[發(fā)明專利]基于人工智能的特征處理模型的訓(xùn)練方法及裝置

在審

• 申請?zhí)枺?/td>: 201911422695.1
• 申請日: 2019-12-31
• 公開（公告）號: CN111143693A
• 公開（公告）日: 2020-05-12
• 發(fā)明（設(shè)計）人: 繆暢宇
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 北京派特恩知識產(chǎn)權(quán)代理有限公司 11270
• 代理人: 王姍姍;張穎玲

1.一種基于人工智能的特征處理模型的訓(xùn)練方法，其特征在于，應(yīng)用于內(nèi)容推薦領(lǐng)域或內(nèi)容問答領(lǐng)域，所述方法包括：

基于所述內(nèi)容推薦領(lǐng)域中內(nèi)容推薦數(shù)據(jù)或所述內(nèi)容問答領(lǐng)域中的問答數(shù)據(jù)，獲取樣本對象的特征元素，及對應(yīng)所述特征元素的至少兩個層級元素；

其中，所述層級元素，用于構(gòu)建對應(yīng)所述特征元素的特征層級結(jié)構(gòu)；所述特征層級結(jié)構(gòu)中，上層級的第一層級元素映射至相鄰下層級的至少一個第二層級元素，且所述至少一個第二層級元素的元素信息，用于組合表征所述第一層級元素的元素信息；

對所述特征元素及所述至少兩個層級元素進(jìn)行組合，得到對應(yīng)所述樣本對象的組合特征樣本；

構(gòu)建包括至少兩種組合特征樣本的樣本集合；

基于所述樣本集合，訓(xùn)練特征處理模型，以使所述特征處理模型能夠基于輸入的目標(biāo)對象的組合特征，輸出相應(yīng)的特征組合向量；

其中，所述特征組合向量包括：對應(yīng)所述目標(biāo)對象的特征元素的特征向量，及用于表征所述目標(biāo)對象的特征元素的特征層級結(jié)構(gòu)的層級向量。

2.如權(quán)利要求1所述的方法，其特征在于，所述特征處理模型包括向量轉(zhuǎn)換層及特征映射層，所述基于所述樣本集合，訓(xùn)練特征處理模型，包括：

通過所述向量轉(zhuǎn)換層，對所述樣本集合中的組合特征樣本進(jìn)行向量轉(zhuǎn)換，得到所述組合特征樣本中各個元素對應(yīng)的向量，所述組合特征樣本標(biāo)注有目標(biāo)組合向量；

其中，所述目標(biāo)組合向量由用于表征所述特征元素的特征向量、及用于表征所述特征元素所處特征層級的層級向量組合得到；

通過所述特征映射層，對所述組合特征樣本中各個元素對應(yīng)的向量進(jìn)行映射處理，得到所述組合特征樣本對應(yīng)的特征組合向量；

獲取所述目標(biāo)特征組合向量與所述特征組合向量之間的差異，并基于所述差異更新所述特征處理模型的模型參數(shù)。

3.如權(quán)利要求1所述的方法，其特征在于，所述基于所述內(nèi)容推薦領(lǐng)域中內(nèi)容推薦數(shù)據(jù)或所述內(nèi)容問答領(lǐng)域中的問答數(shù)據(jù)，獲取樣本對象的特征元素，及對應(yīng)所述特征元素的至少兩個層級元素，包括：

基于所述內(nèi)容推薦領(lǐng)域中內(nèi)容推薦數(shù)據(jù)，獲取第一推薦對象樣本的特征元素，及對應(yīng)所述第一推薦對象樣本的特征元素的至少兩個層級元素；所述第一推薦對象樣本的特征元素包括以下至少之一：內(nèi)容特征、用戶特征及交互特征。

4.如權(quán)利要求3所述的方法，其特征在于，所述對所述特征元素及所述至少兩個層級元素進(jìn)行組合，得到對應(yīng)所述樣本對象的組合特征樣本，包括：

當(dāng)所述第一推薦對象樣本的特征元素為內(nèi)容特征時，對所述第一推薦對象樣本的內(nèi)容特征、及用于表征所述內(nèi)容特征的層級結(jié)構(gòu)的第一層級特征進(jìn)行組合，得到所述第一推薦對象樣本的內(nèi)容組合特征；

當(dāng)所述第一推薦對象樣本的特征元素為用戶特征時，對所述第一推薦對象樣本的用戶特征、及用于表征所述用戶特征對應(yīng)的層級結(jié)構(gòu)的第二層級特征組合，得到所述第一推薦對象樣本的用戶組合特征；

當(dāng)所述第一推薦對象樣本的特征元素為交互特征時，對所述第一推薦對象樣本的交互特征、及用于表征所述交互特征對應(yīng)的層級結(jié)構(gòu)的第三層級特征組合，得到所述第一推薦對象樣本的交互組合特征。

5.如權(quán)利要求4所述的方法，其特征在于，所述特征處理模型包括向量轉(zhuǎn)換層及特征映射層，所述基于所述樣本集合，訓(xùn)練特征處理模型之后，所述方法還包括：

通過所述向量轉(zhuǎn)換層，對待推薦對象對應(yīng)的組合特征進(jìn)行向量轉(zhuǎn)換，得到所述組合特征中各個特征對應(yīng)的向量；

通過所述特征映射層，對所述組合特征中各個特征對應(yīng)的向量進(jìn)行映射處理，得到所述組合特征對應(yīng)的映射向量，所述映射向量包括所述待推薦對象對應(yīng)的組合特征對應(yīng)的組合向量；

基于所述映射組合特征向量包括的組合向量，對所述待推薦對象進(jìn)行內(nèi)容推薦。