[發(fā)明專利]基于人工智能的多目標推薦模型的訓練方法及裝置

有效

• 申請?zhí)枺?/td>: 202010214210.6
• 申請日: 2020-03-24
• 公開（公告）號: CN111090756B
• 公開（公告）日: 2020-07-17
• 發(fā)明（設計）人: 劉劍;劉鴻;陳凱;夏鋒
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/435
• 分類號: G06F16/435;G06F16/45;G06K9/62
• 代理公司: 北京派特恩知識產(chǎn)權代理有限公司 11270
• 代理人: 王花麗;張穎玲

本發(fā)明提供了一種基于人工智能的多目標推薦模型的訓練方法、裝置、電子設備及存儲介質(zhì)；方法包括：獲取多目標推薦模型的訓練樣本，該訓練樣本標注有與交互特征相對應的至少兩個標簽；該交互特征包括第一交互特征及至少一個第二交互特征，第二交互特征的采樣時間窗口大于第一交互特征的采樣時間窗口；將訓練樣本分別輸入至少一個教師模型；通過至少一個教師模型，分別對訓練樣本進行第二交互特征預測，得到相應的預測結(jié)果；基于得到的預測結(jié)果，更新訓練樣本中相應第二交互特征的標簽，得到更新至少一個標簽后的訓練樣本；基于更新至少一個標簽后的訓練樣本，訓練多目標推薦模型；通過本發(fā)明，能夠提高多目標推薦模型的預測精度。

技術領域

本發(fā)明涉及人工智能技術領域，尤其涉及一種基于人工智能的多目標推薦模型的訓練方法、裝置、電子設備及存儲介質(zhì)。

背景技術

人工智能（AI，Artificial Intelligence）是利用數(shù)字計算機或者數(shù)字計算機控制的機器模擬、延伸和擴展人的智能，感知環(huán)境、獲取知識并使用知識獲得最佳結(jié)果的理論、方法和技術及應用系統(tǒng)。換句話說，人工智能是計算機科學的一個綜合技術，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應的智能機器。人工智能也就是研究各種智能機器的設計原理與實現(xiàn)方法，使機器具有感知、推理與決策的功能。

推薦系統(tǒng)是人工智能的重要應用分支，在當前的信息流個性化推薦場景中，多目標推薦模型得到了廣泛應用。而多目標推薦模型所針對的多個目標往往存在不同的窗口期，使得基于相同采用窗口所采集的訓練樣本的準確性降低，從而進一步導致基于此類樣本訓練得到的多目標推薦模型的預測精度低。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種基于人工智能的多目標推薦模型的訓練方法、裝置、電子設備及存儲介質(zhì)，能夠提高多目標推薦模型的預測精度，進而提高基于多目標推薦模型的預測結(jié)果進行媒體對象推薦的準確性。

本發(fā)明實施例的技術方案是這樣實現(xiàn)的：

本發(fā)明實施例提供一種基于人工智能的多目標推薦模型的訓練方法，包括：

獲取用于媒體對象推薦的多目標推薦模型的訓練樣本，所述訓練樣本標注有與交互特征相對應的至少兩個標簽；

其中，所述交互特征包括：第一交互特征及至少一個第二交互特征，所述第二交互特征的采樣時間窗口大于所述第一交互特征的采樣時間窗口；

將所述訓練樣本分別輸入至少一個教師模型，每個所述教師模型用于對一個所述第二交互特征進行預測；

通過所述至少一個教師模型，分別對所述訓練樣本進行第二交互特征預測，得到相應的預測結(jié)果；

基于得到的所述至少一個教師模型的預測結(jié)果，更新所述訓練樣本中相應第二交互特征的標簽，得到更新至少一個標簽后的訓練樣本；

基于所述更新至少一個標簽后的訓練樣本，訓練所述多目標推薦模型，

使得所述多目標推薦模型能夠基于輸入的媒體對象，進行對應所述第一交互特征及所述至少一個第二交互特征的特征預測，以基于特征預測結(jié)果對所述媒體對象進行推薦。

本發(fā)明實施例還提供一種基于人工智能的多目標推薦模型的訓練裝置，包括：

獲取模塊，用于獲取用于媒體對象推薦的多目標推薦模型的訓練樣本，所述訓練樣本標注有與交互特征相對應的至少兩個標簽；其中，所述交互特征包括：第一交互特征及至少一個第二交互特征，所述第二交互特征的采樣時間窗口大于所述第一交互特征的采樣時間窗口；

輸入模塊，用于將所述訓練樣本分別輸入至少一個教師模型，每個所述教師模型用于對一個所述第二交互特征進行預測；

預測模塊，用于通過所述至少一個教師模型，分別對所述訓練樣本進行第二交互特征預測，得到相應的預測結(jié)果；