[發明專利]物品推薦模型的訓練方法、物品篩選方法、裝置和設備

在審

• 申請號: 202111246631.8
• 申請日: 2021-10-26
• 公開（公告）號: CN113850654A
• 公開（公告）日: 2021-12-28
• 發明（設計）人: 汪加林;吳歡歡;丁卓冶
• 申請（專利權）人: 北京沃東天駿信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張娜;黃健

1.一種物品推薦模型的訓練方法，其特征在于，包括：

獲取推薦模型中預設的預測任務，所述預測任務的數量至少為兩個；

根據輸入至推薦模型的用戶特征和物品特征，得到每個預測任務的用戶向量和物品向量，所述用戶特征用于指示用戶與物品發生的交互行為和用戶信息，所述物品特征用于指示物品的屬性信息；

根據每個預測任務的用戶向量、物品向量和預設樣本標簽，確定每個預測任務的損失函數；

根據每個預測任務的損失函數，獲取所述推薦模型的目標損失函數；

根據所述目標損失函數，獲取訓練完成的推薦模型，所述訓練完成的推薦模型用于預測用戶對不同物品的偏好度。

2.根據權利要求1所述的方法，其特征在于，所述根據輸入至推薦模型的用戶特征和物品特征，得到每個預測任務的用戶向量和物品向量，包括：

獲取所述用戶特征的特征域和所述物品特征的特征域；

根據所述用戶特征的特征域和所述物品特征的特征域，將所述用戶特征劃分得到用戶對稱特征和用戶非對稱特征，以及將所述物品特征劃分得到物品對稱特征和物品非對稱特征；

根據所述用戶對稱特征和用戶非對稱特征，得到每個預測任務的用戶對稱向量和用戶非對稱向量，作為所述用戶向量；

根據所述物品對稱特征和所述物品非對稱特征，得到每個預測任務的物品對稱向量和物品非對稱向量，作為物品向量。

3.根據權利要求2所述的方法，其特征在于，所述根據輸入至推薦模型的用戶特征和物品特征，得到每個預測任務的用戶向量和物品向量，包括：

根據預測任務的數量，在所述推薦模型中構建得到目標數量的多層感知機，所述多層感知機用于進行特征建模；

確定每個預測任務的用戶對稱特征、用戶非對稱特征、物品對稱特征和物品非對稱特征分別對應的多層感知機；

利用對應的多層感知機，分別對每個預測任務的用戶對稱特征、用戶非對稱特征進行建模，得到每個預測任務對應的用戶特征向量和用戶非對稱特征向量；

利用對應的多層感知機，分別對每個預測任務的物品對稱特征和物品非對稱特征進行建模，得到每個預測任務的物品對稱向量和物品非對稱向量。

4.根據權利要求3所述的方法，其特征在于，所述根據每個預測任務的用戶向量、物品向量和預設樣本標簽，確定每個預測任務的損失函數，包括：

將每個預測任務的用戶對稱向量與用戶非對稱向量進行拼接，得到每個預測任務的第一用戶拼接向量；

將每個預測任務的物品對稱向量與物品非對稱向量進行拼接，得到每個預測任務的第一物品拼接向量；

根據每個預測任務的第一用戶拼接向量和第一物品拼接向量，確定每個預測任務對應的損失函數。

5.根據權利要求4所述的方法，其特征在于，所述將每個預測任務的用戶對稱向量與用戶非對稱向量進行拼接，得到每個預測任務的第一用戶拼接向量，包括：

將每個預測任務的用戶對稱向量與用戶非對稱向量進行拼接，得到拼接之后的第一拼接向量；

在所述第一拼接向量中加入第一預設維度，得到每個預測任務的第一用戶拼接向量。

6.根據權利要求4所述的方法，其特征在于，所述將每個預測任務的物品對稱向量與物品非對稱向量進行拼接，得到每個預測任務的第一物品拼接向量，包括：

將每個預測任務的物品對稱向量與物品非對稱向量進行拼接，得到拼接之后的第二拼接向量；

在所述第二拼接向量中加入第二預設維度，得到每個預測任務的第一物品拼接向量。

7.根據權利要求6所述的方法，其特征在于，所述根據每個預測任務的第一用戶拼接向量和第一物品拼接向量，確定每個預測任務對應的損失函數，包括：

對每個預測任務的第一用戶拼接向量、第一物品拼接向量進行內積，得到第一內積結果；

根據預設激活函數和所述第一內積結果，計算每個預測任務的預測值；

根據預設交叉熵函數、所述預測值和預設樣本標簽，確定每個預測任務的損失函數。