[發明專利]基于人工智能的遷移模型的訓練方法、裝置及存儲介質

有效

• 申請號: 201911330104.8
• 申請日: 2019-12-20
• 公開（公告）號: CN111026970B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 繆暢宇
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N20/00
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 劉暉銘;張穎玲

1.一種基于人工智能的遷移模型的訓練方法，其特征在于，所述遷移模型包括：預測模型、映射模型，所述預測模型包括：用戶特征提取層、內容特征提取層和特征預測層，所述方法包括：

獲取第一推薦領域的第一推薦對象樣本的用戶數據向量和內容數據向量；

通過所述映射模型中的編碼模型，對所述內容數據向量進行編碼處理，得到對應的編碼向量，所述編碼向量用于表征第二推薦領域的第二推薦對象樣本的內容數據向量，所述第二推薦對象樣本標注有用于表征所述第二推薦對象樣本的目標交互特征；

通過所述內容特征提取層，對所述編碼向量進行內容特征提取，得到相應的映射特征；

通過所述用戶特征提取層，對所述用戶數據向量進行用戶特征提取，得到對應的用戶特征；

通過所述特征預測層，基于所述映射特征及所述用戶特征，進行交互特征預測，得到對應所述第一推薦對象樣本的交互特征，所述交互特征用于供結合所述第一推薦對象樣本的內容特征進行內容推薦；

獲取所述目標交互特征與所述第一推薦對象樣本的交互特征的差異，并基于獲取的所述差異，更新所述遷移模型的模型參數。

2.如權利要求1所述的方法，其特征在于，所述方法還包括：

獲取所述第二推薦對象樣本的用戶數據向量、交互數據向量和內容數據向量；

分別對獲取的所述第二推薦對象樣本的用戶數據向量、交互數據向量和內容數據向量進行特征提取，得到對應的第二推薦對象樣本的用戶特征、交互數據特征和內容特征；

通過所述特征預測層，基于所述第二推薦對象樣本的用戶特征、所述第二推薦對象樣本的交互數據特征及所述第二推薦對象樣本的內容特征，進行交互特征預測，得到對應所述第二推薦對象樣本的交互特征；

獲取所述目標交互特征與所述第二推薦對象樣本的交互特征的差異，并基于獲取的所述差異，更新所述預測模型的模型參數。

3.如權利要求2所述的方法，其特征在于，所述預測模型還包括交互特征提取層；所述分別對獲取的所述第二推薦對象樣本的用戶數據向量、交互數據向量和內容數據向量進行特征提取，得到對應的第二推薦對象樣本的用戶特征、交互特征和內容特征，包括：

通過所述用戶特征提取層，對所述第二推薦對象樣本的用戶數據向量進行用戶特征提取，得到第二推薦對象樣本的用戶特征；

通過所述交互特征提取層，對所述第二推薦對象樣本的交互數據向量進行交互特征提取，得到第二推薦對象樣本的交互數據特征；

通過所述內容特征提取層，對所述第二推薦對象樣本的內容數據向量進行內容特征提取，得到第二推薦對象樣本的內容特征。

4.如權利要求1所述的方法，其特征在于，所述預測模型歸屬于回歸模型，所述通過所述特征預測層，基于所述映射特征及所述用戶特征，進行交互特征預測，得到對應所述第一推薦對象樣本的交互特征，包括：

通過所述特征預測層，基于所述映射特征及所述用戶特征，調用回歸函數進行回歸處理，得到所述第一推薦對象樣本的交互特征。

5.如權利要求1所述的方法，其特征在于，所述預測模型歸屬于分類模型，所述通過所述特征預測層，基于所述映射特征及所述用戶特征，進行交互特征預測，得到對應所述第一推薦對象樣本的交互特征，包括：

通過所述特征預測層，基于所述映射特征及所述用戶特征，對所述第一推薦對象樣本的交互特征進行分類預測，得到所述第一推薦對象樣本的交互特征。

6.如權利要求1所述的方法，其特征在于，所述映射模型包括：編碼模型和解碼模型，所述方法還包括：

通過所述編碼模型，對所述第一推薦對象樣本的內容數據向量進行編碼處理，得到用于表征所述第二推薦對象樣本的內容數據向量的編碼向量；

對所述編碼向量進行解碼處理，得到用于表征所述第一推薦對象樣本的內容數據向量的解碼向量；

獲取所述編碼向量與所述第二推薦對象樣本的內容數據向量之間的第一差異，以及所述第一推薦對象樣本的內容數據向量與所述解碼向量之間的第二差異；

基于所述第一差異及所述第二差異，更新所述映射模型的模型參數。