一种模型训练的方法、信息推荐的方法以及装置制造方法及图纸

本说明书公开了一种模型训练的方法、信息推荐的方法以及装置，获取指定用户在各业务场景下的各历史操作信息。其次，根据各历史操作信息所涉及的点击对象以及在各业务场景下与指定用户相关联的其他用户，确定指定用户在各业务场景下的共有表征以及特有表征。而后，将共有表征、特有表征以及历史推荐信息输入到待训练的推荐模型中，预测在该业务场景下的第一点击率，以及在各业务场景下的第二点击率。最后，以最小化第一点击率以及第二点击率，与实际点击情况之间的偏差为优化目标，对推荐模型进行训练。本方法可以通过各业务场景下的用户对应的共同偏好，以及各业务场景之间的用户表征的差异性，提高向目标用户进行信息推荐的推荐效果。荐效果。荐效果。

【技术实现步骤摘要】
一种模型训练的方法、信息推荐的方法以及装置


[0001]本说明书涉及计算机
，尤其涉及一种模型训练的方法、信息推荐的方法以及装置。

技术介绍

[0002]目前，在大多数推荐场景下，基本都存在数据稀疏问题，即，对于低频用户或新用户来说，由于交互数据过少，无法得到较为准确的用户表征。
[0003]基于此，在实际应用中，通常通过融合不同场景下的用户的历史行为数据，得到一个多场景下的综合用户特征向量，来提高在当前场景下的对该用户进行信息推荐的推荐效果。但是，这种方法会导致推荐模型在各个场景中的整体推荐效果提升，在单个场景中的推荐效果降低。
[0004]因此，如何能够更为合理的向用户进行信息推荐，则是一个亟待解决的问题。

技术实现思路

[0005]本说明书提供一种模型训练的方法、装置、存储介质及电子设备，以部分的解决现有技术存在的上述问题。
[0006]本说明书采用下述技术方案：
[0007]本说明书提供了一种模型训练的方法，包括：
[0008]获取指定用户在各业务场景下的各历史操作信息；
[0009]根据所述各历史操作信息所涉及的点击对象以及在所述各业务场景下与所述指定用户相关联的其他用户，确定所述指定用户在所述各业务场景下的共有表征，以及，针对每个业务场景，根据该业务场景下对应的历史操作信息所涉及的点击对象以及在该业务场景下与所述指定用户相关联的其他用户，确定所述指定用户在该业务场景下的特有表征；
[0010]将所述共有表征、所述特有表征以及历史推荐信息输入到待训练的推荐模型中，预测在该业务场景下针对所述历史推荐信息的点击率，作为第一点击率，以及在所述各业务场景下针对所述历史推荐信息的点击率，作为第二点击率；
[0011]以最小化所述第一点击率与所述历史推荐信息对应的实际点击情况之间的偏差，以及所述第二点击率与所述实际点击情况之间的偏差为优化目标，对所述推荐模型进行训练。
[0012]可选地，根据所述各历史操作信息所涉及的点击对象以及在所述各业务场景下与所述指定用户相关联的其他用户，确定所述指定用户在所述各业务场景下的共有表征，具体包括：
[0013]根据获取到的各用户在所述各业务场景下的历史操作信息，以每个用户作为一个用户节点，所述各业务场景下的每个点击对象作为一个对象节点，构建所述各业务场景对应的多场景关系图，其中，若一个用户节点对应的用户在历史上对一个点击对象执行过点击操作，则将该用户节点与该点击对象对应的对象节点由边相连；
[0014]根据所述多场景关系图，确定所述指定用户在所述各业务场景下的共有表征。
[0015]可选地，根据所述多场景关系图，确定所述指定用户在所述各业务场景下的共有表征，具体包括：
[0016]从所述多场景关系图中确定出与所述指定用户对应的用户节点满足设定邻接关系的各节点，作为关联节点；
[0017]根据所述关联节点对应的表征，确定所述指定用户在所述各业务场景下的共有表征。
[0018]可选地，根据所述关联节点对应的表征，确定所述指定用户在所述各业务场景下的共有表征，具体包括：
[0019]针对每个关联节点，根据该关联节点对应的对象与所述指定用户之间的关联度，确定该关联节点与所述指定用户对应的用户节点之间的权重，作为该关联节点对应的权重，该关联节点对应的对象包含点击对象或关联用户；
[0020]根据每个关联节点对应的表征，以及每个关联节点对应的权重，确定所述指定用户在所述各业务场景下的共有表征。
[0021]可选地，针对每个业务场景，根据该业务场景下对应的历史操作信息所涉及的点击对象以及在该业务场景下与所述指定用户相关联的其他用户，确定所述指定用户在该业务场景下的特有表征，具体包括：
[0022]针对每个业务场景，根据获取到的各用户在该业务场景下的历史操作信息，以每个用户作为一个用户节点，该业务场景下的每个点击对象作为一个对象节点，构建该业务场景对应的单场景关系图，其中，若一个用户节点对应的用户在历史上对一个点击对象执行过点击操作，则将该用户节点与该点击对象对应的对象节点由边相连；
[0023]根据所述单场景关系图，确定所述指定用户在该业务场景下的特有表征。
[0024]可选地，根据所述单场景关系图，确定所述指定用户在该业务场景下的特有表征，具体包括：
[0025]从所述单场景关系图中确定出与所述指定用户对应的用户节点满足设定邻接关系的各节点，作为关联节点；
[0026]根据所述关联节点对应的表征，确定所述指定用户在该业务场景下的特有表征。
[0027]可选地，根据所述关联节点对应的表征，确定所述指定用户在该业务场景下的特有表征，具体包括：
[0028]针对每个关联节点，根据该关联节点对应的对象与所述指定用户之间的关联度，确定该关联节点与所述指定用户对应的用户节点之间的权重，作为该关联节点对应的权重，该关联节点对应的对象包含点击对象或关联用户；
[0029]根据每个关联节点对应的表征，以及每个关联节点对应的权重，确定所述指定用户在该业务场景下的特有表征。
[0030]可选地，所述推荐模型包含有多个推荐子模型；
[0031]将所述共有表征、所述特有表征以及历史推荐信息输入到待训练的推荐模型中，预测在该业务场景下针对所述历史推荐信息的点击率，作为第一点击率，以及在所述各业务场景下针对所述历史推荐信息的点击率，作为第二点击率，具体包括：
[0032]将所述特有表征以及历史推荐信息输入到待训练的该业务场景对应的子推荐模
型中，预测在该业务场景下针对所述历史推荐信息的点击率，作为第一点击率；
[0033]将所述共有表征以及所述历史推荐信息输入到待训练的所述各业务场景对应的子推荐模型中，预测在所述各业务场景下针对所述历史推荐信息的点击率，作为第二点击率。
[0034]可选地，以最小化所述第一点击率与所述历史推荐信息对应的实际点击情况之间的偏差，以及所述第二点击率与所述实际点击情况之间的偏差为优化目标，对所述推荐模型进行训练，具体包括：
[0035]根据所述指定用户在所述各业务场景下的共有表征以及所述指定用户在该业务场景下的特有表征，确定所述共有表征与所述特有表征之间的相关表征值，其中，所述相关表征值越高，所述共有表征与所述特有表征之间的相关性越高；
[0036]以最小化所述第一点击率与所述历史推荐信息对应的实际点击情况之间的偏差，以及所述第二点击率与所述实际点击情况之间的偏差为优化目标，并以最大化所述相关表征值，对所述推荐模型进行训练。
[0037]可选地，以最小化所述第一点击率与所述历史推荐信息对应的实际点击情况之间的偏差，以及所述第二点击率与所述实际点击情况之间的偏差为优化目标，对所述推荐模型进行训练，具体包括：
[0038]根据所述指定用户在各业务场景下的特有表征，确定所述指定用户在各业务场景下的特有表征之间的差异表征值，其中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练的方法，其特征在于，包括：获取指定用户在各业务场景下的各历史操作信息；根据所述各历史操作信息所涉及的点击对象以及在所述各业务场景下与所述指定用户相关联的其他用户，确定所述指定用户在所述各业务场景下的共有表征，以及，针对每个业务场景，根据该业务场景下对应的历史操作信息所涉及的点击对象以及在该业务场景下与所述指定用户相关联的其他用户，确定所述指定用户在该业务场景下的特有表征；将所述共有表征、所述特有表征以及历史推荐信息输入到待训练的推荐模型中，预测在该业务场景下针对所述历史推荐信息的点击率，作为第一点击率，以及在所述各业务场景下针对所述历史推荐信息的点击率，作为第二点击率；以最小化所述第一点击率与所述历史推荐信息对应的实际点击情况之间的偏差，以及所述第二点击率与所述实际点击情况之间的偏差为优化目标，对所述推荐模型进行训练。2.如权利要求1所述的方法，其特征在于，根据所述各历史操作信息所涉及的点击对象以及在所述各业务场景下与所述指定用户相关联的其他用户，确定所述指定用户在所述各业务场景下的共有表征，具体包括：根据获取到的各用户在所述各业务场景下的历史操作信息，以每个用户作为一个用户节点，所述各业务场景下的每个点击对象作为一个对象节点，构建所述各业务场景对应的多场景关系图，其中，若一个用户节点对应的用户在历史上对一个点击对象执行过点击操作，则将该用户节点与该点击对象对应的对象节点由边相连；根据所述多场景关系图，确定所述指定用户在所述各业务场景下的共有表征。3.如权利要求2所述的方法，其特征在于，根据所述多场景关系图，确定所述指定用户在所述各业务场景下的共有表征，具体包括：从所述多场景关系图中确定出与所述指定用户对应的用户节点满足设定邻接关系的各节点，作为关联节点；根据所述关联节点对应的表征，确定所述指定用户在所述各业务场景下的共有表征。4.如权利要求3所述的方法，其特征在于，根据所述关联节点对应的表征，确定所述指定用户在所述各业务场景下的共有表征，具体包括：针对每个关联节点，根据该关联节点对应的对象与所述指定用户之间的关联度，确定该关联节点与所述指定用户对应的用户节点之间的权重，作为该关联节点对应的权重，该关联节点对应的对象包含点击对象或关联用户；根据每个关联节点对应的表征，以及每个关联节点对应的权重，确定所述指定用户在所述各业务场景下的共有表征。5.如权利要求1所述的方法，其特征在于，针对每个业务场景，根据该业务场景下对应的历史操作信息所涉及的点击对象以及在该业务场景下与所述指定用户相关联的其他用户，确定所述指定用户在该业务场景下的特有表征，具体包括：针对每个业务场景，根据获取到的各用户在该业务场景下的历史操作信息，以每个用户作为一个用户节点，该业务场景下的每个点击对象作为一个对象节点，构建该业务场景对应的单场景关系图，其中，若一个用户节点对应的用户在历史上对一个点击对象执行过点击操作，则将该用户节点与该点击对象对应的对象节点由边相连；根据所述单场景关系图，确定所述指定用户在该业务场景下的特有表征。
6.如权利要求5所述的方法，其特征在于，根据所述单场景关系图，确定所述指定用户在该业务场景下的特有表征，具体包括：从所述单场景关系图中确定出与所述指定用户对应的用户节点满足设定邻接关系的各节点，作为关联节点；根据所述关联节点对应的表征，确定所述指定用户在该业务场景下的特有表征。7.如权利要求6所述的方法，其特征在于，根据所述关联节点对应的表征，确定所述指定用户在该业务场景下的特有表征，具体包括：针对每个关联节点，根据该关联节点对应的对象与所述指定用户之间的关联度，确定该关联节点与所述指定用户对应的用户节点之间的权重，作为该关联节点对应的权重，该关联节点对应的对象包含点击对象或关联用户；根据每个关联节点对应的表征，以及每个关联节点对应的权重，确定所述指定用户在该业务场景下的特有表征。8.如权利要求1所述的方法，其特征在于，所述推荐模型包含有多个推荐子模型；将所述共有表征、所述特有表征以及历史推荐信息输入到待训练的推荐模型中，预测在该业务场景下针对所述历史推荐信息的点击率，作为第一点击率，以及在所述各业务场景下针对所述历史推荐信息的点击率，作为第二点击率，具体包括：将所述特有表征以及历史推荐信息输入到待训练的该业务场景对应的子推荐模型中，预测在该业务场景下针对所述历史推荐信息的点击率，作为第一点击率；将所述共有表征以及所述历史推荐信息输入到待训练的所述各业务场景对应的子推荐模型中，预测在所述各业务场景下针对所述历史推荐信息的点击率，作为第二点击率。9.如权利要求1所述的方法...

【专利技术属性】
技术研发人员：高山，王一帆，范将科，马玲，李帅，李永康，程兵，蔡勋梁，张铭，
申请(专利权)人：北京大学，
类型：发明
国别省市：