述第三社交信息分别进行编码，得到第一特征向量、第二特征向量和第三特征向量；确定所述第一特征向量与所述第二特征向量之间的距离，得到第一距离；确定所述第一特征向量与所述第三特征向量之间的距离，得到第二距离；根据所述第一距离和所述第二距离之间的差值，确定损失函数；根据所述损失函数调整所述推荐模型的模型参数，以对所述推荐模型进行训练。2.根据权利要求1所述的方法，其特征在于，在所述对所述第一社交信息、所述第二社交信息和所述第三社交信息分别进行编码，得到第一特征向量、第二特征向量和第三特征向量之前，所述方法还包括：获取异构社交图，所述异构社交图包括多个异构节点以及所述多个异构节点中至少两个异构节点之间的连接边，所述异构社交图中的一个异构节点包括以下一项：词文本、标签信息、用户标识、时间信息和社交信息的标识，所述标签信息用于标识社交信息所属的类别；根据所述异构社交图，生成同构社交图，所述同构社交图包括多个同构节点以及所述多个同构节点中至少两个同构节点之间的连接边，所述同构社交图中的一个同构节点为社交信息的标识，所述多个同构节点包括所述第一社交信息的标识、所述第二社交信息的标识和所述第三社交信息的标识；根据所述同构社交图，确定第一权重和第二权重，所述第一权重根据所述第一社交信息的标识与所述第二社交信息的标识之间的连接边确定，所述第二权重根据所述第一社交信息的标识与所述第三社交信息的标识之间的连接边确定；若所述第一权重高于第一阈值，则确定所述第一社交信息与所述第二社交信息属于同一类别；若所述第二权重低于第二阈值，则确定所述第一社交信息与所述第三社交信息属于不同类别。3.根据权利要求2所述的方法，其特征在于，在所述获取异构社交图之前，所述方法还包括：获取预设时间内的多条社交信息；提取所述多条社交信息中每条社交信息中包含的词文本、标签信息、用户标识、时间信息和社交信息的标识；根据每条社交信息中包含的词文本、标签信息、用户标识、时间信息和社交信息的标识，生成所述异构社交图。4.根据权利要求2所述的方法，其特征在于，所述根据所述同构社交图，确定第一权重和第二权重，包括：若所述同构社交图中至少两个同构节点之间的连接边根据所述异构社交图中不同社交信息的标识所关联的词文本确定，则根据所述第一社交信息的标识所关联的词文本与所述第二社交信息的标识所关联的词文本之间的相似度确定所述第一权重；
根据所述第一社交信息的标识所关联的词文本与所述第三社交信息的标识所关联的词文本之间的相似度确定所述第二权重。5.根据权利要求1
‑
4任意一项所述的方法，其特征在于，推荐模型的输入为m
i
时第l层的模型...
【专利技术属性】
技术研发人员：李雷来，王健宗，瞿晓阳，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
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。