推荐模型的训练方法、推荐对象的方法、设备和存储介质技术

本申请公开了一种推荐模型的训练方法、推荐对象的方法、设备和存储介质，属于计算机技术领域。在该方法中，获取样本数据、以及获取该样本数据在延迟的第0天至延迟的第N天中每天的转化标签，通过该N+1个塔分别对该样本数据进行处理，确定出在延迟的第0天至延迟的第N天中每天的预测转化率，基于在延迟的第0天至延迟的第N天中每天的预测转化率、在延迟的第0天至延迟的第N天中每天的转化标签，确定训练损失值，基于该训练损失值对该推荐模型进行参数优化，直至达到收敛条件，得到训练好的目标推荐模型。本申请通过对N天内的样本数据进行回补，减少延迟转化带来的偏差，以提升推荐模型的推荐准确性。

【技术实现步骤摘要】

本申请涉及计算机，特别涉及一种推荐模型的训练方法、推荐对象的方法、设备和存储介质。

技术介绍

1、随着计算机技术与互联网技术的不断发展，出现越来的越多的应用程序，在大部分应用程序中离不开推荐系统，因此需要提高推荐系统的推荐准确性。

2、在目前的推荐系统中，使用推荐模型进行推荐，为了保证推荐的准确性，推荐模型每天基于最新的样本进行训练，但是在许多场景中由于常常存在延迟转化，所以会导致正样本被标记为负样本，从而导致训练得到的推荐模型推荐准确性较差。

技术实现思路

1、本申请提供了一种推荐模型的训练方法、推荐对象的方法、设备和存储介质,能够提升推荐模型的推荐准确性。所述技术方案如下：

2、一方面，提供了一种推荐模型的训练方法，所述推荐模型用于处理转化率预测任务，所述推荐模型包括n+1个塔；所述方法包括：

3、获取样本数据、以及获取所述样本数据在延迟的第0天至延迟的第n天中每天的转化标签；所述样本数据包括目标用户的属性信息和所述目标用户所交互的目标对象的对象信息，所述样本数据在延迟本文档来自技高网...

【技术保护点】

1.一种推荐模型的训练方法，其特征在于，所述推荐模型用于处理转化率预测任务，所述推荐模型包括N+1个塔；所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述通过所述N+1个塔分别对所述样本数据进行处理，分别确定出在延迟的第0天至延迟的第N天中每天的预测转化率，包括：

3.根据权利要求1或2所述的方法，其特征在于，所述目标推荐模型为第T+N+1天部署的推荐模型，所述样本数据包括T+N天内的样本数据；

4.根据权利要求1或2所述的方法，其特征在于，所述推荐模型对应M个任务目标，M为大于或等于2的整数，所述N+1个塔对应所述M个任务目标中的一个任务...

【技术特征摘要】

1.一种推荐模型的训练方法，其特征在于，所述推荐模型用于处理转化率预测任务，所述推荐模型包括n+1个塔；所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述通过所述n+1个塔分别对所述样本数据进行处理，分别确定出在延迟的第0天至延迟的第n天中每天的预测转化率，包括：

3.根据权利要求1或2所述的方法，其特征在于，所述目标推荐模型为第t+n+1天部署的推荐模型，所述样本数据包括t+n天内的样本数据；

4.根据权利要求1或2所述的方法，其特征在于，所述推荐模型对应m个任务目标，m为大于或等于2的整数，所述n+1个塔对应所述m个任务目标中的一个任务目标，所述推荐模型还包括所述m个任务目标中m-1个任务目标对应的(m-1)*(n+1)个塔，所述样本数据在延迟的第0天至延迟的第n天中每天的转化标签包括所述m个任务目标对应的在延迟的第0天至延迟的第n天中每天的转...

【专利技术属性】
技术研发人员：陈飞，马小栓，
申请(专利权)人：腾讯音乐娱乐科技深圳有限公司，
类型：发明
国别省市：