模型训练方法、推荐方法及相关装置制造方法及图纸

本申请实施例公开了一种模型训练方法、推荐方法及相关装置，其中该模型训练方法包括：获取训练标识序列；通过待训练的序列模型，根据训练标识序列，建模得到包括多个样本对象各自对应的预测建模特征的预测特征序列；针对每个样本对象，根据其对应的预测建模特征，确定其对应的预测推荐对象类别；根据其对应的预测建模特征、标签推荐对象的嵌入特征和负相关对象的嵌入特征，确定其对应的综合相关性数据；根据多个样本对象各自对应的预测推荐对象类别生成第一损失函数；根据多个样本对象各自对应的综合相关性数据生成第二损失函数；基于第一损失函数和第二损失函数，训练序列模型，得到目标序列模型。该方法能够减少训练资源的消耗，保证收敛效果。

【技术实现步骤摘要】

本申请涉及人工智能，尤其涉及一种模型训练方法、推荐方法及相关装置。

技术介绍

1、在推荐系统中，建模用户的行为序列是一项非常重要的任务，通过建模用户的行为序列可以了解用户的兴趣、习惯和行为模式，进而可以据此预测用户感兴趣的对象，并进行有针对性的推荐。

2、序列模型是一种用于建模用户的行为序列的有效工具，目前，很多研究将自然语言处理领域中具有较优性能的序列模型（如大语言模型）迁移应用为推荐系统中的推荐模型，以通过该推荐模型进行生成式推荐。具体的，该推荐模型可以先建模用户的行为序列，然后根据建模结果计算用户对于各个候选推荐对象的感兴趣概率，进而据此选出用户感兴趣的候选推荐对象。

3、在实际应用中，推荐系统中候选推荐对象的数量极为庞大，训练推荐模型时，直接使该推荐模型计算用户对于各个候选推荐对象的感兴趣概率，将耗费较多的计算资源、产生沉重的计算负担，并且还会影响推荐模型在训练过程中的收敛效果。

技术实现思路

1、本申请实施例提供了一种模型训练方法、推荐方法及相关装置，能够减少训练序列模型时消本文档来自技高网...

【技术保护点】

1.一种模型训练方法，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，所述通过待训练的序列模型，根据所述训练标识序列建模得到预测特征序列，包括：

3.根据权利要求2所述的方法，其特征在于，所述样本对象的嵌入特征是以所述样本对象的初始嵌入特征为基础训练的；所述样本对象的初始嵌入特征通过以下方式确定：

4.根据权利要求1所述的方法，其特征在于，所述根据所述样本对象对应的预测建模特征，确定所述样本对象对应的预测推荐对象类别，包括：

5.根据权利要求4所述的方法，其特征在于，所述根据所述样本对象对应的预测建模特征，在多个对象类...

【技术特征摘要】

1.一种模型训练方法，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，所述通过待训练的序列模型，根据所述训练标识序列建模得到预测特征序列，包括：

3.根据权利要求2所述的方法，其特征在于，所述样本对象的嵌入特征是以所述样本对象的初始嵌入特征为基础训练的；所述样本对象的初始嵌入特征通过以下方式确定：

4.根据权利要求1所述的方法，其特征在于，所述根据所述样本对象对应的预测建模特征，确定所述样本对象对应的预测推荐对象类别，包括：

5.根据权利要求4所述的方法，其特征在于，所述根据所述样本对象对应的预测建模特征，在多个对象类别中确定出所述样本对象对应的预测推荐对象所属的对象类别，作为所述预测推荐对象类别，包括：

6.根据权利要求4所述的方法，其特征在于，所述根据所述样本对象对应的预测建模特征，在多个对象类别中确定出所述样本对象对应的预测推荐对象所属的对象类别，作为所述预测推荐对象类别，包括：

7.根据权利要求1、或4至6中任一项所述的方法，其特征在于，所述根据所述多个样本对象各自对应的预测推荐对象类别，生成第一损失函数，包括：

8.根据权利要求1所述的方法，其特征在于，所述样本对象对应的负相关对象是通过以下方式确定的：

9.根据权利要求1所述的方法，其特征在...

【专利技术属性】
技术研发人员：叶祺，詹志征，王俊乐，王峰，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：