对象推荐模型训练方法、推荐对象确定方法及装置制造方法及图纸

本说明书实施例提供对象推荐模型训练方法、推荐对象确定方法及装置。在每轮模型训练时，确定用户特征的用户特征嵌入表征、目标对象和用户交互对象的对象特征嵌入表征。从用户交互对象的对象特征嵌入表征中解耦出用户兴趣嵌入表征和用户从众嵌入表征；分别根据目标对象的对象特征嵌入表征以及用户特征嵌入表征与用户兴趣嵌入表征和用户从众嵌入表征之间的耦合结果确定目标对象表征、用户兴趣表征和用户从众表征；根据基于用户兴趣表征、用户从众表征与目标对象表征确定出的用户兴趣预测结果和用户从众预测结果调整对象推荐模型的模型参数。的模型参数。的模型参数。

【技术实现步骤摘要】
对象推荐模型训练方法、推荐对象确定方法及装置


[0001]本说明书实施例通常涉及对象推荐领域，尤其涉及对象推荐模型训练方法、推荐对象确定方法及装置。

技术介绍

[0002]随着人工智能技术发展，基于对象推荐模型的对象推荐方案被越来越多地应用于对象推荐场景。对象推荐模型是一种机器学习模型。对象推荐模型通常可以基于序列行为进行模型建模或者基于解耦学习进行模型建模。常见的基于序列行为的建模方案通常仅仅基于历史行为来学习由用户兴趣单一主导的嵌入(embedding)表征，而不会对潜在的各个行为意图进行区分。常见的基于解耦学习的建模方案难以显式地包含对象推荐时的比如用户从众、用户风险偏好等的用户意图。此外，由于缺少带标签数据对这些用户意图进行显式约束，难以在建模中很好地表征这些用户意图。基于序列行为的建模方案以及基于解耦学习的建模方案的上述缺陷，使得上述基于序列行为的建模方案以及基于解耦学习的建模方案不适合应用于一些对象推荐场景，比如，商品智能推荐场景、基金智能推荐场景等。

技术实现思路

[0003]本说明书实施例提供对象推荐模型训练方法、推荐对象确定方法及装置。利用该对象推荐模型训练方案，可以基于用户兴趣以及用户从众心理和用户风险偏好进行对象推荐模型建模，由此提升对象推荐模型的用户理解效果。
[0004]根据本说明书实施例的一个方面，提供一种用于训练对象推荐模型的方法，所述对象推荐模型用于确定是否向用户推荐目标对象，所述方法包括：循环执行下述模型训练过程，直到满足训练结束条件：将用户特征、用户交互对象的对象特征和目标对象的对象特征分别提供给所述对象推荐模型的嵌入层，得到所述用户特征的用户特征嵌入表征、所述用户交互对象的对象特征嵌入表征和所述目标对象的对象特征嵌入表征；经由所述对象推荐模型的解耦层，从所述用户交互对象的对象特征嵌入表征中解耦出分别与用户兴趣和用户从众心理对应的用户兴趣嵌入表征和用户从众嵌入表征；将所述用户特征嵌入表征分别与所述用户兴趣嵌入表征和所述用户从众嵌入表征融合，并将所得到的融合结果和所述目标对象的对象特征嵌入表征分别提供给所述对象推荐模型的表征层得到用户兴趣表征、用户从众表征和目标对象表征；基于所述用户兴趣表征与所述目标对象表征预测用户兴趣预测结果，以及基于所述用户从众表征与所述目标对象表征预测用户从众预测结果；以及响应于不满足所述训练结束条件，基于所述用户兴趣预测结果和所述用户从众预测结果确定总损失函数，并根据所述总损失函数调整所述对象推荐模型的模型参数。
[0005]可选地，在上述方面的一个示例中，所述方法还可以包括：将所述目标对象和所述用户交互对象的对象特征嵌入表征分别提供给所述对象推荐模型的图神经网络来基于对象知识图谱进行图增强处理，得到所述目标对象和所述用户交互对象的经过图增强处理后的对象特征嵌入表征。
[0006]可选地，在上述方面的一个示例中，所述用户交互对象包括至少两个用户交互对象。经由所述对象推荐模型的解耦层，从所述用户交互对象的对象特征嵌入表征中解耦出分别与用户兴趣和用户从众心理对应的用户兴趣嵌入表征和用户从众嵌入表征可以包括：经由所述对象推荐模型的解耦层，从各个用户交互对象的对象特征嵌入表征中解耦出分别与用户兴趣和用户从众心理对应的对象特征嵌入表征分量并进行级联，得到用户兴趣嵌入表征和用户从众嵌入表征。
[0007]可选地，在上述方面的一个示例中，经由所述对象推荐模型的解耦层，从所述用户交互对象的对象特征嵌入表征中解耦出分别与用户兴趣和用户从众心理对应的用户兴趣嵌入表征和用户从众嵌入表征可以包括：经由所述对象推荐模型的解耦层基于无监督机制，从所述用户交互对象的对象特征嵌入表征中解耦出分别与用户兴趣和用户从众心理对应的用户兴趣嵌入表征和用户从众嵌入表征。
[0008]可选地，在上述方面的一个示例中，所述解耦层包括自注意力网络。经由所述对象推荐模型的解耦层，从所述用户交互对象的对象特征嵌入表征中解耦出分别与用户兴趣和用户从众心理对应的用户兴趣嵌入表征和用户从众嵌入表征可以包括：将所述用户交互对象的对象特征嵌入表征提供给所述自注意力网络，以从所述用户交互对象的对象特征嵌入表征中解耦出分别与用户兴趣和用户从众心理对应的用户兴趣嵌入表征和用户从众嵌入表征。
[0009]可选地，在上述方面的一个示例中，基于所述用户兴趣预测结果和所述用户从众预测结果确定总损失函数可以包括：基于所述用户兴趣预测结果确定用户兴趣损失项；基于所述用户从众预测结果确定用户从众损失项；以及根据所述用户兴趣损失项和所述用户从众损失项，确定所述总损失函数。
[0010]可选地，在上述方面的一个示例中，所述目标对象具有基于对象交互历史行为中的交互次数确定的对象热门度，所述用户兴趣损失项基于所述用户兴趣预测结果和所述目标对象的对象热门度确定，以及所述用户从众损失项基于所述用户从众预测结果和所述目标对象的对象热门度确定。
[0011]可选地，在上述方面的一个示例中，将用户特征、用户交互对象的对象特征和目标对象的对象特征分别提供给所述对象推荐模型的嵌入层，得到所述用户特征的用户特征嵌入表征、所述用户交互对象的对象特征嵌入表征和所述目标对象的对象特征嵌入表征可以包括：将用户特征、用户交互对象的对象特征、目标对象的对象特征和用户交互对象的对象类型分别提供给所述对象推荐模型的嵌入层，得到所述用户特征的用户特征嵌入表征、所述用户交互对象的对象特征嵌入表征、所述目标对象的对象特征嵌入表征和所述用户交互对象的对象类型嵌入表征。经由所述对象推荐模型的解耦层，从所述用户交互对象的对象特征嵌入表征中解耦出分别与用户兴趣和用户从众心理对应的用户兴趣嵌入表征和用户从众嵌入表征可以包括：经由所述对象推荐模型的解耦层，从所述用户交互对象的对象特征嵌入表征中解耦出分别与用户兴趣、用户从众心理和用户风险偏好对应的用户兴趣嵌入表征、用户从众嵌入表征和用户风险偏好嵌入表征。将所得到的融合结果和所述目标对象的对象特征嵌入表征分别提供给所述对象推荐模型的表征层得到用户兴趣表征、用户从众表征和目标对象表征可以包括：将所得到的融合结果、所述目标对象的对象特征嵌入表征、所述用户交互对象的对象类型嵌入表征分别提供给所述对象推荐模型的表征层得到用户
兴趣表征、用户从众表征、目标对象表征以及用户风险偏好表征。基于所述用户兴趣预测结果和所述用户从众预测结果确定总损失函数可以包括：基于所述用户兴趣预测结果、所述用户从众预测结果、所述风险偏好嵌入表征和所述用户风险偏好表征确定总损失函数。
[0012]可选地，在上述方面的一个示例中，基于所述用户兴趣预测结果、所述用户从众预测结果、所述风险偏好嵌入表征和所述用户风险偏好表征确定总损失函数可以包括：基于所述用户兴趣预测结果确定用户兴趣损失项；基于所述用户从众预测结果确定用户从众损失项；基于所述风险偏好嵌入表征和所述用户风险偏好表征确定用户风险偏好损失项；以及根据所述用户兴趣损失项、所述用户从众损失项和所述用户风险偏好损失项，确定所述总损失函数。
[0013]可选地，在上述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于训练对象推荐模型的方法，所述对象推荐模型用于确定是否向用户推荐目标对象，所述方法包括：循环执行下述模型训练过程，直到满足训练结束条件：将用户特征、用户交互对象的对象特征和目标对象的对象特征分别提供给所述对象推荐模型的嵌入层，得到所述用户特征的用户特征嵌入表征、所述用户交互对象的对象特征嵌入表征和所述目标对象的对象特征嵌入表征；经由所述对象推荐模型的解耦层，从所述用户交互对象的对象特征嵌入表征中解耦出分别与用户兴趣和用户从众心理对应的用户兴趣嵌入表征和用户从众嵌入表征；将所述用户特征嵌入表征分别与所述用户兴趣嵌入表征和所述用户从众嵌入表征融合，并将所得到的融合结果和所述目标对象的对象特征嵌入表征分别提供给所述对象推荐模型的表征层得到用户兴趣表征、用户从众表征和目标对象表征；基于所述用户兴趣表征与所述目标对象表征预测用户兴趣预测结果，以及基于所述用户从众表征与所述目标对象表征预测用户从众预测结果；以及响应于不满足所述训练结束条件，基于所述用户兴趣预测结果和所述用户从众预测结果确定总损失函数，并根据所述总损失函数调整所述对象推荐模型的模型参数。2.如权利要求1所述的方法，还包括：将所述目标对象和所述用户交互对象的对象特征嵌入表征分别提供给所述对象推荐模型的图神经网络来基于对象知识图谱进行图增强处理，得到所述目标对象和所述用户交互对象的经过图增强处理后的对象特征嵌入表征。3.如权利要求1所述的方法，其中，所述用户交互对象包括至少两个用户交互对象，经由所述对象推荐模型的解耦层，从所述用户交互对象的对象特征嵌入表征中解耦出分别与用户兴趣和用户从众心理对应的用户兴趣嵌入表征和用户从众嵌入表征包括：经由所述对象推荐模型的解耦层，从各个用户交互对象的对象特征嵌入表征中解耦出分别与用户兴趣和用户从众心理对应的对象特征嵌入表征分量并进行级联，得到用户兴趣嵌入表征和用户从众嵌入表征。4.如权利要求1所述的方法，其中，经由所述对象推荐模型的解耦层，从所述用户交互对象的对象特征嵌入表征中解耦出分别与用户兴趣和用户从众心理对应的用户兴趣嵌入表征和用户从众嵌入表征包括：经由所述对象推荐模型的解耦层基于无监督机制，从所述用户交互对象的对象特征嵌入表征中解耦出分别与用户兴趣和用户从众心理对应的用户兴趣嵌入表征和用户从众嵌入表征。5.如权利要求4所述的方法，其中，所述解耦层包括自注意力网络，经由所述对象推荐模型的解耦层，从所述用户交互对象的对象特征嵌入表征中解耦出分别与用户兴趣和用户从众心理对应的用户兴趣嵌入表征和用户从众嵌入表征包括：将所述用户交互对象的对象特征嵌入表征提供给所述自注意力网络，以从所述用户交互对象的对象特征嵌入表征中解耦出分别与用户兴趣和用户从众心理对应的用户兴趣嵌入表征和用户从众嵌入表征。6.如权利要求1到5中任一所述的方法，其中，基于所述用户兴趣预测结果和所述用户从众预测结果确定总损失函数包括：
基于所述用户兴趣预测结果确定用户兴趣损失项；基于所述用户从众预测结果确定用户从众损失项；以及根据所述用户兴趣损失项和所述用户从众损失项，确定所述总损失函数。7.如权利要求6所述的方法，其中，所述目标对象具有基于对象交互历史行为中的交互次数确定的对象热门度，所述用户兴趣损失项基于所述用户兴趣预测结果和所述目标对象的对象热门度确定，以及所述用户从众损失项基于所述用户从众预测结果和所述目标对象的对象热门度确定。8.如权利要求1到5中任一所述的方法，其中，将用户特征、用户交互对象的对象特征和目标对象的对象特征分别提供给所述对象推荐模型的嵌入层，得到所述用户特征的用户特征嵌入表征、所述用户交互对象的对象特征嵌入表征和所述目标对象的对象特征嵌入表征包括：将用户特征、用户交互对象的对象特征、目标对象的对象特征和用户交互对象的对象类型分别提供给所述对象推荐模型的嵌入层，得到所述用户特征的用户特征嵌入表征、所述用户交互对象的对象特征嵌入表征、所述目标对象的对象特征嵌入表征和所述用户交互对象的对象类型嵌入表征，经由所述对象推荐模型的解耦层，从所述用户交互对象的对象特征嵌入表征中解耦出分别与用户兴趣和用户从众心理对应的用户兴趣嵌入表征和用户从众嵌入表征包括：经由所述对象推荐模型的解耦层，从所述用户交互对象的对象特征嵌入表征中解耦出分别与用户兴趣、用户从众心理和用户风险偏好对应的用户兴趣嵌入表征、用户从众嵌入表征和用户风险偏好嵌入表征，将所得到的融合结果和所述目标对象的对象特征嵌入表征分别提供给所述对象推荐模型的表征层得到用户兴趣表征、用户从众表征和目标对象表征包括：将所得到的融合结果、所述目标对象的对象特征嵌入表征、所述用户交互对象的对象类型嵌入表征分别提供给所述对象推荐模型的表征层得到用户兴趣表征、用户从众表征、目标对象表征以及用户风险偏好表征，基于所述用户兴趣预测结果和所述用户从众预测结果确定总损失函数包括：基于所述用户兴趣预测结果、所述用户从众预测结果、所述风险偏好嵌入表征和所述用户风险偏好表征确定总损失函数。9.如权利要求8所述的方法，其中，基于所述用户兴趣预测结果、所述用户从众预测结果、所述风险偏好嵌入表征和所述用户风险偏好表征确定总损失函数包括：基于所述用户兴趣预测结果确定用户兴趣损失项；基于所述用户从众预测结果确定用户从众损失项；基于所述风险偏好嵌入表征和所述用户风险偏好表征确定用户风险偏好损失项；以及根据所述用户兴趣损失项、所述用户从众损失项和所述用户风险偏好损失项，确定所述总损失函数。10.如权利要求9所述的方法，其中，所述用户风险偏好损失项具有加权值，所述加权值用于定义所述用...

【专利技术属性】
技术研发人员：甘淳井，胡斌斌，黄波，赵天宇，张志强，周俊，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：