[發明專利]內容推薦模型的訓練方法、裝置、服務器及存儲介質

有效

• 申請號: 202210061526.5
• 申請日: 2022-01-19
• 公開（公告）號: CN114417156B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 趙致辰
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/06
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 周清華

本公開關于一種內容推薦模型的訓練方法、裝置、服務器及存儲介質。所述方法包括：在采用樣本推薦信息集合對內容推薦模型進行訓練過程中，若當前樣本為第一樣本賬戶的正樣本，則在樣本推薦信息集合中采樣出第一負樣本，以及第二負樣本；正樣本為第一樣本賬戶交互過的樣本推薦信息；第一負樣本為第二樣本賬戶交互過的樣本推薦信息；第二負樣本由樣本推薦信息集合隨機采樣得到；第二樣本賬戶為樣本賬戶中除第一樣本賬戶的任意賬戶；分別將正樣本、第一負樣本和第二負樣本輸入至內容推薦模型，得到預測推薦順序；基于預測推薦順序與期望推薦順序之間的差異，對內容推薦模型進行訓練。本公開可提高通過對比學習方式訓練得到的內容推薦模型的準確率。

技術領域

本公開涉及信息推薦技術領域，尤其涉及一種內容推薦模型的訓練方法、裝置、服務器及存儲介質。

背景技術

隨著信息推薦技術的發展，出現了一種利用內容推薦模型為用戶推薦信息內容的技術，該推薦模型可以通過對比學習的方式進行訓練，即從樣本池中分別篩選出一部分用戶曾經進行消費行為的信息作為正樣本，以及隨機篩選出部分信息作為負樣本，即可通過對比學習的方式實現推薦模型的訓練。

然而，目前通過對比學習的方式實現內容推薦模型訓練的過程中，負樣本的篩選隨機性較大，因此通過對比學習的方式訓練的內容推薦模型的準確率較低。

發明內容

本公開提供一種內容推薦模型的訓練方法、裝置、電子設備及存儲介質，以至少解決相關技術中通過對比學習的方式訓練的內容推薦模型的準確率較低的問題。本公開的技術方案如下：

根據本公開實施例的第一方面，提供一種內容推薦模型的訓練方法，包括：

在采用樣本推薦信息集合對內容推薦模型進行訓練過程中，若當前樣本為第一樣本賬戶的正樣本，則在所述樣本推薦信息集合中采樣出第一負樣本，以及第二負樣本；所述正樣本為第一樣本賬戶交互過的樣本推薦信息；所述第一負樣本為第二樣本賬戶交互過的樣本推薦信息；所述第二負樣本由所述樣本推薦信息集合隨機采樣得到；所述第一樣本賬戶為樣本賬戶中的任意賬戶，所述第二樣本賬戶為所述樣本賬戶中除第一樣本賬戶的任意賬戶；

分別將所述正樣本、所述第一負樣本和所述第二負樣本輸入至所述內容推薦模型，得到所述第一樣本賬戶的預測推薦順序；

基于所述預測推薦順序與所述第一樣本賬戶的期望推薦順序之間的差異，對所述內容推薦模型進行訓練；所述期望推薦順序為所述正樣本的推薦順序先于所述第一負樣本和所述第二負樣本的推薦順序。

在一示例性實施例中，所述在所述樣本推薦信息集合中采樣出第一負樣本，包括：從第一負樣本集合中采樣得到所述第一負樣本；所述第一負樣本集合由樣本推薦信息集合中，所述第二樣本賬戶交互過的樣本推薦信息組成。

在一示例性實施例中，所述在所述樣本推薦信息集合中采樣出第一負樣本，以及第二負樣本，包括：從所述第一負樣本集合中采樣得到所述第一負樣本，以及從所述樣本推薦信息集合中采樣得到所述第二負樣本；所述第一負樣本的數量與所述第二負樣本的數量之間的比例滿足預設的比例關系。

在一示例性實施例中，所述從第一負樣本集合中采樣得到所述第一負樣本，包括：獲取所述第一負樣本集合包含的各樣本推薦信息對應的出現頻率；所述出現頻率用于表征所述第二樣本賬戶對所述第一負樣本集合中各樣本推薦信息的交互次數；根據所述出現頻率，確定所述第一負樣本集合中各樣本推薦信息的采樣權重，按照所述采樣權重從所述第一負樣本集合中采樣得到所述第一負樣本。