【技术实现步骤摘要】
本申请涉及人工智能领域，尤其涉及一种模型训练和数据推荐方法、装置、设备、介质及程序产品。
技术介绍
1、随着计算机技术与搜索技术的发展，各种网站或者论坛都开始具备内容推荐功能。
2、在实际应用中，推荐模型在训练过程中通常是使用全量的样本数据进行训练，在损失函数的选择上一般是使用均匀采样的softmax函数。即在训练过程中使用全量样本数据的损失函数训练模型的各项参数，这样导致训练出来的推荐模型只学习到通用特征，使得推荐结果与具体的应用场景无法结合，即推荐效果不行。比如在某一个游戏商城的训练模型中，由于商城可能大量充斥着置顶的游戏皮肤，如果对其一视同仁的进行采样，那么推荐模型很有可能学习到的都是通用的皮肤特征表达，而没有其他商品的特征表达，导致推荐效果只会推荐游戏皮肤，无法满足个性化的推荐。
3、因此目前亟需一种提高推荐效果的方法。
技术实现思路
1、本申请实施例提供了一种模型训练以及数据推荐方法、装置、设备、介质以及程序产品，用于提高推荐模型的推荐效果。
...
【技术保护点】
1.一种模型训练方法，其特征在于，包括：
2.根据权重要求1所述的方法，其特征在于，调用所述初始推荐模型的输入层对所述第一特征数据、所述第二特征数据以及所述对象数据进行特征嵌入，以得到第一特征向量包括：
3.根据权重要求2所述的方法，其特征在于，调用所述初始推荐模型的网络层对所述第一特征向量进行特征提取，以得到第二特征向量包括：
4.根据权利要求3所述的方法，其特征在于，所述调用所述初始推荐模型的全连接层、门控循环网络以及多头兴趣网络对所述第四特征向量进行特征提取，以得到第八特征向量包括：
5.根据权利要求1至4中任一项...
【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：
2.根据权重要求1所述的方法，其特征在于，调用所述初始推荐模型的输入层对所述第一特征数据、所述第二特征数据以及所述对象数据进行特征嵌入，以得到第一特征向量包括：
3.根据权重要求2所述的方法，其特征在于，调用所述初始推荐模型的网络层对所述第一特征向量进行特征提取，以得到第二特征向量包括：
4.根据权利要求3所述的方法，其特征在于，所述调用所述初始推荐模型的全连接层、门控循环网络以及多头兴趣网络对所述第四特征向量进行特征提取，以得到第八特征向量包括：
5.根据权利要求1至4中任一项所述的方法，其特征在于，基于所述预推荐对象、所述样本标签和所述第二对象计算第一损失包括：
6.根据权利要求5所述的方法，其特征在于，基于所述第一特征向量获取所述预推荐对象与所述第二对象的余弦相似度包括：
7.根据权利要求5所述的方法，其特征在于，根据所述余弦相似度确定所述预推荐对象与所述第二对象的相关性结果包...
【专利技术属性】
技术研发人员：谭莲芝，
申请(专利权)人：腾讯科技深圳有限公司，
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。