[發(fā)明專利]一種推薦模型訓(xùn)練方法及裝置

在審

• 申請?zhí)枺?/td>: 202210055661.9
• 申請日: 2022-01-18
• 公開（公告）號: CN114428880A
• 公開（公告）日: 2022-05-03
• 發(fā)明（設(shè)計）人: 賀甜甜;胡元元
• 申請（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06F16/735
• 分類號: G06F16/735;G06F16/738;G06F16/783
• 代理公司: 北京柏杉松知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11413
• 代理人: 項京;高鶯然

本公開提供了一種推薦模型訓(xùn)練方法及裝置，涉及計算機技術(shù)領(lǐng)域，尤其涉及大數(shù)據(jù)和深度學(xué)習(xí)技術(shù)領(lǐng)域。具體實現(xiàn)方案為：獲取多目標(biāo)融合推薦模型；在驗證參數(shù)的基礎(chǔ)上，疊加多組不同的參數(shù)擾動，得到多組探索參數(shù)；獲取每組探索參數(shù)對應(yīng)的用戶反饋數(shù)據(jù)和推薦視頻場景數(shù)據(jù)，并獲取驗證參數(shù)對應(yīng)的用戶反饋數(shù)據(jù)和推薦視頻場景數(shù)據(jù)；計算用戶反饋獎勵值和視頻推薦場景獎勵值；針對每組探索參數(shù)，基于用戶反饋獎勵值和視頻推薦場景獎勵值計算總獎勵值；確定優(yōu)選探索參數(shù)，并根據(jù)優(yōu)選探索參數(shù)對應(yīng)的參數(shù)擾動調(diào)整模型參數(shù)。最終在保障視頻推薦場景符合預(yù)期目標(biāo)的情況下，提升用戶的觀看時長和觀看體驗，且無需人為制定復(fù)雜的偏序規(guī)則，降低實現(xiàn)復(fù)雜度。

技術(shù)領(lǐng)域

本公開涉及計算機技術(shù)領(lǐng)域，尤其涉及大數(shù)據(jù)和深度學(xué)習(xí)技術(shù)領(lǐng)域。

背景技術(shù)

視頻流推薦系統(tǒng)中的排序模塊通常針對點擊率、完播率、互動數(shù)目等多目標(biāo)建模優(yōu)化，多目標(biāo)的融合成為多目標(biāo)建模后重要的一環(huán)，融合不同目標(biāo)進(jìn)而對視頻資源進(jìn)行打分排序，直接決定最終的推薦結(jié)果。

發(fā)明內(nèi)容

本公開提供了一種推薦模型訓(xùn)練方法及裝置。

根據(jù)本公開的一方面，提供了一種推薦模型訓(xùn)練方法，包括：

獲取多目標(biāo)融合推薦模型，所述多目標(biāo)融合推薦模型包含多個待調(diào)整的模型參數(shù)；

將當(dāng)前的模型參數(shù)確定為驗證參數(shù)，在所述驗證參數(shù)的基礎(chǔ)上，疊加多組不同的參數(shù)擾動，得到多組探索參數(shù)；

獲取每組探索參數(shù)對應(yīng)的用戶反饋數(shù)據(jù)和推薦視頻場景數(shù)據(jù)，并獲取所述驗證參數(shù)對應(yīng)的用戶反饋數(shù)據(jù)和推薦視頻場景數(shù)據(jù)；

針對每組探索參數(shù)，根據(jù)該組探索參數(shù)對應(yīng)的用戶反饋數(shù)據(jù)和所述驗證參數(shù)對應(yīng)的用戶反饋數(shù)據(jù)計算用戶反饋獎勵值，并根據(jù)該組探索參數(shù)對應(yīng)的推薦視頻場景數(shù)據(jù)和所述驗證參數(shù)對應(yīng)的推薦視頻場景數(shù)據(jù)計算視頻推薦場景獎勵值；

針對每組探索參數(shù)，基于該組探索參數(shù)對應(yīng)的用戶反饋獎勵值和視頻推薦場景獎勵值計算總獎勵值；

根據(jù)所述總獎勵值確定優(yōu)選探索參數(shù)，并根據(jù)所述優(yōu)選探索參數(shù)對應(yīng)的參數(shù)擾動調(diào)整所述模型參數(shù)。

根據(jù)本公開的一方面，提供了一種視頻推薦方法，包括：

確定目標(biāo)用戶和候選視頻；

根據(jù)所述目標(biāo)用戶和每一候選視頻，確定融合因子和融合特征；

將所述融合因子和融合特征輸入預(yù)先訓(xùn)練的多目標(biāo)融合推薦模型，得到每一候選視頻的推薦分?jǐn)?shù)；

基于所述推薦分?jǐn)?shù)為所述目標(biāo)用戶推薦候選視頻。

根據(jù)本公開的一方面，提供了一種推薦模型訓(xùn)練裝置，包括：

第一獲取模塊，用于獲取多目標(biāo)融合推薦模型，所述多目標(biāo)融合推薦模型包含多個待調(diào)整的模型參數(shù)；

擾動模塊，用于將當(dāng)前的模型參數(shù)確定為驗證參數(shù)，在所述驗證參數(shù)的基礎(chǔ)上，疊加多組不同的參數(shù)擾動，得到多組探索參數(shù)；

第二獲取模塊，用于獲取每組探索參數(shù)對應(yīng)的用戶反饋數(shù)據(jù)和推薦視頻場景數(shù)據(jù)，并獲取所述驗證參數(shù)對應(yīng)的用戶反饋數(shù)據(jù)和推薦視頻場景數(shù)據(jù)；

第一計算模塊，針對每組探索參數(shù)，根據(jù)該組探索參數(shù)對應(yīng)的用戶反饋數(shù)據(jù)和所述驗證參數(shù)對應(yīng)的用戶反饋數(shù)據(jù)計算用戶反饋獎勵值，并根據(jù)該組探索參數(shù)對應(yīng)的推薦視頻場景數(shù)據(jù)和所述驗證參數(shù)對應(yīng)的推薦視頻場景數(shù)據(jù)計算視頻推薦場景獎勵值；

第二計算模塊，用于針對每組探索參數(shù)，基于該組探索參數(shù)對應(yīng)的用戶反饋獎勵值和視頻推薦場景獎勵值計算總獎勵值；

調(diào)整模塊，用于根據(jù)所述總獎勵值確定優(yōu)選探索參數(shù)，并根據(jù)所述優(yōu)選探索參數(shù)對應(yīng)的參數(shù)擾動調(diào)整所述模型參數(shù)。