【技术实现步骤摘要】
资源推荐及模型训练方法、装置、电子设备及存储介质
[0001]本公开涉及计算机
，具体涉及智能推荐、机器学习等人工智能
，尤其涉及一种资源推荐及模型训练方法、装置、电子设备及存储介质。
技术介绍
[0002]在各种业务的资源推荐场景中，可以基于用户在该业务场景中的历史搜索行为信息等，提取该用户的行为特征。然后基于用户的行为特征，采用预先配置好的召回策略，从资源库中召回相关的资源，并推荐给用户。预先配置好的召回策略，适用于为活跃用户召回其感兴趣的资源。
[0003]该资源推荐方式，可以为用户推荐到与用户的搜索行为相符的资源，能够有效地提高资源推荐的准确性和资源推荐效率。
技术实现思路
[0004]本公开提供了一种资源推荐及模型训练方法、装置、电子设备及存储介质。
[0005]根据本公开的一方面，提供了一种资源推荐方法，包括：
[0006]获取当前垂类业务中要进行资源推荐的用户的特征信息，所述用户的特征信息包括所述用户的适用于所有垂类业务的基本特征信息；所述用户为所述当前垂类业...
【技术保护点】
【技术特征摘要】
1.一种资源推荐方法，包括：获取当前垂类业务中要进行资源推荐的用户的特征信息，所述用户的特征信息包括所述用户的适用于所有垂类业务的基本特征信息；所述用户为所述当前垂类业务的新用户或者低活用户；基于所述用户的特征信息以及预先训练的用户特征生成模型，获取所述用户的特征表达；基于预先训练的资源特征生成模型，获取资源库中各资源的特征表达；所述用户特征生成模型和所述资源特征生成模型，采用双塔结构进行联合训练得到；基于所述用户的特征表达以及所述资源库中各所述资源的特征表达，进行资源推荐。2.根据权利要求1所述的方法，其中，基于所述用户的特征信息以及预先训练的用户特征生成模型，获取所述用户的特征表达，包括：采用所述用户特征生成模型中的第一重要性处理模块，根据所述用户的特征信息，获取所述用户的重要性特征表达；采用所述用户特征生成模型中的第一N阶交叉处理模块，根据所述用户的特征信息，获取第2阶到第N阶中各阶的用户交叉处理特征；所述N为大于1的正整数；基于所述用户的重要性特征表达、所述第2阶到所述第N阶中各阶的用户交叉处理特征，获取所述用户的融合特征；采用所述用户特征生成模型中的第一特征生成模块，基于所述用户的融合特征，获取所述用户的特征表达。3.根据权利要求2所述的方法，其中，采用所述用户特征生成模型中的第一重要性处理模块，根据所述用户的特征信息，获取所述用户的重要性特征表达，包括：采用所述第一重要性处理模块，基于所述用户的特征信息包括的多个特征域中各特征域的信息，获取所述用户的特征信息中各特征域的第一特征表达；采用所述第一重要性处理模块，基于所述用户的特征信息中各特征域的第一特征表达，获取所述用户的特征信息中各所述特征域对应的预设数量的特征信息；采用所述第一重要性处理模块，基于所述用户的特征信息中各所述特征域对应的所述预设数量的特征信息，获取所述用户的特征信息中所述多个特征域中各特征域的第一重要性参数；采用所述第一重要性处理模块，基于所述用户的特征信息中各特征域的第一特征表达以及各特征域的第一重要性参数，获取所述用户的重要性特征表达。4.根据权利要求2所述的方法，其中，采用所述用户特征生成模型中的第一N阶交叉处理模块，根据所述用户的特征信息，获取所述用户的特征信息的第2阶到第N阶中各阶的用户交叉处理特征，包括：采用所述第一N阶交叉处理模块，基于所述用户的特征信息包括的多个特征域中各特征域的信息，获取所述用户的特征信息中各特征域的特征表达；采用所述第一N阶交叉处理模块，基于所述用户的特征信息中各所述特征域的特征表达，获取所述用户的特征信息的第2阶的用户交叉处理特征；采用所述第一N阶交叉处理模块，基于所述用户的特征信息的第i
‑
1阶的用户交叉处理特征和所述第i阶的用户交叉处理特征，获取所述用户的特征信息的第i阶的用户交叉处理
特征；所述i为大于1小于或者等于N的正整数。5.根据权利要求1所述的方法，其中，基于预先训练的资源特征生成模型，获取资源库中各资源的特征表达，包括：对于各所述资源，采用所述资源特征生成模型中的第二重要性处理模块，根据所述资源的特征信息，获取所述资源的重要性特征表达；采用所述资源特征生成模型中的第二N阶交叉处理模块，根据所述资源的特征信息，获取所述资源的第2阶到第N阶中各阶的资源交叉处理特征；所述N为大于1的正整数；基于所述资源的重要性特征表达、所述第2阶到所述第N阶中各阶的资源交叉处理特征，获取所述资源的融合特征；采用所述资源特征生成模型中的第二特征生成模块，基于所述资源的融合特征，获取所述资源的特征表达。6.根据权利要求5所述的方法，其中，采用所述资源特征生成模型中的第二重要性处理模块，根据所述资源的特征信息，获取所述资源的重要性特征表达，包括：采用所述第二重要性处理模块，基于所述资源的特征信息包括的多个特征域中各特征域的信息，获取所述资源的特征信息中各特征域的第二特征表达；采用所述第二重要性处理模块，基于所述资源的特征信息中各特征域的第二特征表达，获取所述资源的特征信息中各所述特征域对应的预设数量的特征信息；采用所述第二重要性处理模块，基于所述资源的特征信息中各所述特征域对应的所述预设数量的特征信息，获取所述资源的特征信息中所述多个特征域中各特征域的第二重要性参数；采用所述第二重要性处理模块，基于所述资源的特征信息中各特征域的第二特征表达以及各特征域的第二重要性参数，获取所述资源的重要性特征表达。7.根据权利要求5所述的方法，其中，采用所述资源特征生成模型中的第二N阶交叉处理模块，根据所述资源的特征信息，获取所述资源的特征信息的第2阶到第N阶中各阶的资源交叉处理特征，包括：采用所述第二N阶交叉处理模块，基于所述资源的特征信息包括的多个特征域中各特征域的信息，获取所述资源的特征信息中各特征域的特征表达；采用所述第二N阶交叉处理模块，基于所述资源的特征信息中各所述特征域的特征表达，获取所述资源的特征信息的第2阶的资源交叉处理特征；采用所述第二N阶交叉处理模块，基于所述资源的特征信息的第i
‑
1阶的资源交叉处理特征和所述第i阶的资源交叉处理特征，获取所述资源的特征信息的第i阶的资源交叉处理特征；所述i为大于1小于或者等于N的正整数。8.一种模型训练方法，包括：获取训练数据，所述训练数据中包括训练用户的特征信息和为所述训练用户推荐的训练资源的特征信息；所述训练用户为所述训练资源所属垂类业务的新用户或者低活用户；基于所述训练数据，对用户特征生成模型以及资源特征生成模型进行联合训练，所述用户特征生成模型包括第一重要性处理模块、第一N阶交叉处理模块和第一特征生成模块；所述资源特征生成模型包括第二重要性处理模块、第二N阶交叉处理模块和第二特征生成模块。
9.根据权利要求8所述的方法，其中，基于所述训练数据，对用户特征生成模型以及资源特征生成模型进行联合训练，包括：基于所述训练数据中的所述训练用户的特征信息和所述用户特征生成模型，获取所述训练用户的特征表达；基于所述训练数据中的所述训练资源的特征信息和所述资源特征生成模型，获取所述训练资源的特征表达；基于所述训练用户的特征表达和所述训练资源的特征表达，构建损失函数；若所述损失函数不收敛，调整所述用户特征生成模型和所述资源特征生成模型的参数。10.根据权利要求9所述的方法，其中，基于所述训练数据中的所述训练用户的特征信息和所述用户特征生成模型，获取所述训练用户的特征表达，包括：采用所述用户特征生成模型中的第一重要性处理模块，根据所述训练用户的特征信息，获取所述训练用户的重要性特征表达；采用所述用户特征生成模型中的第一N阶交叉处理模块，根据所述训练用户的特征信息，获取第2阶到第N阶中各阶的训练用户交叉处理特征；所述N为大于1的正整数；基于所述训练用户的重要性特征表达、所述第2阶到所述第N阶中各阶的训练用户交叉处理特征，获取所述训练用户的融合特征；采用所述用户特征生成模型中的第一特征生成模块，基于所述训练用户的融合特征，获取所述训练用户的特征表达。11.根据权利要求9所述的方法，其中，基于所述训练数据中的所述训练资源的特征信息和所述资源特征生成模型，获取所述训练资源的特征表达，包括：采用所述资源特征生成模型中的第二重要性处理模块，根据所述训练资源的特征信息，获取所述训练资源的重要性特征表达；采用所述资源特征生成模型中的第二N阶交叉处理模块，根据所述训练资源的特征信息，获取所述训练资源的第2阶到第N阶中各阶的资源交叉处理特征；所述N为大于1的正整数；基于所述训练资源的重要性特征表达、所述第2阶到所述第N阶中各阶的资源交叉处理特征，获取所述训练资源的融合特征；采用所述资源特征生成模型中的第二特征生成模块，基于所述训练资源的融合特征，获取所述训练资源的特征表达。12.一种资源推荐装置，包括：信息获取模块，用于获取当前垂类业务中要进行资源推荐的用户的特征信息，所述用户的特征信息包括所述用户的适用于所有垂类业务的基本特征信息；所述用户为所述当前垂类业务的新用户或者低...
【专利技术属性】
技术研发人员：吴祺尧，刘庆，郝昌臻，
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：
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。