System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能,尤其涉及一种信息推荐模型的训练、信息推荐方法及相关设备。
技术介绍
1、目前,随着互联网时代的到来,互联网在人们日常的学习、工作和生活中得到广泛的应用。人们日常的各种事务都可以通过互联网来处理和呈现。同时,随着移动互联网的快速发展,各互联网服务提供方通过开发各自的应用程序为用户提供相应的业务服务,用户可以根据各自的实际需求在智能手机中安装相应的应用程序,尤其针对特定专业性用户提供服务的应用程序,例如,金融理财应用、招聘应聘应用、特定领域资讯应用等等。其中,为了提升用户使用体验,确保用户从大量信息中快速查看自己真正感兴趣的相关信息,通常需要为用户进行智能信息推荐,然而,现有的信息推荐过程存在准确度低的问题。
技术实现思路
1、本申请实施例的目的是提供一种信息推荐模型的训练、信息推荐方法及相关设备,能够提高信息推荐的准确度。
2、为了实现上述技术方案,本申请实施例是这样实现的:
3、第一方面,本申请实施例提供的一种信息推荐模型的训练方法,所述方法包括:
4、获取目标用户的多个历史推荐文本样本的特征向量;
5、基于所述特征向量和所述目标用户的用户偏好向量,生成模型训练输入向量;
6、基于所述模型训练输入向量,对待训练的信息推荐模型进行迭代训练,得到所述目标用户的训练后的信息推荐模型。
7、第二方面,本申请实施例提供的一种信息推荐方法,所述方法包括:
8、获取目标用户的训练后的信息推荐模
9、将所述第三特征向量输入至所述信息推荐模型进行用户兴趣度预测,得到所述新增推荐文本的兴趣度预测结果;
10、基于所述兴趣度预测结果,从多个所述新增推荐文本中确定所述目标用户的目标推荐文本。
11、第三方面,本申请实施例提供的一种信息推荐模型的训练装置,所述装置包括:
12、第一获取模块,用于获取目标用户的多个历史推荐文本样本的特征向量;
13、模型输入确定模块,用于基于所述特征向量和所述目标用户的用户偏好向量,生成模型训练输入向量;
14、模型训练模块,用于基于所述模型训练输入向量,对待训练的信息推荐模型进行迭代训练,得到所述目标用户的训练后的信息推荐模型。
15、第四方面,本申请实施例提供的一种信息推荐装置,所述装置包括:
16、第二获取模块,用于获取目标用户的训练后的信息推荐模型;以及获取新增推荐文本的第三特征向量;
17、用户兴趣预测模块,用于将所述第三特征向量输入至所述信息推荐模型进行用户兴趣度预测,得到所述新增推荐文本的兴趣度预测结果;
18、推荐文本确定模块,用于基于所述兴趣度预测结果,从多个所述新增推荐文本中确定所述目标用户的目标推荐文本。
19、第五方面,本申请实施例提供的一种电子设备,所述设备包括:
20、处理器;以及被安排成存储计算机可执行指令的存储器,所述可执行指令被配置由所述处理器执行,所述可执行指令包括用于执行如第一方面或第二方面中所述的方法中的步骤。
21、第六方面,本申请实施例提供的一种计算机可读存储介质,其中,所述存储介质用于存储计算机可执行指令,所述可执行指令使得计算机执行如第一方面或第二方面中所述的方法中的步骤。
22、可以看出,在本申请实施例中,以目标用户作为独立的分析对象,基于目标用户对应的模型训练输入向量进行模型迭代训练,得到目标用户的信息推荐模型,即针对目标用户,为目标用户配置并维护信息推荐模型,并且模型训练输入向量与目标用户的历史推荐文本样本的特征向量和用户偏好向量有关,即在信息推荐模型的训练阶段,考虑了目标用户的用户偏好,使得模型有针对性地学习到了用户偏好信息,这样基于目标用户的信息推荐模型从众多待推荐文本中选取目标推荐文本,能够提高为目标用户进行信息推荐的准确度。
本文档来自技高网...【技术保护点】
1.一种信息推荐模型的训练方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述多个历史推荐文本样本包括历史推荐正样本和历史推荐负样本,所述模型训练输入向量包括所述用户偏好向量、一个所述历史推荐正样本的第一特征向量和多个所述历史推荐负样本的第二特征向量;
3.根据权利要求2所述的方法,其特征在于,所述基于所述用户偏好向量和所述第一特征向量,确定第一损失项,包括:
4.根据权利要求1所述的方法,其特征在于,还包括:
5.根据权利要求4所述的方法,其特征在于,所述确定所述多个历史推荐文本样本中的历史推荐正样本,包括:
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
7.根据权利要求6所述的方法,其特征在于,所述基于所述目标用户的注册信息,从候选推荐样本集合中确定所述目标用户的多个历史推荐文本样本,包括:
8.根据权利要求1所述的方法,其特征在于,所述获取目标用户的多个历史推荐文本样本的特征向量,包括:
9.根据权利要求8所述的方法,其特征在于,所述确定
10.根据权利要求9所述的方法,其特征在于,所述基于各所述关键分词的目标词向量,确定所述候选推荐文本样本的特征向量,包括:
11.一种信息推荐方法,其特征在于,所述方法包括:
12.一种信息推荐模型的训练装置,其特征在于,所述装置包括:
13.一种信息推荐装置,其特征在于,所述装置包括:
14.一种电子设备,其特征在于,所述设备包括:
15.一种计算机可读存储介质,其特征在于,所述存储介质用于存储计算机可执行指令,所述可执行指令使得计算机执行如权利要求1至10任一项或者权利要求11任一项所述的方法。
...【技术特征摘要】
1.一种信息推荐模型的训练方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述多个历史推荐文本样本包括历史推荐正样本和历史推荐负样本,所述模型训练输入向量包括所述用户偏好向量、一个所述历史推荐正样本的第一特征向量和多个所述历史推荐负样本的第二特征向量;
3.根据权利要求2所述的方法,其特征在于,所述基于所述用户偏好向量和所述第一特征向量,确定第一损失项,包括:
4.根据权利要求1所述的方法,其特征在于,还包括:
5.根据权利要求4所述的方法,其特征在于,所述确定所述多个历史推荐文本样本中的历史推荐正样本,包括:
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
7.根据权利要求6所述的方法,其特征在于,所述基于所述目标用户的注册信息,从候选推荐样本集合中确定所述目标用户的多个历史推荐文本...
【专利技术属性】
技术研发人员:丁隆耀,蒋宁,陆全,肖冰,李宽,吕乐宾,
申请(专利权)人:马上消费金融股份有限公司,
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。