模型训练方法、商品推送方法、装置和电子设备制造方法及图纸

本申请提出一种模型训练方法、商品推送方法、装置和电子设备。训练方法：获取训练样本，训练样本包括样本评分矩阵和样本推送商品，以及样本推送商品的分类标签；基于训练样本对GAN模型中的生成网络和判别网络进行对抗训练，生成网络用于根据样本评分矩阵和分类标签为负样本的样本推送商品，生成伪样本推送商品，判别网络用于对伪样本推送商品进行真假样本判别；响应于未满足模型训练结束条件，返回采用下一个训练样本继续对GAN模型进行训练，直至满足模型训练结束条件，则生成目标GAN模型。由此，可基于训练样本对GAN模型中的生成网络和判别网络进行对抗训练，以生成目标GAN模型，可实现生成对抗网络在商品推送场景下的应用。用。用。

【技术实现步骤摘要】
模型训练方法、商品推送方法、装置和电子设备


[0001]本申请涉及计算机应用
，尤其涉及一种模型训练方法、商品推送方法、装置、电子设备和存储介质。

技术介绍

[0002]目前，随着网络技术的发展，购物应用程序、购物网页给人们的购物带来了很大便利，人们不用出门就可在家实现购物。为了向用户提供更优质的服务，可向用户提供智能推送等服务，比如，可在购物应用程序的推送页面中展示推送商品。然而，相关技术中的商品推送方法存在推送效果较差，人工成本高的问题。

技术实现思路

[0003]本申请旨在至少在一定程度上解决相关技术中商品推送方法存在推送效果较差，人工成本高的技术问题之一。
[0004]为此，本申请第一方面实施例提出一种模型训练方法，可基于训练样本对GAN模型中的生成网络和判别网络进行对抗训练，训练样本包括样本对象对应的样本商品的样本评分矩阵和样本推送商品，以及样本推送商品的分类标签，生成网络用于根据样本评分矩阵和分类标签为负样本的样本推送商品，生成伪样本推送商品，判别网络用于对伪样本推送商品进行真假样本判别，以生成目标GA本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：获取训练样本，所述训练样本包括样本对象对应的样本商品的样本评分矩阵和样本推送商品，以及所述样本推送商品的分类标签；基于所述训练样本对生成对抗网络模型中的生成网络和判别网络进行对抗训练，其中所述生成网络用于根据所述样本评分矩阵和所述分类标签为负样本的样本推送商品，生成伪样本推送商品，所述判别网络用于对所述伪样本推送商品进行真假样本判别；响应于未满足模型训练结束条件，返回采用下一个训练样本继续对调整模型参数的生成对抗网络模型进行训练，直至满足所述模型训练结束条件，则生成目标生成对抗网络模型。2.根据权利要求1所述的方法，其特征在于，所述生成网络用于根据所述样本评分矩阵和所述分类标签为负样本的样本推送商品，生成伪样本推送商品，包括：对所述样本评分矩阵进行矩阵分解，得到所述样本对象的偏好因子向量和所述样本商品的属性因子向量，并基于所述偏好因子向量和所述属性因子向量，获取所述样本对象的预测推送商品；根据所述预测推送商品和所述分类标签为负样本的样本推送商品，得到所述伪样本推送商品。3.根据权利要求1所述的方法，其特征在于，所述样本推送商品的分类标签的生成过程包括：提取每个所述样本推送商品的特征向量；获取任一样本推送商品的所述特征向量与基点样本推送商品的所述特征向量之间的距离；确定所述距离小于或者等于第四预设阈值的样本推送商品的所述分类标签为正样本，以及确定所述距离大于所述第四预设阈值的样本推送商品的所述分类标签为负样本。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：将所述样本推送商品输入至所述判别网络，由所述判别网络输出所述样本推送商品的判别标签；将所述分类标签为负样本且所述判别标签为正样本的样本推送商品的所述分类标签更新为难分负样本。5.一种商品推送方法，其特征在于，包括：获取目标对象对应的商品的评分矩阵；将所述评分矩阵输入至目标生成对抗网络模型，由所述目标生成对抗网络模型中的生成网络根据所述评分矩阵确定所述目标对象的推送商品，其中，所述目标生成对抗网络模型为采用如权利要求1
‑
4任一项所述的模型训练方法训练出的模型。6.根据权利要求5所述的方法，其特征在于，所述生成网络根据所述评分矩阵确定所述目标对象的推送商品，包括：对所述评分矩阵进行矩阵分解，得到所述目标对象的偏好因子向量和所述商品的属性因子向量；基于所述偏好因子向量和所述属性因子向量确定所述推送商品。7.根据权利要求6所述的方法，其特征在于，所述基于所述偏好因子向量和所述属性因
子向量确定所述推送商品，包括：获取所述偏好因子向量和每个所述属性因子向量的乘积；将所述乘积大于第一预设阈值的所述属性因子向量对应的所述商品作为所述推送商品。8.根据权利要求6所述的方法，其特征在于，所述基于所述偏好因子向量和所述属性因子向量确定所述推送商品，包括：获取所述偏好因子向量和每个所述属性因子向量的余弦距离；将所述余弦距离小于第二预设阈值的所述属性因子向量对应的所述商品作为所述推送商品。9.根据权利要求6所述的方法，其特征在于，所述基于所述偏好因子向量和所述属性因子向量确定所述推送商品，包括：基于所述评分矩阵获取所述目标对象对所述商品的评价参数集；根据所述评价参数集、所述偏好因子向量和所述属性因子向量，获取所述目标对象对所述商品的预测评分；将所述预测评分大于第三预设阈值的所述商品作为所述推送商品。10.根据权利要求9所述的方法，其特征在于，所述评价参数集包括统一参考评分、所述目标对象的对象偏移量、所述商品的商品偏移量、隐式参数、以及所述目标对...

【专利技术属性】
技术研发人员：孙冰，陈蒙，
申请(专利权)人：京东科技信息技术有限公司，
类型：发明
国别省市：