[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

本公開涉及計算機技術領域，具體涉及一種推薦模型訓練方法、展示內容確定方法、推薦模型訓練裝置、展示內容確定裝置、計算機可讀存儲介質及電子設備，包括：將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，得到各個模型的隱藏層輸出的隱層特征，對第一待訓練模型的隱層特征與共享模型的隱層特征進行融合處理得到第一預測交互信息，根據第一預測交互信息和實際交互信息進行訓練，對第二待訓練模型的隱層特征與共享模型的隱層特征進行融合處理得到第二預測交互信息，根據第二預測交互信息和實際交互信息進行訓練。通過本公開實施例的技術方案，可以解決具有任務相關關系的兩個模型的一致性較差的問題。

技術領域

本公開涉及計算機技術領域，具體而言，涉及推薦模型訓練方法、展示內容確定方法、推薦模型訓練裝置、展示內容確定裝置、計算機可讀存儲介質及電子設備。

背景技術

隨著互聯網的快速發展，互聯網廣告的覆蓋范圍也越來越廣。在現有技術中，針對某個廣告位而言，可以通過廣告投放引擎從多個廣告中篩選出與用戶匹配的廣告進行顯示。通常來說，篩選廣告的步驟可以包括：定向、召回、粗排、精排等，在各個步驟中，可以通過篩選模型對這些步驟所涉及到的廣告進行篩選，以從多個廣告中篩選出需要展示的廣告。

然而，現有技術中針對不同篩選步驟訓練篩選模型，各篩選模型之間無相關關系，也沒有相互學習的能力。例如，在粗排篩選模型中能夠輸出為待篩選廣告，在召回篩選模型中不能夠輸出為待篩選廣告。即現有技術中的各篩選模型之間的一致性較差，通過各篩選模型得到的所要顯示的廣告的精確度也比較差。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本公開的目的在于提供一種推薦模型訓練方法、推薦模型訓練裝置、展示內容確定方法、展示內容確定裝置、計算機可讀存儲介質、電子設備以及計算機程序產品，可以解決具有任務相關關系的兩個模型的一致性較差的問題。

本公開的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本公開的實踐而習得。

根據本公開的第一方面，提供了一種推薦模型訓練方法，包括：獲取樣本數據；其中，樣本數據包括樣本內容、樣本用戶、以及樣本內容與樣本用戶的交互信息；將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，得到第一待訓練模型、第二待訓練模型和共享模型各自的隱藏層輸出的隱層特征；其中，第一待訓練模型與第二待訓練模型具有任務相關關系；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；共享模型用于學習第一待訓練模型和第二待訓練模型的共性特征；對第一待訓練模型的隱層特征與共享模型的隱層特征進行融合處理，得到第一待訓練模型的第一預測交互信息，根據第一預測交互信息和樣本數據中的實際交互信息對第一待訓練模型進行訓練，得到第一推薦模型；對第二待訓練模型的隱層特征與共享模型的隱層特征進行融合處理，得到第一待訓練模型的第二預測交互信息，根據第二預測交互信息和樣本數據中的實際交互信息對第二待訓練模型進行訓練，得到第二推薦模型。

可選的，基于前述方案，對第一待訓練模型的隱層特征與共享模型的隱層特征進行融合處理，得到第一待訓練模型的第一預測交互信息的步驟包括：對第一待訓練模型的隱層特征與共享模型的隱層特征進行融合處理得到第一融合特征；根據第一融合特征確定第一待訓練模型的第一預測交互信息。

可選的，基于前述方案，對第一待訓練模型的隱層特征與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：根據樣本數據確定第一待訓練模型的隱層特征對應的融合權重與共享模型的隱層特征對應的融合權重；根據第一待訓練模型的隱層特征對應的融合權重、第一待訓練模型的隱層特征、共享模型的隱層特征對應的融合權重、共享模型的隱層特征得到第一融合特征。