[發明專利]推薦模型訓練方法、裝置、終端設備及存儲介質

在審

• 申請號: 202011382255.0
• 申請日: 2020-12-01
• 公開（公告）號: CN112446507A
• 公開（公告）日: 2021-03-05
• 發明（設計）人: 王健宗;李澤遠;朱星華
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06N20/20
• 分類號: G06N20/20
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 張全文

本申請適用于人工智能技術領域，提供了一種推薦模型訓練方法、裝置、終端設備及存儲介質，該方法包括：根據模型訓練指令查詢目標推薦模型；根據模型訓練標簽查詢訓練參與對象，對訓練參與對象進行狀態檢測，根據狀態檢測結果對訓練參與對象進行篩選；將目標推薦模型發送至訓練參與對象進行模型訓練，對訓練參與對象中模型訓練后的模型參數進行參數聚合得到聚合參數，根據聚合參數對目標推薦模型進行參數更新；若參數更新后的目標推薦模型滿足收斂條件，則將參數更新后的目標推薦模型輸出。本申請通過訓練參與對象的狀態檢測結果進行對象篩選，以去除忙碌狀態下的訓練參與對象，提高了目標推薦模型訓練的準確性。此外，本申請還涉及區塊鏈技術。

技術領域

本申請涉及人工智能領域，尤其涉及一種推薦模型訓練方法、裝置、終端設備及存儲介質。

背景技術

近年來，“人工智能”成為媒體和社交的高頻詞，尤其是在教育領域，人工智能教育機器人一出現就吸引了不少家長的目光，人工智能教育機器人可以和孩子隨時隨地地自由對話，甚至還能中英雙語無障礙翻譯。由于現在人工智能教育機器人設備規模已經達到了千萬個，面對用戶量的暴增，現階段的教育機器人還存在很多缺陷，如存在用戶信息被竊取、接收信息慢、答非所問、操作失靈等問題，降低了用戶的體驗度，加之現代社會的教育體系越來越注重學生的素質教育，更關注學生的全面發展、個性發展，所以在面對擁有不同的興趣愛好和性格特征的學生時，人工智能教育機器人如何以一種安全可靠的方式進行模型的快速訓練，為每個用戶進行個性化的學習計劃推薦定制是一個亟待解決的問題。因此，聯邦學習技術應運而生。

聯邦學習在進行推薦模型訓練的同時，能有效的保障每個用戶的隱私，但現有的聯邦學習使用過程中，是基于預先設定的訓練參與對象對推薦模型進行聯邦訓練，當預先設定的訓練參與對象處于忙碌狀態時，不能有效的進行模型訓練和模型參數的反饋，進而導致推薦模型的聯邦訓練效率低下。

發明內容

有鑒于此，本申請實施例提供了一種推薦模型訓練方法、裝置、終端設備及存儲介質，以解決現有技術的推薦模型進行聯邦訓練過程中，由于預先設定的訓練參與對象處于忙碌狀態不能有效的進行模型訓練和模型參數反饋，所導致的推薦模型的聯邦訓練效率低下的問題。

本申請實施例的第一方面提供了一種推薦模型訓練方法，包括：

接收模型訓練指令，并根據所述模型訓練指令查詢目標推薦模型；

根據所述模型訓練指令中的模型訓練標簽查詢訓練參與對象，對查詢到的所述訓練參與對象進行狀態檢測，并根據狀態檢測結果對所述訓練參與對象進行篩選，所述模型訓練標簽用于表征所述目標推薦模型的類型；

將所述目標推薦模型發送至篩選后的所述訓練參與對象進行模型訓練，并分別獲取篩選后的所述訓練參與對象中的模型參數；

對獲取到的所述模型參數進行參數聚合，得到聚合參數，并根據所述聚合參數對所述目標推薦模型進行參數更新；

若參數更新后的所述目標推薦模型滿足收斂條件，則將參數更新后的所述目標推薦模型輸出。

進一步地，所述根據所述模型訓練指令中的模型訓練標簽查詢訓練參與對象，對查詢到的所述訓練參與對象進行狀態檢測，并根據狀態檢測結果對所述訓練參與對象進行篩選，包括：

根據所述模型訓練指令中的模型訓練標簽進行對象查詢，得到所述訓練參與對象，并分別獲取所述訓練參與對象的使用狀態，所述使用狀態包括對應所述訓練參與對象的空閑時間和空閑內存；

獲取所述模型訓練指令中預設的模型訓練條件，并根據所述模型訓練條件和所述訓練參與對象的使用狀態對所述訓練參與對象進行篩選，所述模型訓練條件用于判斷所述訓練參與對象的使用狀態是否能參與所述目標推薦模型的訓練。

進一步地，所述根據所述模型訓練條件和所述訓練參與對象的使用狀態對所述訓練參與對象進行篩選，包括：