【技术实现步骤摘要】
本公开的实施例涉及计算机，具体涉及模型训练方法、信息生成方法、装置、设备、介质和产品。
技术介绍
1、物品图数据是记录物品和其他物品之间关联关系的图谱。通过物品图数据，可以提供更多的物品相关特征，以用于物品相关任务模型的训练。目前，在对物品相关任务模型进行训练时，通常采用的方式为：使用固定温度系数的神经网络蒸馏方法，或独立考虑图数据中每个节点在教师模型和学生模型中生成的输出向量确定温度系数。
2、然而，专利技术人发现，当采用上述方式对物品相关任务模型进行训练时，经常会存在如下技术问题：相比采用动态温度系数的神经网络蒸馏方法，采用固定温度系数方式训练得到的物品相关任务模型的准确率较低，确定温度系数时独立考虑图数据中每个节点在教师模型和学生模型中生成的输出向量，导致相邻节点之间的温度系数差异较大，造成训练得到的物品相关任务模型的准确率较低。
3、该
技术介绍
部分中所公开的以上信息仅用于增强对本专利技术构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
2、本公开的一些实施例提出了信息生成模型训练方法、信息生成方法、装置、电子设备、计算机可读介质和计算机程序产品，来解决以上
技术介绍
部分提到的技术问题
3、第一方面，本公开的一些实施例提供了一种信息生成模型训练方法，该方法包括：根据获取的物品图数据，对第一初始物品信息生成模型进行训练，得到第一物品信息生成模型，其中，上述第一物品信息生成模型对应有与各个物品节点对应的各个第一预测分向量，上述各个物品节点对应上述物品图数据；基于物品图数据，执行以下训练步骤：对于物品图数据对应的至少一个物品节点中的每个物品节点，根据物品图数据中上述物品节点对应的物品节点数据和第二初始物品信息生成模型，生成对应上述物品节点的初始温度系数，其中，第二初始物品信息生成模型为图神经网络模型；对于上述至少一个物品节点中的每个物品节点，根据对应上述物品节点的各个邻接物品节点的初始温度系数和上述物品节点的初始温度系数，生成对应上述物品节点的温度系数；根据上述各个第一预测分向量、对应上述至少一个物品节点的各个温度系数、第二初始物品信息生成模型对应上述至少一个物品节点的各个第二预测分向量，生成损失值；响应于确定第二初始物品信息生成模型未达到收敛条件，根据上述损失值，调整第二初始物品信息生成模型的网络参数，以及使用未使用过的物品节点的节点数据组成物品图数据，使用调整后的第二初始物品信息生成模型作为第二初始物品信息生成模型，再次执行上述训练步骤。
4、可选地，上述训练步骤还包括：响应于确定第二初始物品信息生成模型达到收敛条件，将第二初始物品信息生成模型确定为训练完成的物品信息生成模型。
5、可选地，上述根据物品图数据中上述物品节点对应的物品节点数据和第二初始物品信息生成模型，生成对应上述物品节点的初始温度系数，包括：响应于确定上述物品节点满足预设条件，将上述物品节点的初始温度系数确定为对应预设温度系数范围的最大预设温度系数，其中，上述预设条件为物品节点对应有标签信息，且上述第一物品信息生成模型对应上述物品节点的预测标签信息满足预设错误条件。
6、可选地，上述根据物品图数据中上述物品节点对应的物品节点数据和第二初始物品信息生成模型，生成对应上述物品节点的初始温度系数，还包括：响应于确定上述物品节点不满足上述预设条件，将上述物品节点数据输入至第二初始物品信息生成模型，得到第二预测分向量；确定上述第二预测分向量中的最大值；根据上述最大值和上述预设温度系数范围，生成对应上述物品节点的初始温度系数。
7、可选地，上述根据对应上述物品节点的各个邻接物品节点的初始温度系数和上述物品节点的初始温度系数，生成对应上述物品节点的温度系数，包括：将上述各个邻接物品节点的初始温度系数的平均值确定为平均初始温度系数；根据上述平均初始温度系数、上述物品节点的初始温度系数和超参数，生成对应上述物品节点的温度系数。
8、可选地，上述根据上述各个第一预测分向量、对应上述至少一个物品节点的各个温度系数、第二初始物品信息生成模型对应上述至少一个物品节点的各个第二预测分向量，生成损失值，包括：对于上述至少一个物品节点中的每个物品节点，执行以下步骤：响应于确定上述物品节点对应有标签信息，根据上述标签信息和对应上述物品节点的第二预测分向量，生成监督损失值；根据对应上述物品节点的温度系数、第一预测分向量和第二预测分向量，生成蒸馏损失值；根据上述监督损失值和上述蒸馏损失值，生成对应上述物品节点的物品节点损失值；将所生成的各个物品节点损失值的和确定为损失值。
9、可选地，方法还包括：对上述物品信息生成模型进行上线处理。
10、第二方面，本公开的一些实施例提供了一种信息生成模型训练装置，装置包括：第一训练单元，被配置成根据获取的物品图数据，对第一初始物品信息生成模型进行训练，得到第一物品信息生成模型，其中，上述第一物品信息生成模型对应有与各个物品节点对应的各个第一预测分向量，上述各个物品节点对应上述物品图数据；第二训练单元，被配置成基于物品图数据，执行以下训练步骤：对于物品图数据对应的至少一个物品节点中的每个物品节点，根据物品图数据中上述物品节点对应的物品节点数据和第二初始物品信息生成模型，生成对应上述物品节点的初始温度系数，其中，第二初始物品信息生成模型为图神经网络模型；对于上述至少一个物品节点中的每个物品节点，根据对应上述物品节点的各个邻接物品节点的初始温度系数和上述物品节点的初始温度系数，生成对应上述物品节点的温度系数；根据上述各个第一预测分向量、对应上述至少一个物品节点的各个温度系数、第二初始物品信息生成模型对应上述至少一个物品节点的各个第二预测分向量，生成损失值；响应于确定第二初始物品信息生成模型未达到收敛条件，根据上述损失值，调整第二初始物品信息生成模型的网络参数，以及使用未使用过的物品节点的节点数据组成物品图数据，使用调整后的第二初始物品信息生成模型作为第二初始物品信息生成模型，再次执行上述训练步骤。
11、可选地，上述训练步骤还包括：响应于确定第二初始物品信息生成模型达到收敛条件，将第二初始物品信息生成模型确定为训练完成的物品信息生成模型。
12、可选地，第二训练单元进一步被配置成：响应于确定上述物品节点满足预设条件，将上述物品节点的初始温度系数确定为对应预设温度系数范围的最大预设温度系数，其中，上述预设条件为物品节点对应有标签信息，且上述第一物品信息生成模型对应上述物品节点的预测标签信息满足预设错误条件。
13、可选地，第二训练单元进一步被配置成：响应于确定上述物品节点不满足上述预设条件，将上述物品节点数据输入至第二初本文档来自技高网...
【技术保护点】
1.一种信息生成模型训练方法，包括：
2.根据权利要求1所述的方法，其中，所述训练步骤还包括：
3.根据权利要求1所述的方法，其中，所述根据物品图数据中所述物品节点对应的物品节点数据和第二初始物品信息生成模型，生成对应所述物品节点的初始温度系数，包括：
4.根据权利要求3所述的方法，其中，所述根据物品图数据中所述物品节点对应的物品节点数据和第二初始物品信息生成模型，生成对应所述物品节点的初始温度系数，还包括：
5.根据权利要求1所述的方法，其中，所述根据对应所述物品节点的各个邻接物品节点的初始温度系数和所述物品节点的初始温度系数，生成对应所述物品节点的温度系数，包括：
6.根据权利要求1所述的方法，其中，所述根据所述各个第一预测分向量、对应所述至少一个物品节点的各个温度系数、第二初始物品信息生成模型对应所述至少一个物品节点的各个第二预测分向量，生成损失值，包括：
7.根据权利要求1-6之一所述的方法，其中，所述方法还包括：
8.一种信息生成方法，包括：
9.根据权利要求8所述的方法，其
10.一种信息生成模型训练装置，包括：
11.一种信息生成装置，包括：
12.一种电子设备，包括：
13.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-7或8-9中任一所述的方法。
14.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7或8-9中任一项所述的方法。
...【技术特征摘要】
1.一种信息生成模型训练方法，包括：
2.根据权利要求1所述的方法，其中，所述训练步骤还包括：
3.根据权利要求1所述的方法，其中，所述根据物品图数据中所述物品节点对应的物品节点数据和第二初始物品信息生成模型，生成对应所述物品节点的初始温度系数，包括：
4.根据权利要求3所述的方法，其中，所述根据物品图数据中所述物品节点对应的物品节点数据和第二初始物品信息生成模型，生成对应所述物品节点的初始温度系数，还包括：
5.根据权利要求1所述的方法，其中，所述根据对应所述物品节点的各个邻接物品节点的初始温度系数和所述物品节点的初始温度系数，生成对应所述物品节点的温度系数，包括：
6.根据权利要求1所述的方法，其中，所述根据所述各个第一预测分向量、对应所述至少一个物品节点的各个温度...
【专利技术属性】
技术研发人员：王朝坤，冯昊，姚普，刘健，崔浩，王三鹏，包勇军，颜伟鹏，朱小坤，
申请(专利权)人：北京京东世纪贸易有限公司，
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。