目标排序模型的训练方法、目标排序方法及装置制造方法及图纸

本公开提供了一种目标排序模型的训练方法、目标排序方法及装置。涉及计算机技术领域，尤其涉及数据处理、机器学习、智能推荐等领域。具体实现方案为：获取N个目标分别对应的特征，N为大于等于3的整数；通过目标排序模型中共享专家子网，从N个目标分别对应的特征中提取N个目标的共性特征；通过目标排序模型中N个目标分别对应的专家子网，从N个目标分别对应的特征中提取N个目标分别对应的个性特征；其中，M个目标对应同一个专家子网，M为大于等于1的整数，M小于N；基于N个目标分别对应的个性特征和N个目标的共性特征，调整目标排序模型的参数。根据本公开的方案，能解决样本数据稀疏的目标的建模效果差的问题。的建模效果差的问题。的建模效果差的问题。

【技术实现步骤摘要】
目标排序模型的训练方法、目标排序方法及装置


[0001]本公开涉及计算机
，尤其涉及数据处理、机器学习、智能推荐等领域。

技术介绍

[0002]随着业务的高速发展，出现大量业务需要提供推荐服务的场景。一些推荐系统采用目标排序模型为产品进行资源排序，根据资源排序情况为用户推荐产品的相关资源。相关技术中，目标排序模型的建模，采用将多个目标联合训练和预估，且硬参数共享的方式，通过让模型学习不同目标之间的区别来发掘目标之间的关联，进而提升模型预估的精确度。但是，由于各目标之间的样本数据不均衡，这种训练方式会导致样本数据稀疏的目标的建模效果较差，从而影响目标排序模型对样本数据稀疏的目标的预估效果。

技术实现思路

[0003]本公开提供了一种目标排序模型的训练方法、目标排序方法及装置。
[0004]根据本公开的第一方面，提供了一种目标排序模型的训练方法，包括：
[0005]获取N个目标分别对应的特征，N为大于等于3的整数；
[0006]通过目标排序模型中共享专家子网，从N个目标分别对应的特征中提取N个目标的共性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标排序模型的训练方法，包括：获取N个目标分别对应的特征，所述N为大于等于3的整数；通过目标排序模型中共享专家子网，从所述N个目标分别对应的特征中提取所述N个目标的共性特征；通过所述目标排序模型中所述N个目标分别对应的专家子网，从所述N个目标分别对应的特征中提取所述N个目标分别对应的个性特征；其中，M个目标对应同一个专家子网，所述M为大于等于1的整数，所述M小于所述N；基于所述N个目标分别对应的个性特征和所述N个目标的共性特征，调整所述目标排序模型的参数。2.根据权利要求1所述的方法，还包括：通过所述目标排序模型中所述N个目标分别对应的门控子网，基于所述N个目标分别对应的个性特征和所述N个目标的共性特征，确定所述N个目标分别对应的待识别特征；通过所述目标排序模型中所述N个目标分别对应的预测子网，基于所述N个目标分别对应的待识别特征，确定所述N个目标分别对应的预测值。3.根据权利要求2所述的方法，其中，所述基于所述N个目标分别对应的个性特征和所述N个目标的共性特征，调整所述目标排序模型的参数，包括：基于所述N个目标分别对应的预测值和所述N个目标分别对应的真值，调整所述目标排序模型中所述共享专家子网、所述N个目标分别对应的专家子网、所述N个目标分别对应的门控子网和所述N个目标分别对应的预测子网的参数。4.根据权利要求2所述的方法，其中，所述M个目标包括第一目标和第二目标，所述基于所述N个目标分别对应的个性特征和所述N个目标的共性特征，调整所述目标排序模型的参数，包括：基于所述第一目标对应的预测值和所述第一目标的真值，以及所述第二目标对应的预测值和所述第二目标的真值，调整所述目标排序模型中所述第一目标和所述第二目标分别对应的预测子网的参数、以及所述第一目标和所述第二目标共同对应的专家子网和门控子网的参数。5.根据权利要求2所述的方法，其中，所述N个目标分别对应的特征包括所述N个目标分别对应的用户特征和所述N个目标分别对应的资源特征；所述基于所述N个目标分别对应的待识别特征，确定所述N个目标分别对应的预测值，包括：获取基于所述N个目标分别对应的用户特征确定出的N个目标分别对应的第一类预测值；获取基于所述N个目标分别对应的资源特征确定出的N个目标分别对应的第二类预测值；根据所述N个目标分别对应的第一类预测值以及所述N个目标分别对应的第二类预测值，确定所述N个目标分别对应的预测值。6.根据权利要求1所述的方法，其中，所述M个目标中各目标之间的相关性大于预设阈值。7.根据权利要求2至6任一项所述的方法，其中，所述目标排序模型包括第一排序子模
型和第二排序子模型；所述第一排序子模型和所述第二排序子模型均包括底层神经网络和顶层神经网络，所述底层神经网络包括所述共享专家子网和所述N个目标分别对应的专家子网，所述顶层神经网络包括N个目标分别对应的预测子网；所述N个目标分别对应的专家子网分别与所述共享专家子网连接，并与对应的门控子网连接；所述N个目标分别对应的门控子网分别与对应的所述预测子网连接。8.一种目标排序方法，包括：获取N个目标分别对应的特征，所述N为大于等于3的整数；通过目标排序模型中共享专家子网，从所述N个目标分别对应的特征中提取所述N个目标的共性特征；通过所述目标排序模型中所述N个目标分别对应的专家子网，从所述N个目标分别对应的特征中提取所述N个目标分别对应的个性特征；其中，M个目标对应同一个专家子网，所述M为大于等于1的整数，所述M小于所述N；基于所述N个目标分别对应的个性特征和所述N个目标的共性特征，确定N
‑
M个目标分别对应的排序结果，其中，所述目标排序模型采用根据权利要求1至7任一项所述的目标排序模型的训练方法得到。9.根据权利要求8所述的方法，还包括：通过所述目标排序模型中所述N个目标分别对应的门控子网，基于所述N个目标分别对应的个性特征和所述N个目标的共性特征，确定所述N个目标分别对应的待识别特征；通过所述目标排序模型中所述N
‑
M个目标分别对应的预测子网，基于所述N个目标分别对应的待识别特征，确定所述N
‑
M个目标分别对应的预测值。10.根据权利要求9所述的方法，其中，所述N个目标分别对应的特征包括所述N个目标分别对应的用户特征和所述N个目标分别对应的资源特征；所述基于所述N个目标分别对应的待识别特征，确定所述N
‑
M个目标分别对应的预测值，包括：获取基于所述N个目标分别对应的用户特征确定出的N
‑
M个目标分别对应的第一类预测值；获取基于所述N个目标分别对应的资源特征确定出的N
‑
M个目标分别对应的第二类预测值；根据所述N
‑
M个目标分别对应的第一类预测值以及所述N
‑
M个目标分别对应的第二类预测值，确定所述N
‑
M个目标分别对应的预测值。11.一种目标排序模型的训练装置，包括：第一获取模块，用于获取N个目标分别对应的特征，所述N为大于等于3的整数；第一提取模块，用于通过目标排序模型中共享专家子网，从所述N个目标分别对应的特征中提取所述N个目标的共性特征；第二提取模块，用于通过所述目标排序模型中所述N个目标分别对应的专家子网，从所述N个目标分别对应的特征中提取所述N个目标分别对应的...

【专利技术属性】
技术研发人员：吴学超，刘星，张晓敏，周杨，白云龙，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：