推荐模型的训练方法、媒体信息推荐方法、装置及设备制造方法及图纸

本申请公开了一种推荐模型的训练方法、媒体信息推荐方法、装置及设备，属于人工智能技术领域。方法包括：基于第一网络模型获取各个训练文本被推荐的第一预测结果，基于第二网络模型获取各个训练文本被推荐的第二预测结果；获取任一个训练文本对中两个训练文本的第一预测结果的第一对比结果和第二预测结果的第二对比结果，第一对比结果用于表征第一预测结果的差异，第二对比结果用于表征第二预测结果的差异；基于各个训练文本对的第一对比结果和第二对比结果，对第二网络模型进行调整，得到推荐模型。本申请的推荐模型能够学习到不同训练文本的第一预测结果、第二预测结果的差异，提高了推荐模型的准确性较高，进一步提高媒体信息的推荐准确性。信息的推荐准确性。信息的推荐准确性。

【技术实现步骤摘要】
推荐模型的训练方法、媒体信息推荐方法、装置及设备


[0001]本申请实施例涉及人工智能
，特别涉及一种推荐模型的训练方法、媒体信息推荐方法、装置及设备。

技术介绍

[0002]随着人工智能技术的发展，应用程序的功能也越来越多，而推荐功能是应用程序中的一个重要功能。推荐功能是一种从多个媒体信息中确定待推荐媒体信息，并对待推荐媒体信息进行推荐的功能，其中，可以使用推荐模型从多个媒体信息中确定待推荐媒体信息。
[0003]相关技术中，可以基于第一网络模型预测出各个训练文本的第一预测结果，基于第二网络模型预测出各个训练文本的第二预测结果，其中，第一网络模型和第二网络模型的模型参数不同，第一预测结果和第二预测结果均用于表征训练文本的被推荐可能性。接下来，对于任一个训练文本，基于任一个训练文本的第一预测结果和第二预测结果，确定任一个训练文本的损失值。之后，基于各个训练文本对应的损失值调整第二网络模型，得到推荐模型。
[0004]由于训练文本的损失值是基于该训练文本的第一预测结果、第二预测结果得到的，因而基于该损失值得到的推荐模型的准确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种推荐模型的训练方法，其特征在于，所述方法包括：基于第一网络模型获取各个训练文本被推荐的第一预测结果，基于第二网络模型获取所述各个训练文本被推荐的第二预测结果，所述第一网络模型和所述第二网络模型的模型参数不同；对于任一个训练文本对，获取所述任一个训练文本对中两个训练文本的第一预测结果的第一对比结果和第二预测结果的第二对比结果，所述第一对比结果用于表征第一预测结果的差异，所述第二对比结果用于表征第二预测结果的差异，所述任一个训练文本对中包括所述各个训练文本中的任意两个训练文本；基于各个训练文本对的第一对比结果和第二对比结果，对所述第二网络模型进行调整，得到推荐模型。2.根据权利要求1所述的方法，其特征在于，所述获取所述任一个训练文本对中两个训练文本的第一预测结果的第一对比结果，包括：获取所述任一个训练文本对中两个训练文本的标注结果，所述标注结果是通过标注得到的，且用于表征所述训练文本是否被推荐；基于所述任一个训练文本对中两个训练文本的标注结果和所述任一个训练文本对中两个训练文本的第一预测结果，确定所述任一个训练文本对的第一对比结果。3.根据权利要求2所述的方法，其特征在于，所述基于所述任一个训练文本对中两个训练文本的标注结果和所述任一个训练文本对中两个训练文本的第一预测结果，确定所述任一个训练文本对的第一对比结果，包括：响应于所述任一个训练文本对中两个训练文本的标注结果不同，则基于目标数据确定所述任一个训练文本对的第一对比结果；响应于所述任一个训练文本对中两个训练文本的标注结果相同，则基于所述任一个训练文本对中两个训练文本的第一预测结果，确定所述任一个训练文本对的第一对比结果。4.根据权利要求3所述的方法，其特征在于，所述基于目标数据确定所述任一个训练文本对的第一对比结果，包括：响应于所述任一个训练文本对中两个训练文本的标注结果之差为第一参考值，则基于第一数据确定所述任一个训练文本对的第一对比结果；响应于所述任一个训练文本对中两个训练文本的标注结果之差为第二参考值，则基于第二数据确定所述任一个训练文本对的第一对比结果，所述第一参考值大于所述第二参考值，所述第一数据大于所述第二数据。5.根据权利要求3所述的方法，其特征在于，所述基于所述任一个训练文本对中两个训练文本的第一预测结果，确定所述任一个训练文本对的第一对比结果，包括：响应于所述任一个训练文本对中两个训练文本的第一预测结果之差小于第三参考值，则基于第三数据确定所述任一个训练文本对的第一对比结果；响应于所述任一个训练文本对中两个训练文本的第一预测结果之差不小于第三参考值且不大于第四参考值，则基于第四数据确定所述任一个训练文本对的第一对比结果，所述第三参考值小于所述第四参考值，所述第三数据小于所述第四数据；响应于所述任一个训练文本对中两个训练文本的第一预测结果之差大于第四参考值，则基于第五数据确定所述任一个训练文本对的第一对比结果，所述第四数据小于所述第五
数据。6.根据权利要求1所述的方法，其特征在于，获取所述任一个训练文本对中两个训练文本的第二预测结果的第二对比结果，包括：确定所述任一个训练文本对中两个训练文本的第二预测结果的目标差值；基于所述目标差值确定所述任一个训练文本对的第二对比结果。7.根据权利要求1至6任一项所述的方法，其特征在于，所述基于第一网络模型获取各个训练文本被推荐的第一预测结果，包括：基于所述第一网络模型确定任一个训练文本中各个属性的第一属性特征；对所述任一个训练文本中各个属性的第一属性特征进行特征融合处理，得到所述任一个训练文本的第一文本特征；基于所述任一个训练文本中各个属性的第一属性特征和所述任一个训练文本的第一文本特征，确定所述任一个训练文本的第一预测结果。8.根据权利要求7所述的方法，其特征在于，所述对所述任一个训练文本中各个属性的第一属性特征进行特征融合处理，得到所述任一个训练文本的第一文本特征，包括以下至少一项：基于多层感知机对所述任一个训练文本中各个属性的第一属性特征进行特征融合处理，得到所述任一个训练文本的第一文本特征；对所述任一个训练文本中各个属性的第一属性特征进行特征交叉处理，得到所述任一个训练文本的第一文本特征。9.根据权利要求1至6任一项所述的方法，其特征在于，所述基于第二网络模型获取所述各个训练文本被推荐的第二预测结果，包括：基于所述第二网络模型确定任一个训练文本中各个属性的第二属性特征，任一个属性的第二属性特征用于描述所述任一个属性；对所述任一个训练文本中各个属性的第二属性特征进行特征融合处理，得到所述任一个训练文本的第二文本特征；基于所述任一个训练文本中各个属性的第二属性特征和所述任一个训练文本的第二文本特征，确定所述任一个训练文本的第二预测结果。1...

【专利技术属性】
技术研发人员：叶永洪，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：