【技术实现步骤摘要】
一种信息推荐方法、系统及存储介质和服务器
[0001]本专利技术涉及基于人工智能的信息处理
，特别涉及一种信息推荐方法、系统及存储介质和服务器。
技术介绍
[0002]在信息推荐领域，应用后台会根据用户在应用终端基于信息的互动操作(比如对某一文章的点赞或评论等操作)确定用户的喜好，并向应用终端推荐相关的其它多种类型的信息，比如文章、视频、新闻或商品等，这样的推荐方式可以应用在多种场景中，可以在为用户提供较丰富信息的过程中，考虑到用户的实际需求。
[0003]现有技术中在信息推荐方法时，可以采用基于协同过滤或逻辑回归等传统的推荐算法，也可以利用深度学习排序算法进行推荐。但是现有的信息推荐方法中为了提高推荐的精确性，需要较复杂的推荐算法，这样信息推荐方法所消耗的资源较大。
技术实现思路
[0004]本专利技术实施例提供一种信息推荐方法、系统及存储介质和服务器，提高了信息推荐的准确性。
[0005]本专利技术实施例一方面提供一种信息推荐方法，包括：
[0006]获取信息访问请求；
【技术保护点】
【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：获取信息访问请求；根据所述用户访问请求及预训练的信息推荐模型确定信息推荐列表，所述信息推荐列表包括多条推荐信息；输出所述信息推荐列表；其中，所述信息推荐模型在预训练时：确定训练样本，所述训练样本包括多条样本信息；确定信息推荐初始模型，所述信息推荐初始模型包括教师过滤子模块、教师子模块、学生过滤子模块及学生子模块；其中，所述教师过滤子模块用于从所述多条样本信息中选择第一部分样本信息，所述教师子模块用于确定所述第一部分样本信息是否为特定用户的推荐信息；学生过滤子模块用于从所述多条样本信息选择第二部分样本信息，学生子模块用于确定所述第二部分样本信息是否为特定用户的推荐信息，所述学生子模块所包括的特征计算层比所述教师子模块所包括的特征计算层少；根据所述训练样本及所述信息推荐初始模型训练所述信息推荐模型，所述预训练的信息推荐模型包括训练得到的学生子模块。2.如权利要求1所述的方法，其特征在于，所述教师子模块，具体用于确定各个样本信息的用户点击率，则所述教师过滤子模块，具体用于根据所述教师子模块确定的所述多个样本信息对应的用户点击率分别确定所述多个样本信息的第一分值，从所述多个样本信息中选择第一分值最高的一部分样本信息作为所述第一部分样本信息；所述学生子模块，具体用于确定各个样本信息的用户点击率，则所述学生过滤子模块，具体用于根据所述学生子模块确定的所述多个样本信息对应的用户点击率分别确定所述多个样本信息的第二分值，从所述多个样本信息中选择第二分值最高的一部分样本信息作为所述第二部分样本信息。3.如权利要求1所述的方法，其特征在于，所述根据所述训练样本及所述信息推荐初始模型训练得到信息推荐模型，具体包括：通过所述信息推荐初始模型确定所述第一部分样本信息是否属于特定用户的推荐信息，及确定所述第二部分样本信息是否属于特定用户的推荐信息；根据所述信息推荐初始模型确定的结果调整所述信息推荐初始模型，以得到所述信息推荐模型。4.如权利要求3所述的方法，其特征在于，所述根据所述信息推荐初始模型确定的结果调整所述信息推荐初始模型，具体包括：根据所述信息推荐初始模型确定的结果计算与所述教师子模块相关的第一损失函数、计算与所述学生子模块相关的第二损失函数、计算从所述教师子模块向学生子模块进行蒸馏的第三损失函数，及计算所述教师子模块与学生子模块之间差值的第四损失函数；根据所述第一损失函数、第二损失函数、第三损失函数和第四损失函数计算所述信息推荐初始模型的整体损失函数；根据所述整体损失函数调整所述信息推荐初始模型中参数的参数值，以得到所述信息
推荐模型。5.如权利要求4所述的方法，其特征在于，所述第一部分样本信息与第二部分信息之间的交集为共同样本信息，则所述计...
【专利技术属性】
技术研发人员：陈维龙，张绍亮，谢若冰，夏锋，林乐宇，
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。