[發(fā)明專利]資源推薦模型的訓(xùn)練方法、資源推薦方法、裝置及服務(wù)器

有效

• 申請(qǐng)?zhí)枺?/td>: 202111000280.2
• 申請(qǐng)日: 2021-08-27
• 公開(kāi)（公告）號(hào): CN113704613B
• 公開(kāi)（公告）日: 2023-03-24
• 發(fā)明（設(shè)計(jì)）人: 廖一橋
• 申請(qǐng)（專利權(quán)）人: 北京達(dá)佳互聯(lián)信息技術(shù)有限公司
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F18/25;G06F18/214;G06F18/24
• 代理公司: 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11138
• 代理人: 寧立存

本公開(kāi)關(guān)于一種資源推薦模型的訓(xùn)練方法、資源推薦方法、裝置及服務(wù)器，屬于人工智能技術(shù)領(lǐng)域。方法包括：從多個(gè)資源類別中，確定新增行為特征對(duì)應(yīng)的第一資源類別，新增行為特征是基于新增行為數(shù)據(jù)確定的；確定第一資源類別對(duì)應(yīng)的第一類別特征，將新增行為特征與第一類別特征進(jìn)行融合，得到第一資源類別更新后的第一類別特征；基于多個(gè)資源類別對(duì)應(yīng)的類別特征，確定資源推薦模型的第一樣本特征，多個(gè)資源類別對(duì)應(yīng)的類別特征包括第一資源類別更新后的第一類別特征，基于第一樣本特征訓(xùn)練資源推薦模型，資源推薦模型用于向任一用戶賬號(hào)推薦資源。上述方案在提高了訓(xùn)練資源推薦模型的準(zhǔn)確率的同時(shí)，還降低了存儲(chǔ)壓力和處理壓力。

技術(shù)領(lǐng)域

本公開(kāi)涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種資源推薦模型的訓(xùn)練方法、資源推薦方法、裝置及服務(wù)器。

背景技術(shù)

隨著互聯(lián)網(wǎng)的發(fā)展，多種資源展示應(yīng)用應(yīng)運(yùn)而生，每個(gè)資源展示應(yīng)用會(huì)為用戶推薦其感興趣的資源以提高用戶粘度。并且為了提高推薦準(zhǔn)確率，通?；谫Y源推薦模型進(jìn)行資源推薦，這就需要先訓(xùn)練出準(zhǔn)確的資源推薦模型。

行為特征對(duì)資源推薦模型的訓(xùn)練具有重要的指導(dǎo)意義，行為特征是根據(jù)用戶的行為數(shù)據(jù)生成的，能夠表示用戶對(duì)資源進(jìn)行的行為，能夠體現(xiàn)用戶對(duì)資源的興趣。訓(xùn)練資源推薦模型時(shí)所用的行為特征越多，資源推薦模型的準(zhǔn)確率越高，但是這就需要存儲(chǔ)大量的行為特征，并在進(jìn)行訓(xùn)練時(shí)讀取大量的行為特征，會(huì)造成較大的存儲(chǔ)壓力和處理壓力。因此如何在根據(jù)較多的行為特征訓(xùn)練資源推薦模型的同時(shí)降低存儲(chǔ)壓力和處理壓力，成為亟待解決的問(wèn)題。

發(fā)明內(nèi)容

本公開(kāi)提供一種資源推薦模型的訓(xùn)練方法、資源推薦方法、裝置及服務(wù)器，以在提高訓(xùn)練資源推薦模型的準(zhǔn)確率的同時(shí)，還降低存儲(chǔ)壓力和處理壓力。本公開(kāi)的技術(shù)方案如下：

根據(jù)本公開(kāi)實(shí)施例的第一方面，提供一種資源推薦模型的訓(xùn)練方法，包括：

從多個(gè)資源類別中，確定新增行為特征對(duì)應(yīng)的第一資源類別，所述新增行為特征是基于新增行為數(shù)據(jù)確定的，所述新增行為數(shù)據(jù)是基于用戶賬號(hào)對(duì)資源的操作生成的，所述第一資源類別為所述資源所屬的類別；其中，每個(gè)資源類別與不同的類別特征對(duì)應(yīng)，每個(gè)所述類別特征是每個(gè)所述資源類別對(duì)應(yīng)的歷史行為特征分別融合得到的，所述歷史行為特征是根據(jù)歷史行為數(shù)據(jù)確定的；

確定所述第一資源類別對(duì)應(yīng)的第一類別特征，將所述新增行為特征與所述第一類別特征進(jìn)行融合，得到所述第一資源類別更新后的第一類別特征；

基于所述多個(gè)資源類別對(duì)應(yīng)的類別特征，確定資源推薦模型的第一樣本特征，所述多個(gè)資源類別對(duì)應(yīng)的類別特征包括所述第一資源類別更新后的第一類別特征，基于所述第一樣本特征訓(xùn)練所述資源推薦模型，所述資源推薦模型用于向任一用戶賬號(hào)推薦資源。

在一些實(shí)施例中，每個(gè)資源類別對(duì)應(yīng)的類別特征存儲(chǔ)于所述資源類別對(duì)應(yīng)的桶中，所述將所述新增行為特征與所述第一類別特征進(jìn)行融合，得到所述第一資源類別更新后的第一類別特征，包括：

從所述多個(gè)資源類別對(duì)應(yīng)的桶中，確定所述第一資源類別對(duì)應(yīng)的第一桶；

從所述第一桶中提取所述第一類別特征；

將所述新增行為特征與所述第一類別特征進(jìn)行融合，得到所述第一資源類別更新后的第一類別特征，將更新后的第一類別特征存儲(chǔ)于所述第一桶中。

在一些實(shí)施例中，所述新增行為特征包括多個(gè)維度的新增子特征；

每個(gè)資源類別與不同的桶對(duì)應(yīng)，且每個(gè)桶與不同的維度對(duì)應(yīng)，每個(gè)所述桶用于存儲(chǔ)所述資源類別下，屬于所述桶對(duì)應(yīng)的維度的類別子特征；且每個(gè)資源類別對(duì)應(yīng)的類別特征包括所述多個(gè)維度的類別子特征；

所述將所述新增行為特征與所述第一類別特征進(jìn)行融合，得到所述第一資源類別更新后的第一類別特征，將更新后的第一類別特征存儲(chǔ)于所述第一桶中，包括：