模型训练方法、数据推荐方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种模型训练方法、数据推荐方法、装置、电子设备及存储介质，涉及人工智能技术领域，尤其涉及深度学习、自然语言处理、数据推荐等领域。具体实现方案为：从第一feed信息流及所述第一feed信息流中的第一频道获取目标行为数据；从所述第一feed信息流及所述第一feed信息流中的第一频道获取目标资源数据；根据所述目标行为数据和所述目标资源数据得到样本数据；根据所述样本数据进行跨领域图学习的模型训练，得到训练后的第一目标模型。采用本公开，提高了模型训练的精度。提高了模型训练的精度。提高了模型训练的精度。

【技术实现步骤摘要】
模型训练方法、数据推荐方法、装置、电子设备及存储介质


[0001]本公开涉及人工智能
，尤其涉及深度学习、自然语言处理、数据推荐等领域。

技术介绍

[0002]数据推荐领域中，通过客户端可以为用户推荐各类感兴趣的数据，比如，为用户推荐感兴趣的一篇文章、感兴趣的歌单等等，客户端可以采用feed信息流的形式向用户推送各类感兴趣的数据。
[0003]随着技术的发展，可以通过人工智能加速数据的处理，所适用的应用场景多种多样，比如涉及数据推荐中的图片处理、图文处理、视频处理等硬件设计或软件设计中都可以采用人工智能技术，以提高数据的处理速度及精度。对于数据推荐领域，需要一种在数据推荐上精度高的模型。

技术实现思路

[0004]本公开提供了一种模型训练方法、数据推荐方法、装置、电子设备以及存储介质。
[0005]根据本公开的一方面，提供了一种模型训练方法，包括：
[0006]从第一feed信息流及所述第一feed信息流中的第一频道获取目标行为数据；
[0007]从所述第一feed信息流及所述第一feed信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，包括：从第一feed信息流及所述第一feed信息流中的第一频道获取目标行为数据；从所述第一feed信息流及所述第一feed信息流中的第一频道获取目标资源数据；根据所述目标行为数据和所述目标资源数据得到样本数据；根据所述样本数据进行跨领域图学习的模型训练，得到训练后的第一目标模型。2.根据权利要求1所述的方法，其中，所述根据所述样本数据进行跨领域图学习的模型训练，得到训练后的第一目标模型，包括：根据所述样本数据得到异构图；根据所述异构图进行所述跨领域图学习的模型训练，得到训练后的第一目标模型。3.根据权利要求2所述的方法，其中，所述从第一feed信息流及所述第一feed信息流中的第一频道获取目标行为数据，包括：获取第一feed信息流中与目标用户匹配的第一行为数据；将所述第一feed信息流中与第一频道匹配的所有用户行为数据，确定为第二行为数据；根据所述第一行为数据和所述第二行为数据得到所述目标行为数据。4.根据权利要求2所述的方法，其中，所述从所述第一feed信息流及所述第一feed信息流中的第一频道获取目标资源数据，包括：获取第一feed信息流中与目标资源数据匹配的第一资源数据；将所述第一feed信息流中与第一频道匹配的所有用户行为数据相关联的资源数据，确定为第二资源数据；根据所述第一资源数据和所述第二资源数据得到所述目标资源数据。5.根据权利要求3所述的方法，其中，所述获取第一feed信息流中与目标用户匹配的第一行为数据，包括：根据用户特征，获取第一feed信息流中与目标用户匹配的第一行为数据；其中，所述用户特征包括：用户ID、用户性别、用户年龄、用户所在城市、用户历史行为、用户所处场景中的至少一种。6.根据权利要求3所述的方法，其中，所述将所述第一feed信息流中与第一频道匹配的所有用户行为数据，确定为第二行为数据，包括：响应在所述第一频道上的触控操作，从所述第一feed信息流所隶属的第一feed流界面切换到所述第一频道所隶属的第二feed流界面；将基于所述第二feed流界面收集的与所述第一频道匹配的所有用户行为数据，确定为所述第二行为数据。7.根据权利要求4所述的方法，其中，所述获取第一feed信息流中与目标资源数据匹配的第一资源数据，包括：根据资源特征，获取第一feed信息流中与目标资源数据匹配的第一资源数据；其中，所述资源特征包括：用户ID、资源类型、生产所述资源的内容提供方类型中的至少一种。8.根据权利要求4所述的方法，其中，所述将所述第一feed信息流中与第一频道匹配的所有用户行为相关联的资源数据，确定为第二资源数据，包括：
响应在所述第一频道上的触控操作，从所述第一feed信息流所隶属的第一feed流界面切换到所述第一频道所隶属的第二feed流界面；获取基于所述第二feed流界面收集的与所述第一频道匹配的所有用户行为数据；将与所述第一频道匹配的所有用户行为数据相关联的资源数据，确定为所述第二资源数据。9.根据权利要求2
‑
8中任一项所述的方法，其中，所述根据所述样本数据得到异构图，包括：根据所述目标行为数据，得到用户节点；根据所述目标资源数据，得到资源节点；判断目标用户对目标资源存在触控行为的情况下，所述目标行为数据与所述目标资源数据存在关联，连接所述用户节点和所述资源节点，得到边；根据所述用户节点、所述资源节点和所述边，得到所述异构图。10.根据权利要求9所述的方法，其中，所述根据所述异构图进行所述跨领域图学习的模型训练，得到训练后的第一目标模型，包括：以所述用户节点为起点，与所述异构图中各个节点建立至少一个第一节点链路，根据所述至少一个第一节点链路得到第一序列；以所述资源节点为起点，与所述异构图中各个节点建立至少一个第二节点链路，根据所述至少一个第二节点链路得到第二序列；根据所述第一序列和所述第二序列进行所述跨领域图学习的模型训练，得到训练后的第一目标模型。11.一种模型训练方法，包括：从第一feed信息流中的第一频道获取目标行为数据；从所述第一feed信息流中的所述第一频道获取目标资源数据；根据所述目标行为数据和所述目标资源数据得到样本数据；根据所述样本数据进行图神经网络的模型训练...

【专利技术属性】
技术研发人员：戴文恺，姚传宇，牛化康，鲁巧芸，杨钊，马丽芬，白云龙，韩艳，
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：