[發(fā)明專利]用戶推薦模型訓(xùn)練方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

有效

• 申請?zhí)枺?/td>: 201910162915.5
• 申請日: 2019-03-06
• 公開（公告）號(hào): CN109902753B
• 公開（公告）日: 2023-01-13
• 發(fā)明（設(shè)計(jì)）人: 蔡成加
• 申請（專利權(quán)）人: 深圳市珍愛捷云信息技術(shù)有限公司
• 主分類號(hào): G06F18/214
• 分類號(hào): G06F18/214;G06F18/24;G06F16/9535
• 代理公司: 暫無信息
• 代理人: 暫無信息

本申請涉及一種用戶推薦模型訓(xùn)練方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。方法包括：從數(shù)據(jù)庫中獲取多個(gè)用戶對(duì)作為訓(xùn)練樣本；根據(jù)用戶對(duì)的互動(dòng)類型確定每個(gè)訓(xùn)練樣本的樣本目標(biāo)值以及樣本目標(biāo)值的目標(biāo)等級(jí)；對(duì)訓(xùn)練樣本的樣本特征進(jìn)行提取，得到對(duì)應(yīng)的樣本特征；將樣本特征輸入至推薦模型，推薦模型通過樣本特征確定各個(gè)訓(xùn)練樣本的排序；當(dāng)各個(gè)訓(xùn)練樣本的排序與目標(biāo)等級(jí)的匹配率達(dá)到預(yù)設(shè)準(zhǔn)確度時(shí)，得到訓(xùn)練好的推薦模型，通過這種方式訓(xùn)練出來的推薦模型，可以將匹配度高的被動(dòng)方作為主動(dòng)方的推薦用戶，從而大幅度的提高了推薦準(zhǔn)確率。

技術(shù)領(lǐng)域

本申請涉及機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，特別是涉及一種用戶推薦模型訓(xùn)練方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著計(jì)算機(jī)技術(shù)的發(fā)展，人工智能技術(shù)也進(jìn)入了飛速發(fā)展的時(shí)期。機(jī)器學(xué)習(xí)是人工智能技術(shù)的分支之一。機(jī)器學(xué)習(xí)通過對(duì)大量數(shù)據(jù)進(jìn)行學(xué)習(xí)，從而可以對(duì)輸入的數(shù)據(jù)進(jìn)行預(yù)測和分類。在互聯(lián)網(wǎng)交友平臺(tái)，也可以通過機(jī)器學(xué)習(xí)實(shí)現(xiàn)用戶推薦。比如可以通過機(jī)器學(xué)習(xí)為新注冊的用戶推薦好友，以增加新用戶的互動(dòng)性以及粘合度。

在傳統(tǒng)技術(shù)中，交友平臺(tái)一般采取的是基于協(xié)同過濾的用戶推薦方法，即根據(jù)用戶的歷史行為數(shù)據(jù)計(jì)算兩兩用戶之間的相似度，然后根據(jù)計(jì)算得到的相似度進(jìn)行推薦。協(xié)同過濾簡單來說是利用某興趣相投、擁有共同經(jīng)驗(yàn)之群體的喜好來推薦用戶感興趣的信息，個(gè)人通過合作的機(jī)制給予信息相當(dāng)程度的回應(yīng)(如評(píng)分)并記錄下來以達(dá)到過濾的目的進(jìn)而幫助別人篩選信息。

然而，這種基于協(xié)同過濾的婚戀推薦方法，存在數(shù)據(jù)稀疏性和冷啟動(dòng)問題，也就是說，大部分用戶之間沒有互動(dòng)行為，并未產(chǎn)生任何聯(lián)系，若是新注冊的用戶則根本沒有歷史交互數(shù)據(jù)，因此這種推薦方法無法為需要用戶推薦真正合適的、適合用戶，推薦的準(zhǔn)確率較低。

發(fā)明內(nèi)容

基于此，有必要針對(duì)上述技術(shù)問題，提供一種能夠提高用戶推薦準(zhǔn)確度的用戶推薦模型訓(xùn)練方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

一種用戶推薦模型訓(xùn)練方法，所述方法包括：

從數(shù)據(jù)庫中獲取多個(gè)用戶對(duì)作為訓(xùn)練樣本；

根據(jù)所述用戶對(duì)的互動(dòng)類型確定每個(gè)訓(xùn)練樣本的樣本目標(biāo)值以及所述樣本目標(biāo)值的目標(biāo)等級(jí)；

對(duì)所述訓(xùn)練樣本的樣本特征進(jìn)行提取，得到對(duì)應(yīng)的樣本特征；

將所述樣本特征輸入至推薦模型，所述推薦模型通過所述樣本特征確定各個(gè)訓(xùn)練樣本的排序；

當(dāng)各個(gè)訓(xùn)練樣本的排序與所述目標(biāo)等級(jí)的匹配率達(dá)到預(yù)設(shè)準(zhǔn)確度時(shí)，得到訓(xùn)練好的推薦模型。

一種用戶推薦模型訓(xùn)練裝置，所述裝置包括：

訓(xùn)練樣本選取模塊，用于從數(shù)據(jù)庫中獲取多個(gè)用戶對(duì)作為訓(xùn)練樣本；

訓(xùn)練目標(biāo)確定模塊，用于根據(jù)所述用戶對(duì)的互動(dòng)類型確定每個(gè)訓(xùn)練樣本的樣本目標(biāo)值以及所述樣本目標(biāo)值的目標(biāo)等級(jí)；對(duì)所述訓(xùn)練樣本的樣本特征進(jìn)行提取，得到對(duì)應(yīng)的樣本特征；

模型訓(xùn)練模塊，用于將所述樣本特征輸入至推薦模型，所述推薦模型通過所述樣本特征確定各個(gè)訓(xùn)練樣本的排序；當(dāng)各個(gè)訓(xùn)練樣本的排序與所述目標(biāo)等級(jí)的匹配率達(dá)到預(yù)設(shè)準(zhǔn)確度時(shí)，得到訓(xùn)練好的推薦模型。

一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)以下步驟：

從數(shù)據(jù)庫中獲取多個(gè)用戶對(duì)作為訓(xùn)練樣本；

根據(jù)所述用戶對(duì)的互動(dòng)類型確定每個(gè)訓(xùn)練樣本的樣本目標(biāo)值以及所述樣本目標(biāo)值的目標(biāo)等級(jí)；

對(duì)所述訓(xùn)練樣本的樣本特征進(jìn)行提取，得到對(duì)應(yīng)的樣本特征；

將所述樣本特征輸入至推薦模型，所述推薦模型通過所述樣本特征確定各個(gè)訓(xùn)練樣本的排序；