目标推荐方法及装置制造方法及图纸

本申请涉及人工智能技术领域，提供了一种目标推荐方法及装置。该方法包括：确定与推荐任务存在关联的多个预测任务；在对推荐模型进行包括所述推荐任务和多个预测任务的多任务的多批次训练中：计算每个任务在每个批次中对每个参数的累积梯度；计算每个任务在每个批次中更新每个参数的动量；依据每个任务在每个批次中对每个参数的累积梯度和更新该参数的动量，进行该任务在该批次的下一个批次中该参数的更新；利用所述多任务的多批次训练后的推荐模型进行目标推荐。采用上述技术手段，解决现有技术中，多任务训练后的推荐模型的准确率仍然无法得到保障的问题。然无法得到保障的问题。然无法得到保障的问题。

【技术实现步骤摘要】
目标推荐方法及装置


[0001]本申请涉及人工智能
，尤其涉及一种目标推荐方法及装置。

技术介绍

[0002]推荐系统在当今生活中扮演着不可或缺的作用，在各个需要进行目标推荐的场景中，常利用推荐模型为用户推荐合适的目标，比如网络购物、新闻阅读、和视频观看等场景。为了进一步提升推荐模型的准确率，技术人员也通过多任务训练的方式训练推荐模型，但是该方法并没有取得预期的效果。

技术实现思路

[0003]有鉴于此，本申请实施例提供了一种目标推荐方法、装置、电子设备及计算机可读存储介质，以解决现有技术中，多任务训练后的推荐模型的准确率仍然无法得到保障的问题。
[0004]本申请实施例的第一方面，提供了一种目标推荐方法，包括：确定与推荐任务存在关联的多个预测任务；在对推荐模型进行包括所述推荐任务和多个预测任务的多任务的多批次训练中：计算每个任务在每个批次中对每个参数的累积梯度；计算每个任务在每个批次中更新每个参数的动量；依据每个任务在每个批次中对每个参数的累积梯度和更新该参数的动量，进行该任务在该批次的下一个批次中该参数的更新；利用所述多任务的多批次训练后的推荐模型进行目标推荐。
[0005]本申请实施例的第二方面，提供了一种目标推荐装置，包括：确定模块，被配置为确定与推荐任务存在关联的多个预测任务；第一计算模块，被配置为在对推荐模型进行包括所述推荐任务和多个预测任务的多任务的多批次训练中：计算每个任务在每个批次中对每个参数的累积梯度；第二计算模块，被配置为计算每个任务在每个批次中更新每个参数的动量；更新模块，被配置为依据每个任务在每个批次中对每个参数的累积梯度和更新该参数的动量，进行该任务在该批次的下一个批次中该参数的更新；推荐模块，被配置为利用所述多任务的多批次训练后的推荐模型进行目标推荐。
[0006]本申请实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
[0007]本申请实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
[0008]本申请实施例与现有技术相比存在的有益效果是：因为本申请实施例通过确定与推荐任务存在关联的多个预测任务；在对推荐模型进行包括所述推荐任务和多个预测任务的多任务的多批次训练中：计算每个任务在每个批次中对每个参数的累积梯度；计算每个任务在每个批次中更新每个参数的动量；依据每个任务在每个批次中对每个参数的累积梯度和更新该参数的动量，进行该任务在该批次的下一个批次中该参数的更新；利用所述多
任务的多批次训练后的推荐模型进行目标推荐，因此，采用上述技术手段，可以解决现有技术中，多任务训练后的推荐模型的准确率仍然无法得到保障的问题，进而提高推荐模型推荐目标的准确率，提升用户满意度。
附图说明
[0009]为了更清楚地说明本申请实施例中的技术方案，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它的附图。
[0010]图1是本申请实施例提供的一种目标推荐方法的流程示意图；图2是本申请实施例提供的一种推荐模型训练方法的流程示意图；图3是本申请实施例提供的一种目标推荐装置的结构示意图；图4是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0011]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0012]图1是本申请实施例提供的一种目标推荐方法的流程示意图。图1的目标推荐方法可以由计算机或服务器，或者计算机或服务器上的软件执行。如图1所示，该目标推荐方法包括：S101，确定与推荐任务存在关联的多个预测任务；S102，在对推荐模型进行包括推荐任务和多个预测任务的多任务的多批次训练中：计算每个任务在每个批次中对每个参数的累积梯度；S103，计算每个任务在每个批次中更新每个参数的动量；S104，依据每个任务在每个批次中对每个参数的累积梯度和更新该参数的动量，进行该任务在该批次的下一个批次中该参数的更新；S105，利用多任务的多批次训练后的推荐模型进行目标推荐。
[0013]本申请实施例在每个批次训练中，均计算各个任务对于每个参数的累积梯度和动量，根据各个任务对于每个参数的累积梯度和动量，分别进行各个任务中对于每个参数的更新。该方法通过分离每个参数在每个任务的累积梯度来平衡不同任务在每个参数上的影响，相当于增强了推荐任务和多个预测任务各自的独立性，避免推荐任务和多个预测任务之间的干扰，解决了现有的多任务学习中某个任务主导的严重的问题，极大的提升了推荐模型的准确率。
[0014]推荐模型可以是MMOE(Multi
‑
gateMixture
‑
of
‑
Experts)。
[0015]与推荐任务存在关联的多个预测任务，包括：点击率预测任务、转化率预测任务、客单价预测任务和用户浏览时长预测任务；其中，点击率预测任务为预测用户点击目标的概率的任务，转化率预测任务为预测已经点击过目标的用户将产生进一步行为的概率的任
务，客单价预测任务为预测用户支付代价等级的任务，用户浏览时长预测任务为预测用户浏览目标时长的任务。
[0016]比如在电子商务的商品推荐领域，目标为商品，推荐任务是向用户推荐商品的任务，点击率预测任务为预测用户点击商品的概率的任务，转化率预测任务为预测已经点击过商品的用户会购买该商品的概率的任务（购买该商品为将产生比点击行为更进一步的行为），客单价预测任务为预测用户消费水平（支付代价等级）的任务，用户浏览时长预测任务为预测用户浏览商品时长的任务。
[0017]根据本申请实施例提供的技术方案，确定与推荐任务存在关联的多个预测任务；在对推荐模型进行包括推荐任务和多个预测任务的多任务的多批次训练中：计算每个任务在每个批次中对每个参数的累积梯度；计算每个任务在每个批次中更新每个参数的动量；依据每个任务在每个批次中对每个参数的累积梯度和更新该参数的动量，进行该任务在该批次的下一个批次中该参数的更新；利用多任务的多批次训练后的推荐模型进行目标推荐，因此，采用上述技术手段，可以解决现有技术中，多任务训练后的推荐模型的准确率仍然无法得到保障的问题，进而提高推荐模型推荐目标的准确率，提升用户满意度。
[0018]进一步地，计算每个任务在每个批次中对每个参数的累积梯度，包括：计算每个任务在每个批次中对每个参数的梯度的平方；按照第一预设权值对每个任务在每个批次的上一个批本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标推荐方法，其特征在于，包括：确定与推荐任务存在关联的多个预测任务；在对推荐模型进行包括所述推荐任务和多个预测任务的多任务的多批次训练中：计算每个任务在每个批次中对每个参数的累积梯度；计算每个任务在每个批次中更新每个参数的动量；依据每个任务在每个批次中对每个参数的累积梯度和更新该参数的动量，进行该任务在该批次的下一个批次中该参数的更新；利用所述多任务的多批次训练后的推荐模型进行目标推荐。2.根据权利要求1所述的方法，其特征在于，计算每个任务在每个批次中对每个参数的累积梯度，包括：计算每个任务在每个批次中对每个参数的梯度的平方；按照第一预设权值对每个任务在每个批次的上一个批次中对每个参数的累积梯度和该任务在该批次中对该参数的梯度的平方进行加权求和，得到该任务在该批次中对该参数的累积梯度；其中，每个任务在第一批次中对每个参数的累积梯度为该任务在第一批次中对该参数的梯度。3.根据权利要求1所述的方法，其特征在于，计算每个任务在每个批次中更新每个参数的动量，包括：计算每个任务在每个批次中对每个参数的梯度；按照第二预设权值对每个任务在每个批次的上一个批次中更新每个参数的动量和该任务在该批次中对该参数的梯度进行加权求和，得到该任务在该批次中更新该参数的动量；其中，每个任务在第一批次中更新每个参数的动量为预设的初始值。4.根据权利要求1所述的方法，其特征在于，在对推荐模型进行包括所述推荐任务和多个预测任务的多任务的多批次训练中，将所述推荐任务作为主任务，将多个预测任务作为辅助任务，以通过多个预测任务提升所述推荐任务的训练效果。5.根据权利要求1所述的方法，其特征在于，对推荐模型进行包括所述推荐任务和多个预测任务的多任务的多批次训练，包括：按照预设顺序对所述推荐任务和多个预测任务进行排序；按照所述排序后的所述推荐任务和多个预测任务，采用迁移学习的方法依次对所述推荐模型进行训练。6.根据权利要求1所述的方法，其特征在于，在对推荐模型进行包括所述推荐任务和多个预测任务的多任务的多批次训练中：计算每个任务...

【专利技术属性】
技术研发人员：徐琳，王芳，董辉，
申请(专利权)人：深圳须弥云图空间科技有限公司，
类型：发明
国别省市：