【技术实现步骤摘要】
构建推荐模型的方法、装置、电子设备及存储介质
[0001]本申请涉及人工智能技术，尤其涉及一种构建推荐模型的方法、构建神经网络模型的方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]人工智能(Artificial Intelligence，AI)是计算机科学的一个综合技术，通过研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，例如自然语言处理技术以及机器学习/深度学习等几大方向，随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。
[0003]相关技术中基于人工智能构建神经网络模型，例如推荐模型，通过推荐模型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，并将信息推送给对它们感兴趣的用户。
[0004]但是，相关技术中构建推荐模型需要耗费大量的计算机资源，构建推荐模型的效率太低。
技术实现思路
[0005]本申请实施例提供一种构建推荐模型的方法、构建神经网络模型的方法、装置、电子设...
【技术保护点】
【技术特征摘要】
1.一种构建推荐模型的方法，其特征在于，所述方法包括：对推荐项目中每个应用场景对应的多个特征表进行聚合处理，将得到的聚合特征表发送至缓存空间；其中，所述推荐项目包括与待推荐物品的多个推荐指标一一对应的多个应用场景，每个应用场景的推荐模型用于预测对应的推荐指标；基于样本数据表包括的用户标识和物品标识，从所述缓存空间的所述聚合特征表中读取对应的用户特征以及物品特征，并与所述样本数据表进行拼接，以形成训练样本集；基于多个训练算法的任一所述训练算法以及所述训练样本集训练所述应用场景的推荐模型，以使所述推荐模型能够拟合所述训练样本集中的用户特征和物品特征；其中，所述多个训练算法用于训练所述应用场景的推荐模型。2.根据权利要求1所述的方法，其特征在于，所述对推荐项目中每个应用场景对应的多个特征表进行聚合处理，包括：针对推荐项目的每个应用场景执行以下处理：对所述应用场景对应的多个特征表的至少部分特征进行聚合处理和去重处理，得到所述应用场景的聚合特征表；所述方法还包括：对所述聚合特征表中的各个特征标识进行组合，得到所述应用场景的特征元数据表。3.根据权利要求2所述的方法，其特征在于，所述对所述应用场景对应的多个特征表的至少部分特征进行聚合处理，包括：对所述应用场景对应的多个特征表的全部特征进行聚合处理。4.根据权利要求2所述的方法，其特征在于，所述对所述应用场景对应的多个特征表的至少部分特征进行聚合处理，包括：从推荐项目中每个应用场景对应的多个特征表中，确定用于训练所述应用场景的推荐模型的多个训练算法所公用的特征；对所述公用的特征进行聚合处理，以得到所述应用场景的聚合特征表。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：当从所述缓存空间的所述聚合特征表中未读取到对应的用户特征或者物品特征时，从所述应用场景对应的多个特征表中读取对应的用户特征或者物品特征，并与所述样本数据表进行拼接，以形成训练样本集。6.根据权利要求1所述的方法，其特征在于，当所述应用场景存在新增特征表时，所述方法还包括：对所述新增特征表以及所述应用场景的聚合特征表进行拼接处理，得到新的聚合特征表，并基于所述新的聚合特征表对所述缓存空间进行增量更新。7.根据权利要求1所述的方法，其特征在于，所述对推荐项目中每个应用场景对应的多个特征表进行聚合处理，包括：当每个应用场景的每个新周期到达时，对与所述新周期对应的新增特征表进行聚合处理，得到所述新周期的聚合特征表；对每个所述新周期的聚合特征表进行拼接处理，得到所述应用场景的聚合特征表。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：基于所述新周期的聚合特征表，对所述缓存空间进行增量更新；当每个应用场景的任一新周期未到达时，所述对每个所述新周期的聚合特征表进行拼接处理之前，还包括：在所述缓存空间中读取与所述新周期对应的历史周期的聚合特征表，并作为所述新周期的聚合特征表；其中，所述新周期对应的历史周期为所述新周期之前的周期。9.根据权利要求1所述的方法，其特征在于，所述基于...
【专利技术属性】
技术研发人员：洪立涛，晁涌耀，
申请(专利权)人：腾讯科技深圳有限公司，
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。