多媒体推荐模型的训练方法、装置、电子设备及存储介质制造方法及图纸

本公开关于一种多媒体推荐模型的训练方法、装置、电子设备及存储介质，属于网络技术领域，该方法包括：基于针对多个对象的第二多媒体推荐模型，确定针对目标对象组的第一多媒体推荐模型，在利用目标对象组的实时样本数据训练该第一多媒体推荐模型时，当该第一多媒体推荐模型对目标对象组的学习不充分时，将该第二多媒体推荐模型处理同一对象的样本数据得到的样本特征，迁移至该第一多媒体推荐模型的训练过程中，以对第一多媒体推荐模型进行训练。通过上述技术方案，在训练多媒体推荐模型时，能够有效地避免迁移学习所造成的模型参数的效果衰减，从而提升多媒体推荐模型的推荐准确度。度。度。

【技术实现步骤摘要】
多媒体推荐模型的训练方法、装置、电子设备及存储介质


[0001]本公开涉及网络
，尤其涉及一种多媒体推荐模型的训练方法、装置、电子设备及存储介质。

技术介绍

[0002]迁移学习是指，在执行需要学习大量数据的目标任务时，利用一个和目标任务不同但相关的任务，将该任务上学习到的知识或模式，迁移到目标任务中。
[0003]相关技术中，在不同的多媒体推荐任务存在相关性的情况下，常通过大量的多媒体资源数据进行预训练，得到一个预训练推荐模型，再将预训练推荐模型的模型参数迁移到目标推荐模型。迁移过程一般需要对预训练推荐模型的模型参数进行调整，将调整后的模型参数配置给目标推荐模型，再对目标推荐模型进行训练，以得到多媒体推荐模型，从而更好地执行目标推荐任务。
[0004]上述技术中，对预训练推荐模型的模型参数进行调整时，需要改变该模型参数的结构和参数值。该模型参数的改变会造成该模型参数的效果的衰减，进而影响目标推荐模型的模型参数的效果，最终导致目标推荐模型的推荐准确度降低。

技术实现思路

[0005]本公开提供一种多媒体推荐本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多媒体推荐模型的训练方法，其特征在于，所述方法包括：获取第一多媒体推荐模型，所述第一多媒体推荐模型的初始模型基于第二多媒体推荐模型确定，所述第二多媒体推荐模型基于多个对象的历史样本数据训练得到，所述历史样本数据表示所述对象针对多媒体资源的历史操作行为；基于所述第一多媒体推荐模型，对目标对象组的实时样本数据进行嵌入处理，得到所述目标对象组的第一嵌入特征集合，所述目标对象组包括属于目标类型的至少一个样本对象，所述实时样本数据表示所述样本对象针对多媒体资源的实时操作行为，所述第一嵌入特征集合包括对象特征和多媒体资源特征；基于第二嵌入特征集合，对所述目标对象组的第一嵌入特征集合进行更新，所述第二嵌入特征集合包括基于所述多个对象的历史样本数据和所述第二多媒体推荐模型得到的多个第二嵌入特征；基于更新后的所述目标对象组的第一嵌入特征集合，对所述第一多媒体推荐模型进行训练。2.根据权利要求1所述的多媒体推荐模型的训练方法，其特征在于，所述基于第二嵌入特征集合，对所述目标对象组的第一嵌入特征集合进行更新包括：基于所述第一嵌入特征集合中第一嵌入特征的特征标识，确定所述第二嵌入特征集合中是否存在目标嵌入特征集合，所述目标嵌入特征集合中的第二嵌入特征的特征标识与所述第一嵌入特征的特征标识相同；在所述第二嵌入特征集合中存在所述目标嵌入特征集合的情况下，基于所述目标嵌入特征集合和所述第一嵌入特征，对所述目标对象组的第一嵌入特征集合进行更新。3.根据权利要求2所述的多媒体推荐模型的训练方法，其特征在于，所述在所述第二嵌入特征集合中存在所述目标嵌入特征集合的情况下，基于所述目标嵌入特征集合和所述第一嵌入特征，对所述目标对象组的第一嵌入特征集合进行更新包括：在所述第二嵌入特征集合中存在所述目标嵌入特征集合的情况下，根据所述第一嵌入特征的学习分数，基于所述目标嵌入特征集合中的第二嵌入特征，对所述第一嵌入特征集合进行更新，所述学习分数表示所述第一嵌入特征对所述目标对象组的实时样本数据的学习充分程度。4.根据权利要求3所述的多媒体推荐模型的训练方法，其特征在于，所述在所述第二嵌入特征集合中存在所述目标嵌入特征集合的情况下，根据所述第一嵌入特征的学习分数，基于所述目标嵌入特征集合中的第二嵌入特征，对所述第一嵌入特征集合进行更新包括：在所述第二嵌入特征集合中存在所述目标嵌入特征集合的情况下，确定所述第一嵌入特征对应的第一学习分数；在所述第一学习分数小于第一分数阈值的情况下，用所述目标嵌入特征集合中的第二嵌入特征替换所述第一嵌入特征集合中的所述第一嵌入特征。5.一种多媒体推荐方法，其特征在于，所述方法包括：响应于接收到针对属于目标类型的目标对象的推荐指令，获取所述目标对象的对象数据；基于所述目标类型对应的...

【专利技术属性】
技术研发人员：周红刚，徐宽，梁东旭，洪立印，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：