一种内容排序模型的处理方法和相关装置制造方法及图纸

本申请实施例公开了一种内容排序模型的处理方法和相关装置，涉及人工智能中的自然语言处理和机器学习，从服务器获取与多个不同对象匹配的通用内容排序模型；将多个第一内容经过通用内容排序模型得到排序后的多个第一内容，形成第一内容序列；通过目标对象在目标终端设备上针对第一内容序列的第一互动行为数据，以构造第一微调训练样本；通过第一微调训练样本对通用内容排序模型进行参数微调，获得与目标对象匹配的目标内容排序模型。可见，目标终端设备无需向服务器传输数据，即可在目标终端设备上实现基于通用内容排序模型针对目标对象的个性化训练，得到深度匹配目标对象的个性化行为特点的目标内容排序模型。个性化行为特点的目标内容排序模型。个性化行为特点的目标内容排序模型。

【技术实现步骤摘要】
一种内容排序模型的处理方法和相关装置


[0001]本申请涉及数据处理领域，特别是涉及一种内容排序模型的处理方法和 相关装置。

技术介绍

[0002]在内容搜索、内容推荐等场景中，内容排序是十分重要的一个环节。针 对多个内容而言，内容排序的实现方式通常是利用训练得到的内容排序模型 对该多个内容进行排序，得到排序后的多个内容。
[0003]相关技术中，一般是服务器从多个终端设备获取多个不同对象在内容搜 索、内容推荐等场景的历史行为数据，并基于该历史行为数据对机器学习模 型进行训练，得到与多个不同对象匹配的内容排序模型。
[0004]然而，上述方式中内容排序模型无法深度学习对象在内容搜索、内容推 荐等场景的个性化行为数据，导致内容排序模型难以深度匹配对象的个性化 行为特点，从而导致应用内容排序模型时，难以实现针对对象的个性化内容 排序。

技术实现思路

[0005]为了解决上述技术问题，本申请提供了一种内容排序模型的处理方法和 相关装置，实现通用内容排序模型针对目标对象的个性化训练，得到深度匹 配目标对象的个性化行为特点的目标内容排序模型，以便应用目标内容排序 模型时，能够实现针对目标对象的个性化内容排序。
[0006]本申请实施例公开了如下技术方案：
[0007]一方面，本申请提供一种内容排序模型的处理方法，由目标终端设备执 行，所述方法包括：
[0008]获取服务器下发的与多个不同对象匹配的通用内容排序模型；
[0009]利用所述通用内容排序模型对多个第一内容进行排序，获得排序后的多 个第一内容形成第一内容序列；
[0010]基于目标对象在所述目标终端设备上针对所述第一内容序列的第一互动 行为数据，构造第一微调训练样本；
[0011]基于所述第一微调训练样本对所述通用内容排序模型进行参数微调，获 得与所述目标对象匹配的目标内容排序模型。
[0012]另一方面，本申请提供一种内容排序模型的处理装置，部署在目标终端 设备上，所述装置包括：获取单元、排序单元、构造单元和微调单元；
[0013]所述获取单元，用于获取服务器下发的与多个不同对象匹配的通用内容 排序模型；
[0014]所述排序单元，用于利用所述通用内容排序模型对多个第一内容进行排 序，获得排序后的多个第一内容形成第一内容序列；
[0015]所述构造单元，用于基于目标对象在所述目标终端设备上针对所述第一 内容序列的第一互动行为数据，构造第一微调训练样本；
[0016]所述微调单元，用于基于所述第一微调训练样本对所述通用内容排序模 型进行参数微调，获得与所述目标对象匹配的目标内容排序模型。
[0017]另一方面，本申请提供一种用于内容排序模型的处理的设备，所述设备 包括处理器以及存储器：
[0018]所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
[0019]所述处理器用于根据所述程序代码中的指令执行上述方面所述的方法。
[0020]另一方面，本申请实施例提供了一种计算机可读存储介质，所述计算机 可读存储介质用于存储计算机程序，所述计算机程序用于执行上述方面所述 的方法。
[0021]另一方面，本申请实施例提供了一种计算机程序产品，所述计算机程序 产品包括计算机程序或指令；当所述计算机程序或指令被处理器执行时，执 行上述方面所述的方法。
[0022]由上述技术方案可以看出，目标终端设备执行内容排序模型的处理方法， 首先，从服务器获取与多个不同对象匹配的通用内容排序模型；然后，将多 个第一内容经过通用内容排序模型得到排序后的多个第一内容，形成第一内 容序列；通过目标对象在目标终端设备上针对第一内容序列的第一互动行为 数据，以构造第一微调训练样本；最后，通过第一微调训练样本对通用内容 排序模型进行参数微调，获得与目标对象匹配的目标内容排序模型。可见， 该方式通过目标终端设备获取服务器中匹配多个不同对象的通用内容排序模 型，使得目标终端设备无需向服务器传输数据，即可在目标终端设备上针对 通用内容排序模型输出的内容序列，实时准确采集目标对象所产生的个性化 行为数据进行深度学习，实现基于通用内容排序模型针对目标对象的个性化 训练，得到深度匹配目标对象的个性化行为特点的目标内容排序模型，以便 应用目标内容排序模型时，能够实现针对目标对象的个性化内容排序。基于 此，该方式不仅节省了大量的传输数据资源，而且保护了目标对象的隐私数 据。
附图说明
[0023]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实 施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面 描述中的附图仅仅是本申请的一些实施例，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。
[0024]图1为本申请实施例提供的一种内容排序模型的处理方法的应用场景示 意图；
[0025]图2为本申请实施例提供的一种内容排序模型的处理方法的流程图；
[0026]图3为本申请实施例提供的一种通用内容排序模型的示意图；
[0027]图4为本申请实施例提供的一种参数微调的流程图；
[0028]图5为本申请实施例提供的一种处理内容排序模型的架构图；
[0029]图6为本申请实施例提供的一种内容排序方法的流程示意图；
[0030]图7为本申请实施例提供的一种内容排序模型的处理装置的示意图；
[0031]图8为本申请实施例提供的一种终端设备的结构示意图；
[0032]图9为本申请实施例提供的一种服务器的结构示意图。
具体实施方式
[0033]下面结合附图，对本申请的实施例进行描述。
[0034]相关技术中，服务器与终端设备A、终端设备B和终端设备C等多个终 端设备进行交互，在对象A使用终端设备A、对象B使用终端设备B、对象C使用终端设备C的基础上，服务器可以从上述终端设备A、终端设备B和 终端设备C等多个终端设备，获取对象A、对象B和对象C等多个对象在内 容搜索场景和内容推荐场景的历史行为数据，并基于该历史行为数据对机器 学习模型进行训练，得到与对象A、对象B和对象C等多个对象匹配的内容 排序模型。
[0035]然而，经过研究发现，上述方式中服务器从终端设备获取对象在内容搜 索场景和内容推荐场景的个性化行为数据的能力有限，则内容排序模型无法 深度学习对象在内容搜索场景和内容推荐场景的个性化行为数据，导致内容 排序模型难以深度匹配对象的个性化行为特点，从而导致应用内容排序模型 时，难以实现针对对象的个性化内容排序。
[0036]有鉴于此，本申请提出一种内容排序模型的处理方法和相关装置，通过 目标终端设备获取服务器中匹配多个不同对象的通用内容排序模型，使得目 标终端设备无需向服务器传输数据，即可在目标终端设备上针对通用内容排 序模型输出的内容序列，实时准确采集目标对象所产生的个性化行为数据进 行深度学习，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种内容排序模型的处理方法，其特征在于，由目标终端设备执行，所述方法包括：获取服务器下发的与多个不同对象匹配的通用内容排序模型；利用所述通用内容排序模型对多个第一内容进行排序，获得排序后的多个第一内容形成第一内容序列；基于目标对象在所述目标终端设备上针对所述第一内容序列的第一互动行为数据，构造第一微调训练样本；基于所述第一微调训练样本对所述通用内容排序模型进行参数微调，获得与所述目标对象匹配的目标内容排序模型。2.根据权利要求1所述的方法，其特征在于，所述通用内容排序模型包括第一模型结构和第二模型结构，所述第一模型结构连接在所述第二模型结构之前，所述第二模型结构包括所述通用内容排序模型中待参数微调的模型结构；所述基于目标对象在所述目标终端设备上针对所述第一内容序列的第一互动行为数据，构造第一微调训练样本，包括：基于所述多个第一内容和所述第一模型结构，获得微调训练输入数据；基于所述第一互动行为数据，确定所述微调训练输入数据对应的微调训练标注数据；根据所述微调训练输入数据和所述微调训练标注数据，构造所述第一微调训练样本；所述基于所述第一微调训练样本对所述通用内容排序模型进行参数微调，获得与所述目标对象匹配的目标内容排序模型，包括：基于所述微调训练输入数据和所述微调训练标注数据，对所述第二模型结构进行参数微调，获得所述目标内容排序模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述微调训练输入数据和所述微调训练标注数据，对所述第二模型结构进行参数微调，获得所述目标内容排序模型，包括：确定所述通用内容排序模型的任务类型对应的损失函数；基于所述微调训练输入数据、所述微调训练标注数据和所述损失函数，对所述第二模型结构进行参数微调，获得所述目标内容排序模型。4.根据权利要求3所述的方法，其特征在于，所述基于所述微调训练输入数据、所述微调训练标注数据和所述损失函数，对所述第二模型结构进行参数微调，获得所述目标内容排序模型，包括：基于所述微调训练输入数据和所述第二模型结构，获得所述微调训练输入数据对应的微调训练输出数据；基于所述微调训练输出数据、所述微调训练标注数据和所述损失函数，对所述第二模型结构进行参数微调，获得所述目标内容排序模型。5.根据权利要求2
‑
4任意一项所述的方法，其特征在于，所述第二模型结构满足以下条件中的一种或多种：位于所述通用内容排序模型的模型结构末端和结构复杂度小于等于预设复杂度。6.根据权利要求1
‑
4任意一项所述的方法，其特征在于，所述第一互动行为数据包括数据粒度小于等于预设粒度的互动行为数据。7.根据权利要求1
‑
4任意一项所述的方法，其特征在于，所述方法还包括：利用所述目标内容排序模型对多个第二内容进行排序，获得排序后的多个第二内容形
成第二内容序列；向所述目标对象展示所述第二内容序列。8.根据权利要求7所述的方法，其...

【专利技术属性】
技术研发人员：付岩，张逾，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：