模型训练和项目推荐方法、装置、设备、介质及产品制造方法及图纸

本申请公开了一种模型训练和项目推荐方法、装置、设备、介质及产品，涉及数据处理技术领域。模型训练方法包括：获取第一训练样本和第二训练样本；根据第一训练样本和第二训练样本训练待训练的孪生网络，得到用于确定用户相似度的目标孪生网络模型。根据本申请实施例，能够提高项目推荐的准确性。能够提高项目推荐的准确性。能够提高项目推荐的准确性。

【技术实现步骤摘要】
模型训练和项目推荐方法、装置、设备、介质及产品


[0001]本申请属于数据处理
，尤其涉及一种模型训练和项目推荐方法、装置、设备、介质及产品。

技术介绍

[0002]投资业务主要是聚合资金和资产两端资源，实现投融资双方之间的精准匹配、撮合。对于融资方，经常遇到融资产品居高不下，找不到合适的资金来源的问题；对于投资方，常见问题是手持资金却总遇项目饥荒。
[0003]一个融资项目，往往是由多个投资方共同进行项目投放。当一个融资项目被一个投资方选中进行投放后，剩下的融资需求缺口需要其他投资方进行填补。如何快速、精准地找到其他合适的投资方，是有一定难度的。
[0004]相关技术中，主要是基于融资项目的项目内容或基于协同过滤确定投资方，进而将该融资项目推荐给所确定的投资方，然而，基于融资项目的项目内容或基于协同过滤确定的投资方，准确定较差，进而导致项目推送准确度较差。

技术实现思路

[0005]本申请实施例提供一种模型训练和项目推荐方法、装置、设备、介质及产品，能够解决项目推送准确度差的问题。
[0006]第一方面，本申请实施例提供一种模型训练方法，包括：
[0007]获取第一训练样本和第二训练样本，其中，第一训练样本包括三个用户的属性特征，三个用户包括第一用户、第二用户和第三用户，第一用户对应的项目类型特征与第二用户对应的项目类型特征的相似度大于第一相似度阈值，第一用户对应的项目类型特征与第三用户对应的项目类型特征的相似度小于第二相似度阈值，项目类型特征是根据项目种类和用户对每种项目的投放次数确定的，第一相似度阈值大于第二相似度阈值，第二训练样本包括两个用户的属性特征；
[0008]根据第一训练样本和第二训练样本训练待训练的孪生网络，得到用于确定用户相似度的目标孪生网络模型。
[0009]第二方面，本申请实施例提供一种项目推荐方法，包括：
[0010]获取两个用户的属性特征；
[0011]将两个用户的属性特征输入本申请实施例第一方面训练得到的目标孪生网络模型，得到两个用户的相似度；
[0012]在两个用户的相似度大于相似度阈值的情况下，将两个用户中一个用户投放的项目推送给两个用户中的另一个用户。
[0013]第三方面，本申请实施例提供一种模型训练装置，包括：
[0014]第一获取模块，用于获取第一训练样本和第二训练样本，其中，第一训练样本包括三个用户的属性特征，三个用户包括第一用户、第二用户和第三用户，第一用户对应的项目
类型特征与第二用户对应的项目类型特征的相似度大于第一相似度阈值，第一用户对应的项目类型特征与第三用户对应的项目类型特征的相似度小于第二相似度阈值，项目类型特征是根据项目种类和用户对每种项目的投放次数确定的，第一相似度阈值大于第二相似度阈值，第二训练样本包括两个用户的属性特征；
[0015]训练模块，用于根据第一训练样本和第二训练样本训练待训练的孪生网络，得到用于确定用户相似度的目标孪生网络模型。
[0016]第四方面，本申请实施例提供一种项目推荐装置，包括：
[0017]第二获取模块，用于获取两个用户的属性特征；
[0018]输入模块，用于将两个用户的属性特征输入本申请实施例第一方面训练得到的目标孪生网络模型，得到两个用户的相似度；
[0019]推荐模块，用于在两个用户的相似度大于相似度阈值的情况下，将两个用户中一个用户投放的项目推送给两个用户中的另一个用户。
[0020]第五方面，本申请实施例提供一种电子设备，该电子设备包括：处理器以及存储有计算机程序指令的存储器；处理器执行计算机程序指令时实现第一方面的模型训练方法或第二方面的项目推荐方法。
[0021]第六方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现第一方面的模型训练方法或第二方面的项目推荐方法。
[0022]第七方面，本申请实施例提供了一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行如第一方面的模型训练方法或第二方面的项目推荐方法。
[0023]在本申请实施例中，通过获取第一训练样本和第二训练样本，其中，第一训练样本包括三个用户的属性特征，三个用户包括第一用户、第二用户和第三用户，第一用户对应的项目类型特征与第二用户对应的项目类型特征的相似度大于第一相似度阈值，第一用户对应的项目类型特征与第三用户对应的项目类型特征的相似度小于第二相似度阈值，项目类型特征是根据项目种类和用户对每种项目的投放次数确定的，第一相似度阈值大于第二相似度阈值，第二训练样本包括两个用户的属性特征；根据第一训练样本和第二训练样本训练待训练的孪生网络，得到用于确定用户相似度的目标孪生网络模型。在进行项目推荐时，将两个用户的属性特征输入目标孪生网络模型，即可得到两个用户的相似度，在两个用户的相似度大于相似度阈值的情况下，将两个用户中一个用户投放的项目推送给两个用户中的另一个用户。如此，能够将一个用户投放的项目推送给与其相似度较高的用户，能够提高项目推荐的准确性。
附图说明
[0024]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0025]图1是本申请实施例提供的模型训练方法的流程示意图；
[0026]图2是本申请实施例提供的孪生网络的模型示意图；
[0027]图3是本申请实施例提供的项目推荐方法的流程示意图；
[0028]图4是本申请实施例提供的模型训练装置的结构示意图；
[0029]图5是本申请实施例提供的项目推荐装置的结构示意图；
[0030]图6是本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0031]下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
[0032]需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，所述方法包括：获取第一训练样本和第二训练样本，其中，所述第一训练样本包括三个用户的属性特征，所述三个用户包括第一用户、第二用户和第三用户，所述第一用户对应的项目类型特征与所述第二用户对应的项目类型特征的相似度大于第一相似度阈值，所述第一用户对应的项目类型特征与所述第三用户对应的项目类型特征的相似度小于第二相似度阈值，所述项目类型特征是根据项目种类和用户对每种项目的投放次数确定的，所述第一相似度阈值大于所述第二相似度阈值，所述第二训练样本包括两个用户的属性特征；根据所述第一训练样本和所述第二训练样本训练待训练的孪生网络，得到用于确定用户相似度的目标孪生网络模型。2.根据权利要求1所述的方法，其特征在于，所述获取第一训练样本，包括：从多个用户中选取一个用户作为所述第一用户；计算所述第一用户对应的项目类型特征与所述多个用户中除所述第一用户之外的其他用户对应的项目类型特征的相似度；将计算得到的相似度大于所述第一相似度阈值对应的用户中任一个用户作为所述第二用户；将计算得到的相似度小于所述第二相似度阈值对应的用户中任一个用户作为所述第三用户；获取所述第一用户、所述第二用户和所述第三用户的属性特征。3.根据权利要求1所述的方法，其特征在于，所述根据所述第一训练样本和所述第二训练样本训练待训练的孪生网络，得到用于确定用户相似度的目标孪生网络模型，包括：将所述三个用户的属性特征输入所述孪生网络，训练所述孪生网络的共享层参数；将所述两个用户的属性特征输入所述孪生网络，以所述两个用户对应的项目类型特征的相似度为标签，通过监督学习，学习所述孪生网络的差异性度量层参数，得到所述目标孪生网络模型。4.根据权利要求3所述的方法，其特征在于，所述训练所述孪生网络的共享层参数，包括：以为所述孪生网络的共享层目标函数，训练所述孪生网络的共享层参数；其中，a为所述第一用户，p为所述第二用户，n为所述第三用户，N为属性特征的维数，x
i
为第i维属性特征，f()为属性特征经过所述共享层后的差异化特征。5.根据权利要求3所述的方法，其特征在于，所述学习所述孪生网络的差异性度量层参数，包括：以为所述孪生网络的差异性度量层的激活函数，学习所述孪生网络的差异性度量层参数；其中，X1和X2分别为所述两个用户的属性特征中的一个属性特征，K为差异化特征的维数，f()
k
为属性特征经过所述共享层后的差异化特征，w
k
为第k维差异化特征对应的权重，b
为偏置项。6.一种项目推荐方法，其特征在于，所述方法包括：获取两个用户的属性特征；将所述两个用户的属性特征输入权利要求1
‑
5任一项训练得到的所述目标孪生网络模型，得到所述两个用户的相似度；在所述相似度大于相似度阈值的情况下，将所述两个用户中一个用户投放的项目推送给所述两个用户中的另一个用户。7.一种模型训练装置，其特征在于，所述装置包括：第一获取模块，用于获取第一训练样本和第二训练样本，其中，所述第一训练样本包括三个用户的属性特征，所述三个用户包括第一用户、第二用户和第三用户，所述第一用户对应的项目类型特征与所述第二用户对应的项目类型特征的相似度大于第一相似度阈值，所述第一用户对应的项目类型特征与所述第三用户对应的项目类...

【专利技术属性】
技术研发人员：林质锐，何易超，朱富荣，李婧丹，李博尊，
申请(专利权)人：建信金融科技有限责任公司，
类型：发明
国别省市：