信息推荐方法、装置及存储介质制造方法及图纸

本公开涉及一种信息推荐方法、装置及存储介质，该方法包括：获取目标用户的用户信息，用户信息包括以下至少一者：用户画像信息、目标商品的商品属性信息以及目标用户与目标商品的交互信息；构建用户信息对应的用户特征向量矩阵；将用户特征向量矩阵输入预先训练完成的意向预测模型，得到目标用户的意向预测标签，其中，意向预测模型是基于教师模型端到端训练得到的多任务模型，意向预测标签包括意向预测模型中每一预测任务对应的预测标签，教师模型对应于意向预测模型中的目标预测任务；根据意向预测标签，确定是否向目标用户发送目标商品对应的推荐信息。不仅可以保证意向预测模型的预测准确性，还有效地降低了意向预测模型的训练时长。

【技术实现步骤摘要】

本公开涉及人工智能领域，尤其涉及一种信息推荐方法、装置及存储介质。

技术介绍

1、随着人工智能技术的发展，机器学习以及人工智能等技术在人们的日常生活愈发常见。在相关技术中，提出了知识蒸馏的模型训练方式，然而，在搜索、推荐等场景下，常常面临模型的上线操作，此时若采用两阶段的训练策略，在进行模型更新时，需等待教师模型更新完成后才可更新学生模型，整个过程较为耗时，且增加上线的操作复杂度，因此，在信息推荐场景下，如何提升信息推荐的准确性的同时降低训练时长，是当前面临的一个难题。

技术实现思路

1、为克服相关技术中存在的问题，本公开提供一种信息推荐方法、装置及存储介质。

2、根据本公开实施例的第一方面，提供一种信息推荐方法，包括：

3、获取目标用户的用户信息，所述用户信息包括以下至少一者：用户画像信息、目标商品的商品属性信息以及所述目标用户与所述目标商品的交互信息；

4、构建所述用户信息对应的用户特征向量矩阵；

5、将所述用户特征向量矩阵输入预先训练完成的意向预测模型，得本文档来自技高网...

【技术保护点】

1.一种信息推荐方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述意向预测模型包括交叉模块、多个Expert模块，以及，分别与每一任务对应的Gate权重层和分别与每一任务对应的Tower层；

3.根据权利要求1所述的方法，其特征在于，所述意向预测模型的训练包括：

4.根据权利要求3所述的方法，其特征在于，所述教师模型还包括校准单元，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，所述根据所述第四损失对所述校准单元进行更新，包括；

6.根据权利要求4所述的方法，其特征在于，所述教师模型还包括纠错单...

【技术特征摘要】

1.一种信息推荐方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述意向预测模型包括交叉模块、多个expert模块，以及，分别与每一任务对应的gate权重层和分别与每一任务对应的tower层；

3.根据权利要求1所述的方法，其特征在于，所述意向预测模型的训练包括：

4.根据权利要求3所述的方法，其特征在于，所述教师模型还包括校准单元，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，所述根据所述第四损失对所述校准单元进行更新，包...

【专利技术属性】
技术研发人员：薛怡蓉，
申请(专利权)人：北京小米移动软件有限公司，
类型：发明
国别省市：