推荐模型的训练方法以及物品推荐方法、系统和相关设备技术方案

本公开涉及一种推荐模型的训练方法以及物品推荐方法、系统和相关设备。推荐模型的训练方法包括：利用推荐模型，对包括用户的特征和物品的特征的、用于训练的数据进行处理，获得类别无关表征和类别相关表征，用于训练的数据预先标记有推荐信息、以及物品的类别；利用判别器，分别对类别无关表征和类别相关表征进行处理，以获得相应的判别结果，其中，判别结果表示判别器所处理的表征与多个类别的相关性；根据类别无关表征或类别相关表征中的至少一个，确定预测结果；以类别无关表征不对应多个类别中的任意一个、类别相关表征对应预先标记的类别、以及预测结果与预先标记的推荐信息匹配为训练目标，对推荐模型和判别器进行训练。对推荐模型和判别器进行训练。对推荐模型和判别器进行训练。

【技术实现步骤摘要】
推荐模型的训练方法以及物品推荐方法、系统和相关设备


[0001]本公开涉及机数据处理领域，特别涉及一种推荐模型的训练方法以及物品推荐方法、系统和相关设备。

技术介绍

[0002]在信息推荐技术中，推荐准确性(recommendation accuracy)和推荐多样性(recommendation diversity)是两种不同的目标。以推荐准确性为主要优化目标的推荐算法倾向推荐比较热门的商品(popular item)或者热门类别中的商品(item in popular category)。以推荐多样性为主要优化目标的推荐算法倾向要求推荐结果覆盖越多类越好(diversifying accross all item categories)。
[0003]目前，解决推荐多样性的方法主要以下三类。
[0004]第一类是以行列式点过程方法(Determinantal Point Process，简称：DPP)、最大边际相关性方法(Maximal Marginal Relevance，简称：MMR)为代表的排列(post
‑<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，包括：利用推荐模型，对包括用户的特征和物品的特征的、用于训练的数据进行处理，获得类别无关表征和类别相关表征，所述用于训练的数据预先标记有推荐信息、以及所述物品的类别；利用判别器，分别对所述类别无关表征和所述类别相关表征进行处理，以获得相应的判别结果，其中，所述判别结果表示所述判别器所处理的表征与多个类别的相关性；根据所述类别无关表征或所述类别相关表征中的至少一个，确定预测结果；以所述类别无关表征不对应所述多个类别中的任意一个、类别相关表征对应预先标记的类别、以及所述预测结果与预先标记的推荐信息匹配为训练目标，对所述推荐模型和所述判别器进行训练。2.根据权利要求1所述的训练方法，其中，所述判别器的判别结果具有与所述多个类别一一对应的多个维度，每个维度的值表示所述判别器所处理的表征与相应类别相关的概率。3.根据权利要求2所述的训练方法，其中，所述对所述推荐模型和所述判别器进行训练包括：根据利用判别器对所述类别无关表征的判别结果、与类别无关目标结果，确定第一损失值，其中，在所述类别无关目标结果中，每个维度的值低于预设低门限；利用所述第一损失值，对所述推荐模型和所述判别器的参数进行调整。4.根据权利要求3所述的训练方法，其中：所述确定预测结果包括：利用第一映射模型对所述类别无关表征进行处理，获得第一预测结果；所述对所述推荐模型和所述判别器进行训练还包括：根据所述第一预测结果和预先标记的推荐信息，确定第二损失值，以便利用所述第一损失值和所述第二损失值，对所述推荐模型、所述判别器和所述第一映射模型的参数进行调整。5.根据权利要求2所述的训练方法，其中，所述对所述推荐模型和所述判别器进行训练包括：根据利用判别器对所述类别相关表征的判别结果、与类别相关目标结果，确定第三损失值，其中，在所述类别相关目标结果中，预先标记的类别对应的维度的值高于预设高门限、其他维度的值低于预设低门限；利用所述第三损失值，对所述推荐模型和所述判别器的参数进行调整。6.根据权利要求5所述的训练方法，其中：所述确定预测结果包括：利用第二映射模型对所述类别无关表征和所述类别相关表征进行处理，获得第二预测结果；所述对所述推荐模型和所述判别器进行训练还包括：根据所述第二预测结果和预先标记的推荐信息，确定第四损失值，以便利用所述第三损失值和所述第四损失值，对所述推荐模型、所述判别器和所述第二映射模型的参数进行调整。
7.根据权利要求6所述的训练方法，其中，在对所述推荐模型、所述判别器和所述第二映射模型的参数进行调整的过程中，保持所述类别无关表征的值不变。8.根据权利要求1
‑
7中...

【专利技术属性】
技术研发人员：张晓颖，李航，
申请(专利权)人：北京有竹居网络技术有限公司，
类型：发明
国别省市：