[發明專利]推薦模型的訓練方法、裝置、電子設備及存儲介質

在審

• 申請號: 202211615434.3
• 申請日: 2022-12-15
• 公開（公告）號: CN116010689A
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 田甜
• 申請（專利權）人: 維沃移動通信有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/08
• 代理公司: 北京遠志博慧知識產權代理事務所(特殊普通合伙) 11680
• 代理人: 李翠雅

1.一種推薦模型的訓練方法，其特征在于，所述方法包括：

獲取第二特征集合和第一特征集合對應的第一編碼集合，所述第一特征集合中包括至少一個第一信息的特征信息，所述第一信息為用戶歷史選擇的信息，所述第二特征集合中包括至少一個第二信息的特征信息，所述第二信息為推薦信息；

根據所述第一編碼集合和所述第二特征集合，從所述第一特征集合中確定M個目標特征信息，所述M個目標特征信息為所述第一特征集合中的特征信息與所述第二特征集合中的特征信息匹配度超過預設閾值的特征信息；

基于所述M個目標特征信息，訓練推薦模型。

2.根據權利要求1所述的方法，其特征在于，所述獲取第一特征集合對應的第一編碼集合，包括：

對所述第一特征集合中的每個第一特征信息進行向量化處理，得到第一向量，所述第一向量為每個所述第一特征信息對應的向量；

將所述第一向量劃分為N個子空間，每個子空間中包括至少一個第二向量，每個第二向量為所述第一向量中的部分向量，N為大于1的整數；

獲取每個所述子空間中的K個第三向量，每個第三向量用于表征所述至少一個第二向量所屬的類別，K為正整數；

對所述K個第三向量進行編碼處理，并將編碼后的所述每個子空間中的K個第三向量合并，得到所述第一特征集合對應的第一編碼集合。

3.根據權利要求2所述的方法，其特征在于，所述獲取所述每個子空間中的K個第三向量，包括：

分別計算每個子空間中的第四向量與K個初始向量之間的距離均值，得到K個第一均值，所述K個初始向量為任一第二向量，所述第四向量為所述至少一個第二向量中除所述K個初始向量以外的向量；

將所述K個第一均值對應的目標向量，確定為所述K個第三向量，所述目標向量為所述K個第一均值對應的2K個向量中除所述K個初始向量以外的向量。

4.根據權利要求1所述的方法，其特征在于，所述根據所述第一編碼集合和第二特征集合，從所述第一特征集合中確定M個目標特征信息，包括：

獲取所述第二特征集合對應的第二編碼集合；

根據所述第二編碼集合和所述第一編碼集合之間的距離，從所述第一特征集合中確定M個目標特征信息。

5.根據權利要求4所述的方法，其特征在于，所述根據所述第二編碼集合和所述第一編碼集合之間的距離，從所述第一特征集合中確定M個目標特征信息，包括：

分別獲取所述第二編碼集合中的每個第一碼值與所述第一編碼集合之間的至少一組目標值，每組目標值用于表征一個所述第一碼值與所述第二編碼集合之間的相似度；

對每組目標值中的每個目標值進行排序，得到每組目標值中的L個目標值，所述L個目標值為每組目標值對應的所述第一碼值與所述第一編碼集合之間的相似度超過預設閾值的目標值，L為預設數量；

針對于每組目標值，根據L個目標值，從所述第一編碼集合中確定出L個目標值對應的L個第二碼值，并根據L個第二碼值，從所述第一特征集合中確定L個目標特征信息；

對每組目標值對應的所述L個目標特征信息進行合并，得到M個目標特征信息。

6.一種推薦模型的訓練裝置，其特征在于，所述裝置包括：獲取模塊、確定模塊和訓練模塊；

所述獲取模塊，用于獲取第二特征集合和第一特征集合對應的第一編碼集合，所述第一特征集合中包括至少一個第一信息的特征信息，所述第一信息為用戶歷史選擇的信息，所述第二特征集合中包括至少一個第二信息的特征信息，所述第二信息為推薦信息；

所述確定模塊，用于根據所述第一編碼集合和所述第二特征集合，從所述第一特征集合中確定M個目標特征信息，所述M個目標特征信息為所述第一特征集合中的特征信息與所述第二特征集合中的特征信息匹配度超過預設閾值的特征信息；

所述訓練模塊，用于基于所述M個目標特征信息，訓練推薦模型。