[發(fā)明專利]推薦模型的訓練方法、裝置、電子設備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202211615434.3
• 申請日: 2022-12-15
• 公開（公告）號: CN116010689A
• 公開（公告）日: 2023-04-25
• 發(fā)明（設計）人: 田甜
• 申請（專利權(quán)）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(chǎn)權(quán)代理事務所(特殊普通合伙) 11680
• 代理人: 李翠雅

本申請公開了一種推薦模型的訓練方法、裝置、電子設備及存儲介質(zhì)，屬于人工智能技術(shù)領(lǐng)域。該方法包括：獲取第二特征集合和第一特征集合對應的第一編碼集合，第一特征集合中包括至少一個第一信息的特征信息，第一信息為用戶歷史選擇的信息，第二特征集合中包括至少一個第二信息的特征信息，第二信息為推薦信息；根據(jù)第一編碼集合和第二特征集合，從第一特征集合中確定M個目標特征信息，M個目標特征信息為第一特征集合中的特征信息與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M個目標特征信息，訓練推薦模型。

技術(shù)領(lǐng)域

本申請屬于人工智能技術(shù)領(lǐng)域，具體涉及一種推薦模型的訓練方法、裝置、電子設備及存儲介質(zhì)。

背景技術(shù)

目前，用戶在瀏覽電子設備中的視頻或應用時，電子設備可以根據(jù)用戶的選擇，推薦與用戶選擇相關(guān)的內(nèi)容。現(xiàn)有技術(shù)中，電子設備可以獲取用戶的歷史瀏覽記錄，從而根據(jù)數(shù)據(jù)挖掘模型對歷史瀏覽記錄進行數(shù)據(jù)挖掘，以推薦與用戶選擇相關(guān)的內(nèi)容。

然而，上述方法中，用戶的歷史瀏覽記錄是根據(jù)用戶使用電子設備的時長在不斷增加的，電子設備在通過數(shù)據(jù)挖掘模型對歷史瀏覽記錄進行數(shù)據(jù)挖掘時，若歷史瀏覽記錄過多，則導致電子設備通過數(shù)據(jù)挖掘模型進行數(shù)據(jù)挖掘的過程較為耗時，如此，電子設備通過數(shù)據(jù)挖掘模型進行內(nèi)容推薦的效率較低。

發(fā)明內(nèi)容

本申請實施例的目的是提供一種推薦模型的訓練方法、裝置、電子設備及存儲介質(zhì)，能夠解決電子設備通過數(shù)據(jù)挖掘模型進行內(nèi)容推薦的效率較低的問題。

第一方面，本申請實施例提供了一種推薦模型的訓練方法，該推薦模型的訓練方法包括：獲取第二特征集合和第一特征集合對應的第一編碼集合，第一特征集合中包括至少一個第一信息的特征信息，第一信息為用戶歷史選擇的信息，第二特征集合中包括至少一個第二信息的特征信息，第二信息為推薦信息；根據(jù)第一編碼集合和第二特征集合，從第一特征集合中確定M個目標特征信息，M個目標特征信息為第一特征集合中的特征信息與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M個目標特征信息，訓練推薦模型。

第二方面，本申請實施例提供了一種推薦模型的訓練裝置，該推薦模型的訓練裝置包括：獲取模塊、確定模塊和訓練模塊。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，第一特征集合中包括至少一個第一信息的特征信息，第一信息為用戶歷史選擇的信息，第二特征集合中包括至少一個第二信息的特征信息，第二信息為推薦信息。確定模塊，用于根據(jù)第一編碼集合和第二特征集合，從第一特征集合中確定M個目標特征信息，M個目標特征信息為第一特征集合中的特征信息與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。訓練模塊，用于基于M個目標特征信息，訓練推薦模型。

第三方面，本申請實施例提供了一種電子設備，該電子設備包括處理器和存儲器，所述存儲器存儲可在所述處理器上運行的程序或指令，所述程序或指令被所述處理器執(zhí)行時實現(xiàn)如第一方面所述的方法的步驟。

第四方面，本申請實施例提供了一種可讀存儲介質(zhì)，所述可讀存儲介質(zhì)上存儲程序或指令，所述程序或指令被處理器執(zhí)行時實現(xiàn)如第一方面所述的方法的步驟。

第五方面，本申請實施例提供了一種芯片，所述芯片包括處理器和通信接口，所述通信接口和所述處理器耦合，所述處理器用于運行程序或指令，實現(xiàn)如第一方面所述的方法。

第六方面，本申請實施例提供一種計算機程序產(chǎn)品，該程序產(chǎn)品被存儲在存儲介質(zhì)中，該程序產(chǎn)品被至少一個處理器執(zhí)行以實現(xiàn)如第一方面所述的方法。