[發明專利]一種由用戶終端執行的推送模型優化方法和裝置

有效

• 申請號: 201911014064.6
• 申請日: 2019-10-23
• 公開（公告）號: CN110766166B
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 陳超超;王力;周俊
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06F16/9536
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 張靜娟;周良玉

1.一種由用戶終端執行的推送模型優化方法，所述終端與第一用戶相對應，所述終端本地包括當前的推送模型，所述推送模型基于矩陣分解方法進行預測，所述方法包括：

從本地獲取第一用戶針對第一對象的評分，其中，所述推送模型中包括所述第一用戶的當前嵌入向量和所述第一對象的當前嵌入向量；

基于所述評分、所述第一用戶的當前嵌入向量和所述第一對象的當前嵌入向量，計算用于優化所述第一對象的嵌入向量的第一梯度向量；

確定所述第一用戶的當前的預定數目的鄰居用戶，其中，所述鄰居用戶與所述第一用戶具有預定關聯關系；

將所述第一梯度向量分別發送給所述預定數目的鄰居用戶各自的終端，以使得每個鄰居用戶的終端基于所述第一梯度向量分別優化其本地的第一對象的嵌入向量；

其中，計算用于優化所述第一對象的嵌入向量的第一梯度向量包括，計算用于優化所述第一對象的嵌入向量的初始梯度向量，通過隨機算法將所述初始梯度向量轉換為第一梯度向量，其中，所述第一梯度向量的元素的符號基于所述初始梯度向量的相應元素的符號確定，所述第一梯度向量的元素絕對值的取值為多個離散數值中的一個數值，其中，所述隨機算法使得所述第一梯度向量的元素的期望值與所述初始梯度向量的相應元素的值相對應。

2.根據權利要求1所述的方法，其中，所述多個離散數值為位數相同的二進制數值。

3.根據權利要求2所述的方法，其中，所述第一用戶的當前嵌入向量和所述第一對象的當前嵌入向量包括的各個元素值都在-1到1之間，所述多個離散數值為0和1。

4.根據權利要求1所述的方法，還包括，在計算用于優化所述第一對象的嵌入向量的初始梯度向量之后，使用所述初始梯度向量優化本地的第一對象的嵌入向量。

5.根據權利要求4所述的方法，所述終端本地記錄有所述推送模型的優化次數，所述方法還包括，在使用所述第一梯度向量更新本地的第一對象的嵌入向量之后，確定所述優化次數是否等于預定數值，在確定所述優化次數等于預定數值的情況中，停止對所述嵌入模型的下一次優化。

6.根據權利要求1所述的方法，其中，所述預定關聯關系為地理位置關聯關系。

7.根據權利要求1所述的方法，還包括，在獲取第一用戶針對第一對象的評分之后，基于所述評分、所述第一用戶的當前嵌入向量和所述第一對象的當前嵌入向量，計算用于優化所述第一用戶的嵌入向量的梯度向量，以優化所述第一用戶的嵌入向量。

8.根據權利要求1所述的方法，其中，所述鄰居用戶為一階鄰居用戶，所述鄰居用戶中包括第二用戶，所述方法還包括，從第二用戶的終端接收用于優化第二對象的梯度向量和該梯度向量對應的鄰居度數，確定所述鄰居度數是否等于預定數值，在確定所述鄰居度數不等于預定數值的情況中，對該鄰居度數加1，并將用于優化第二對象的梯度向量和所述鄰居度數發送給除所述第二用戶之外的一階鄰居用戶的終端。