[發明專利]模型訓練方法及裝置

在審

• 申請號: 201711476205.7
• 申請日: 2017-12-29
• 公開（公告）號: CN108062573A
• 公開（公告）日: 2018-05-22
• 發明（設計）人: 朱泰鵬
• 申請（專利權）人: 廣東歐珀移動通信有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N99/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

本申請實施例公開了一種模型訓練方法及裝置。方法包括：線下系統獲取目標模型的多個類型的特征；生成多個類型的特征的特征組合序列，特征組合序列包括多組特征組合和多個特征組合之間的序列關系，特征組合包括多個類型的特征中的至少一個類型的特征；根據特征組合序列劃分目標模型為多層級模型，多層級模型中每個層級的特征權值與特征組合序列中對應位置的特征組合中的特征相匹配；針對每個層級的特征權值執行預設訓練操作，得到訓練后的目標模型，訓練后的目標模型中的一個或多個層級用于預估目標推薦任務的推薦結果。本申請實施例有利于提高目標模型處理推薦任務的全面性和準確度。

技術領域

本申請涉及移動終端技術領域，具體涉及模型訓練方法及裝置。

背景技術

目前市場上相當一部分個性化推薦模型是基于LR或者RankLR機器學習方法實現的。通過用戶歷史在系統中的行為(點擊、瀏覽、購買、點評……)，訓練機器學習模型。利用訓練好的模型來預估用戶與待推薦物品的相關性分數或者點擊通過率(Click-Through-Rate，CTR)，根據相關性分數或者CTR選取物品向用戶推薦達成個性化推薦的效果。

發明內容

本申請實施例提供了模型訓練方法及裝置，可以提高目標模型處理推薦任務的全面性和準確度。

第一方面，本申請實施例提供一種模型訓練方法，應用于信息推薦系統，所述信息推薦系統包括線下系統，所述線下系統包括目標模型，所述方法包括：

所述線下系統獲取所述目標模型的多個類型的特征；

所述線下系統生成所述多個類型的特征的特征組合序列，所述特征組合序列包括多組特征組合和所述多個特征組合之間的序列關系，所述特征組合包括所述多個類型的特征中的至少一個類型的特征；

所述線下系統根據所述特征組合序列劃分所述目標模型為多層級模型，所述多層級模型中每個層級的特征權值與所述特征組合序列中對應位置的特征組合中的特征相匹配；

所述線下系統針對所述每個層級的特征權值執行預設訓練操作，得到訓練后的目標模型，所述訓練后的目標模型中的一個或多個層級用于預估目標推薦任務的推薦結果。

第二方面，本申請實施例提供一種模型訓練裝置，應用于信息推薦系統，所述信息推薦系統包括線下系統，所述線下系統包括目標模型，所述模型訓練裝置包括獲取單元、生成單元、劃分單元和訓練單元，其中，

所述獲取單元，用于獲取所述目標模型的多個類型的特征；

所述生成單元，用于生成所述多個類型的特征的特征組合序列，所述特征組合序列包括多組特征組合和所述多個特征組合之間的序列關系，所述特征組合包括所述多個類型的特征中的至少一個類型的特征；

所述劃分單元，用于根據所述特征組合序列劃分所述目標模型為多層級模型，所述多層級模型中每個層級的特征權值與所述特征組合序列中對應位置的特征組合中的特征相匹配；

所述訓練單元，用于針對所述每個層級的特征權值執行預設訓練操作，得到訓練后的目標模型，所述訓練后的目標模型中的一個或多個層級用于預估目標推薦任務的推薦結果。

第三方面，本申請實施例提供一種移動終端，包括處理器、存儲器、通信接口以及一個或多個程序，其中，所述一個或多個程序被存儲在所述存儲器中，并且被配置由所述處理器執行，所述程序包括用于執行本申請實施例第一方面任一方法中的步驟的指令。

第四方面，本申請實施例提供了一種計算機可讀存儲介質，其中，所述計算機可讀存儲介質存儲用于電子數據交換的計算機程序，其中，所述計算機程序使得計算機執行如本申請實施例第一方面任一方法中所描述的部分或全部步驟，所述計算機包括移動終端。