本发明专利技术公开了一种推荐模型优化方法、装置及产品推荐方法，涉及信息技术应用领域，模型优化方法包括：获取训练数据集；对目标推荐模型进行训练和预测，获得目标模型推荐响应率和训练模型推荐响应率；根据推荐响应率，判断是否达到模型优化触发条件，其中，模型优化触发条件为训练模型推荐响应率高于目标模型推荐响应率；若达到，则根据预设参数调整规则，获得按照对目标推荐模型推荐响应率的影响力大小依次排序的参数变量；根据参数变量，按前向传播顺序对目标推荐模型依次进行网格搜索，获得最优推荐模型。本发明专利技术解决了现有技术存在应用性较差的问题，实现了自动化、智能化地优化推荐模型的目的，提升了应用性。提升了应用性。提升了应用性。
【技术实现步骤摘要】
推荐模型优化方法、装置及产品推荐方法
[0001]本专利技术涉及信息技术应用领域，尤其涉及一种推荐模型优化方法、装置及产品推荐方法。
技术介绍
[0002]目前信息社会进入了网络化的大数据时代，大数据需要通过快速获取、处理和分析。快速增加的数据给各种数据处理模型，比如推荐模型带来了严峻的挑战。推荐模型是根据用户习惯个性化推荐产品给用户的深度学习模型，目前的一些为了让推荐模型适应不断变化的数据而进行的推荐模型优化方法中，主要通过人工触发推荐模型优化，并且进行推荐模型优化时，需要人为地结合经验数据和业务理解来进行，存在需要耗费大量人力，且缺乏统一标准的问题，导致推荐模型优化方法的应用性较差。
技术实现思路
[0003]本专利技术的主要目的在于：提供一种推荐模型优化方法、装置及产品推荐方法，旨在解决现有技术的推荐模型优化方法存在应用性较差的技术问题。
[0004]为实现上述目的，本专利技术采用如下技术方案：
[0005]第一方面，本专利技术提供了一种推荐模型优化方法，所述方法包括以下步骤：
[0006]获取训练数据集；
[0007]根据所述训练数据集，对目标推荐模型进行训练和预测，获得目标模型推荐响应率和训练模型推荐响应率；
[0008]根据所述目标模型推荐响应率和所述训练模型推荐响应率，判断是否达到模型优化触发条件，其中，所述模型优化触发条件为所述训练模型推荐响应率高于所述目标模型推荐响应率；
[0009]若达到模型优化触发条件，则根据预设参数调整规则，获得依次排序的参数变量，其中，所述参数变量按照对所述目标推荐模型推荐响应率的影响力大小排序；
[0010]根据所述依次排序的参数变量，按前向传播顺序对所述目标推荐模型依次进行网格搜索，获得最优推荐模型。
[0011]可选地，上述推荐模型优化方法中，所述根据所述训练数据集，对目标推荐模型进行训练和预测，获得目标模型推荐响应率和训练模型推荐响应率的步骤，具体包括：
[0012]根据所述训练数据集，对目标推荐模型进行预测，获得目标模型预测结果；
[0013]根据所述目标模型预测结果进行推荐，并获取用户交互反馈信息，以获得与所述目标推荐模型对应的目标模型推荐响应率；
[0014]根据所述用户交互反馈信息和所述训练数据集，对所述目标推荐模型进行多次训练，获得多个训练模型，并对所述多个训练模型分别进行预测，获得多个训练模型预测结果；
[0015]根据所述多个训练模型预测结果进行推荐，并获取用户交互反馈信息，以获得与
所述多个训练模型对应的多个训练模型推荐响应率。
[0016]可选地，上述推荐模型优化方法中，所述根据所述目标模型推荐响应率和所述训练模型推荐响应率，判断是否达到模型优化触发条件的步骤，具体包括：
[0017]比较所述多个训练模型推荐响应率和所述目标模型推荐响应率，判断是否达到模型优化触发条件；
[0018]若所述多个训练模型推荐响应率中有一个推荐响应率高于所述目标模型推荐响应率，判定达到模型优化触发条件；
[0019]若所述多个训练模型推荐响应率均不高于所述目标模型推荐响应率，判定未达到模型优化触发条件。
[0020]可选地，上述推荐模型优化方法中，所述根据预设参数调整规则，获得依次排序的参数变量的步骤，具体包括：
[0021]根据预设参数调整规则，分别对所述目标推荐模型的多个实时参数按预设参数变化比例进行调整，获得多个调整参数；
[0022]根据每个调整参数，对所述目标推荐模型进行训练，获得与所述多个调整参数对应的多个参考推荐模型；
[0023]将所述多个参考推荐模型按照推荐响应率由大到小排序，获得对应的依次排序的参数变量。
[0024]可选地，上述推荐模型优化方法中，所述根据所述依次排序的参数变量，按前向传播顺序对所述目标推荐模型依次进行网格搜索，获得最优推荐模型的步骤，具体包括：
[0025]根据所述依次排序的参数变量，确定前向传播顺序；
[0026]针对每个参数变量，按所述前向传播顺序对所述目标推荐模型依次进行网格搜索，获得参数变量最优值，以获得所述参数变量最优值对应的优化推荐模型；
[0027]当前向传播结束时，将最终获得的优化推荐模型确定为最优推荐模型。
[0028]可选地，上述推荐模型优化方法中，所述获取训练数据集的步骤，具体包括：
[0029]根据用户交互实时信息、用户交互历史信息和用户交互反馈信息中的至少一种，获取训练数据集。
[0030]第二方面，本专利技术提供了一种产品推荐方法，所述方法包括以下步骤：
[0031]获取显示产品相关信息的用户界面上的用户交互信息；
[0032]将所述产品相关信息和所述用户交互信息输入最优推荐模型，以获得推荐产品相关信息；其中，所述最优推荐模型根据上述的推荐模型优化方法获得；
[0033]在所述用户界面上显示所述推荐产品相关信息对应的推荐产品。
[0034]第三方面，本专利技术提供了一种推荐模型优化装置，所述装置包括：
[0035]数据集获取模块，用于获取训练数据集；
[0036]预测训练模块，用于根据所述训练数据集，对目标推荐模型进行训练和预测，获得目标模型推荐响应率和训练模型推荐响应率；
[0037]触发判断模块，用于根据所述目标模型推荐响应率和所述训练模型推荐响应率，判断是否达到模型优化触发条件，其中，所述模型优化触发条件为所述训练模型推荐响应率高于所述目标模型推荐响应率；
[0038]参数变量获取模块，用于若达到模型优化触发条件，则根据预设参数调整规则，获
得依次排序的参数变量，其中，所述参数变量按照对所述目标推荐模型推荐响应率的影响力大小排序；
[0039]前向优化模块，用于根据所述依次排序的参数变量，按前向传播顺序对所述目标推荐模型依次进行网格搜索，获得最优推荐模型。
[0040]第四方面，本专利技术提供了一种计算机设备，所述设备包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，实现如上述的推荐模型优化方法。
[0041]第五方面，本专利技术提供了一种存储介质，其上存储有计算机程序，所述计算机程序可被一个或多个处理器执行，以实现如上述的推荐模型优化方法。
[0042]本专利技术提供的上述一个或多个技术方案，可以具有如下优点或至少实现了如下技术效果：
[0043]本专利技术提出的一种推荐模型优化方法、装置及产品推荐方法，通过根据训练数据集对目标推荐模型进行训练和预测，获得目标模型推荐响应率和训练模型推荐响应率，从而判断是否达到模型优化触发条件，相比现有的直接进行优化的方式，可视化配置触发条件，防止产生无效优化，造成计算资源的浪费；再在达到模型优化触发条件时，根据预设参数调整规则，获得按照对目标推荐模型推荐响应率的影响力大小依次排序的参数变量，及时发现模型性能下滑，立即进行模型优化，时效性有保障；然后根据本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种推荐模型优化方法，其特征在于，所述方法包括以下步骤：获取训练数据集；根据所述训练数据集，对目标推荐模型进行训练和预测，获得目标模型推荐响应率和训练模型推荐响应率；根据所述目标模型推荐响应率和所述训练模型推荐响应率，判断是否达到模型优化触发条件，其中，所述模型优化触发条件为所述训练模型推荐响应率高于所述目标模型推荐响应率；若达到模型优化触发条件，则根据预设参数调整规则，获得依次排序的参数变量，其中，所述参数变量按照对所述目标推荐模型推荐响应率的影响力大小排序；根据所述依次排序的参数变量，按前向传播顺序对所述目标推荐模型依次进行网格搜索，获得最优推荐模型。2.如权利要求1所述的推荐模型优化方法，其特征在于，所述根据所述训练数据集，对目标推荐模型进行训练和预测，获得目标模型推荐响应率和训练模型推荐响应率的步骤，具体包括：根据所述训练数据集，对目标推荐模型进行预测，获得目标模型预测结果；根据所述目标模型预测结果进行推荐，并获取用户交互反馈信息，以获得与所述目标推荐模型对应的目标模型推荐响应率；根据所述用户交互反馈信息和所述训练数据集，对所述目标推荐模型进行多次训练，获得多个训练模型，并对所述多个训练模型分别进行预测，获得多个训练模型预测结果；根据所述多个训练模型预测结果进行推荐，并获取用户交互反馈信息，以获得与所述多个训练模型对应的多个训练模型推荐响应率。3.如权利要求2所述的推荐模型优化方法，其特征在于，所述根据所述目标模型推荐响应率和所述训练模型推荐响应率，判断是否达到模型优化触发条件的步骤，具体包括：比较所述多个训练模型推荐响应率和所述目标模型推荐响应率，判断是否达到模型优化触发条件；若所述多个训练模型推荐响应率中有一个推荐响应率高于所述目标模型推荐响应率，判定达到模型优化触发条件；若所述多个训练模型推荐响应率均不高于所述目标模型推荐响应率，判定未达到模型优化触发条件。4.如权利要求1所述的推荐模型优化方法，其特征在于，所述根据预设参数调整规则，获得依次排序的参数变量的步骤，具体包括：根据预设参数调整规则，分别对所述目标推荐模型的多个实时参数按预设参数变化比例进行调整，获得多个调整参数；根据每个调整参数，对所述目标推荐模型进行训练，获得与所述多个调整参数对应的多个参考推荐模型；将所述多个参考推荐模型按照...
【专利技术属性】
技术研发人员：陈远峥，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。