模型的训练方法、商品推荐方法、装置、设备及存储介质制造方法及图纸

本公开提供了一种模型的训练方法、商品推荐方法、装置、设备及存储介质，本公开涉及人工智能技术领域，具体模型训练技术领域，可以应用于商品推荐的场景。具体实现方案为：监测购物平台的运行时间；在确定运行时间达到当前训练周期的一个训练节点时，调取当前训练周期之前的第一历史训练节点对应的第一商品推荐模型，其中，第一商品推荐模型是基于第一历史训练节点之前的至少部分第一样本数据训练得到的；获取第一历史训练节点到训练节点的时间段内的第二样本数据；基于第二样本数据对第一商品推荐模型进行训练，得到目标商品推荐模型。上述方法可以确保训练出的目标商品推荐模型所输出的推荐结果的波动较小，以及保证较推荐结果的准确性。结果的准确性。结果的准确性。

【技术实现步骤摘要】
模型的训练方法、商品推荐方法、装置、设备及存储介质


[0001]本公开涉及人工智能
，具体模型训练
，可以应用于商品推荐的场景。

技术介绍

[0002]在一些电商平台中，利用推荐模型为用户推荐相应的带货资源，其中，推荐模型是基于用户的购买行为数据训练得到的。然而在电商平台的起步阶段，电商平台的用户的购买行为数据较少，这导致训练出的推荐模型所输出的推荐结果不准确，影响电商平台的业务收入。

技术实现思路

[0003]本公开提供了一种模型的训练方法、商品推荐方法、装置、设备及存储介质。
[0004]根据本公开的第一方面，提供了一种商品推荐模型的训练方法，包括：
[0005]监测购物平台的运行时间；
[0006]在确定运行时间达到当前训练周期的一个训练节点时，调取当前训练周期之前的第一历史训练节点对应的第一商品推荐模型，其中，第一商品推荐模型是基于第一历史训练节点之前的至少部分第一样本数据训练得到的；
[0007]获取第一历史训练节点到训练节点的时间段内的第二样本数据；r/>[0008]基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种商品推荐模型的训练方法，包括：监测购物平台的运行时间；在确定所述运行时间达到当前训练周期的一个训练节点时，调取所述当前训练周期之前的第一历史训练节点对应的第一商品推荐模型，其中，所述第一商品推荐模型是基于所述第一历史训练节点之前的至少部分第一样本数据训练得到的；获取所述第一历史训练节点到所述训练节点的时间段内的第二样本数据；基于所述第二样本数据对所述第一商品推荐模型进行训练，得到目标商品推荐模型。2.根据权利要求1所述的方法，所述当前训练周期包括多个训练节点，相邻的训练节点之间相距预设时长。3.根据权利要求2所述的方法，所述第一历史训练节点是所述当前训练周期之前的第N个训练周期的起始时刻，其中，N是不小于1的整数。4.根据权利要求1
‑
3中任一项所述的方法，所述第一历史训练节点到所述训练节点的时间段内的第二样本数据的总量，小于所述第一预设时长内的模型训练过程所使用的样本数据的总量。5.根据权利要求3所述的方法，所述第一商品推荐模型是通过以下步骤训练得到的：调取基础商品推荐模型，其中，所述基础商品推荐模型是基于所述第一历史训练节点之前的第一样本数据训练得到的；获取所述当前训练周期之前的第(N+1)个训练周期内的第一子样本数据；基于所述第一子样本数据对所述基础商品推荐模型进行训练，得到所述第一商品推荐模型。6.根据权利要求1所述的方法，所述第一样本数据和所述第二样本数据均包含用户在所述购物平台中的购买行为数据。7.一种商品推荐方法，包括：获取目标用户在购物平台中的特征数据；将所述特征数据输入目标商品推荐模型，通过所述目标商品推荐模型输入针对所述目标用户的商品推荐结果，所述目标商品推荐模型是基于如权利要求1
‑
6中任一项所述的训练方法得到的；推送所述商品推荐结果。8.根据权利要求7所述的方法，所述特征数据包含用户的购买行为数据。9.一种商品推荐模型的训练装置，包括：时间监测模块，用于监测购物平台的运行时间；模型调取模块，用于在确定所述运行时间达到当前训练周期的一个训练节点时，调取所述当前训练周期之前的第一历史训练节点对应的第一商品推荐模型，其中，所述第一商品推荐模型是基于所述第一历史训练节点之前的至少部分第一样本数据训练得到的；样本获取模块，用于获取所述第一历史训练节点到所述训练节点的时间段内的第二样本数据；目标模型训练模块，用于基于所述第二样本数据对所述第一商品推荐模型...

【专利技术属性】
技术研发人员：文豪，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：