[發明專利]推薦模型訓練方法及展示內容確定方法、裝置、介質

在審

• 申請號: 202210509093.5
• 申請日: 2022-05-10
• 公開（公告）號: CN114819146A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 靳甲廣;葉文采;吳博
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06Q30/02
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 王輝

1.一種推薦模型訓練方法，其特征在于，所述方法包括：

獲取樣本數據；其中，所述樣本數據包括樣本內容、樣本用戶、以及所述樣本內容與所述樣本用戶的交互信息；

將所述樣本數據輸入第一待訓練模型、第二待訓練模型以及共享模型，得到所述第一待訓練模型、所述第二待訓練模型和所述共享模型各自的隱藏層輸出的隱層特征；其中，所述第一待訓練模型與所述第二待訓練模型具有任務相關關系；所述任務相關關系為通過第一待訓練模型進行篩選，再將篩選后的結果通過第二待訓練模型進行篩選；所述共享模型用于學習所述第一待訓練模型和所述第二待訓練模型的共性特征；

對所述第一待訓練模型的隱層特征與所述共享模型的隱層特征進行融合處理，得到所述第一待訓練模型的第一預測交互信息，根據所述第一預測交互信息和所述樣本數據中的實際交互信息對所述第一待訓練模型進行訓練，得到第一推薦模型；

對所述第二待訓練模型的隱層特征與所述共享模型的隱層特征進行融合處理，得到所述第一待訓練模型的第二預測交互信息，根據所述第二預測交互信息和所述樣本數據中的實際交互信息對所述第二待訓練模型進行訓練，得到第二推薦模型。

2.根據權利要求1所述的方法，其特征在于，所述對所述第一待訓練模型的隱層特征與所述共享模型的隱層特征進行融合處理，得到所述第一待訓練模型的第一預測交互信息的步驟包括：

對所述第一待訓練模型的隱層特征與所述共享模型的隱層特征進行融合處理得到第一融合特征；

根據所述第一融合特征確定所述第一待訓練模型的第一預測交互信息。

3.根據權利要求2所述的方法，其特征在于，所述對所述第一待訓練模型的隱層特征與所述共享模型的隱層特征進行融合處理得到第一融合特征的步驟包括：

根據所述樣本數據確定所述第一待訓練模型的隱層特征對應的融合權重與所述共享模型的隱層特征對應的融合權重；

根據所述第一待訓練模型的隱層特征對應的融合權重、所述第一待訓練模型的隱層特征、所述共享模型的隱層特征對應的融合權重、所述共享模型的隱層特征得到第一融合特征。

4.根據權利要求2所述的方法，其特征在于，所述對第一待訓練模型的隱層特征與所述共享模型的隱層特征進行融合處理得到第一融合特征的步驟包括：

針對所述第一待訓練模型根據所述第一待訓練模型的前一隱藏層的前次融合特征與同層的所述共享模型的前次融合特征得到所述第一待訓練模型當前隱藏層的當前融合特征；

根據所述第一待訓練模型的前次融合特征、同層的所述共享模型的前次融合特征以及第二待訓練模型的前次融合特征得到所述共享模型的當前融合特征；

根據所述第一待訓練模型的當前融合特征與所述共享模型的當前融合特征得到所述第一融合特征。

5.一種展示內容確定方法，其特征在于，所述方法包括：

獲取多個展示內容以及所述展示內容對應的相關信息，將所述展示內容對應的相關信息輸入第一推薦模型得到多個第一篩選展示內容；其中，所述，展示內容對應的相關信息包括展示內容、展示用戶、以及所述展示內容與所述展示用戶的交互信息，所述第一推薦模型是通過如權利要求1-10中任意一項所述的推薦模型訓練方法得到的；

將所述多個第一篩選展示內容輸入第二推薦模型得到多個第二篩選展示內容；其中，所述第二推薦模型是通過如權利要求1-10中任意一項所述的推薦模型訓練方法得到的；

根據所述多個第二篩選展示內容確定所要進行顯示的展示內容。