[发明专利]一种推荐模型的训练方法和训练装置

权利要求书

1.一种推荐模型的训练方法，其特征在于，包括：

获取推荐模型的训练数据，所述训练数据为最近时段产生的数据，所述最近时段具有预定义的时长；

按照预定的训练数据标注规则对所述训练数据进行标注以得到最新标注数据，其中，所述最新标注数据包括所述最近时段发生的推荐结果被展示后的用户反馈，所述用户反馈根据推荐结果被展示后的用户行为来确定；

对所述最新标注数据进行训练以得到推荐模型。

2.根据权利要求1所述的方法，其特征在于，按照预定的训练数据标注规则对所述训练数据进行标注以得到最新标注数据的步骤包括：

从用户行为日志中读取所述最近时段中所述用户在推荐结果被展示后的用户行为的序列；

对所述序列中的每个用户行为，根据预定义的计分规则，为所述用户行为对应的用户-推荐结果关系数据赋予相应的分值；

使用所述分值对所述训练数据进行标注以得到所述最新标注数据。

3.根据权利要求2所述的方法，其特征在于，所述用户行为的序列包括所述用户访问的推荐结果页的标识、时间、流量来源和所述用户在推荐结果详情页的动作及时间戳。

4.根据权利要求2所述的方法，其特征在于，所述计分规则通过下述步骤生成：

从用户行为日志中提取所述用户在推荐结果被展示后的用户行为的序列；

统计所述序列中的行为特征数据以生成训练样本集，所述行为特征数据包括用户对各个推荐结果的行为及各个所述行为花费的时间和相互次序；

根据推荐结果是否被采纳来对所述训练样本集进行标注；

对所述标注后的训练样本集进行训练以得到所述计分规则。

5.根据权利要求4所述的方法，其特征在于，统计所述序列中的行为特征数据包括：

把所述序列按会话划分，并统计所述会话中的行为特征数据。

6.根据权利要求5所述的方法，其特征在于，所述会话划分根据下述规则进行：

若所述用户相邻两个行为的间隔时间大于预定义的最小间隔时间，则判定所述用户开启了一个新的会话；

若所述用户的一个会话的累计时间长度大于预定义的最长会话时间，则判定所述用户开启了一个新的会话。

7.一种推荐模型的训练装置，其特征在于，包括：

数据获取模块，用于获取推荐模型的训练数据，所述训练数据为最近时段产生的数据，所述最近时段具有预定义的时长；

数据标注模块，用于按照预定的训练数据标注规则对所述训练数据进行标注以得到最新标注数据，其中，所述最新标注数据包括所述最近时段发生的推荐结果被展示后的用户反馈，所述用户反馈根据推荐结果被展示后的用户行为来确定；

数据训练模块，用于对所述最新标注数据进行训练以得到推荐模型。

8.根据权利要求7所述的装置，其特征在于，所述数据标注模块还用于：

从用户行为日志中读取所述最近时段中所述用户在推荐结果被展示后的用户行为的序列；

对所述序列中的每个用户行为，根据预定义的计分规则，为所述用户行为对应的用户-推荐结果关系数据赋予相应的分值；

使用所述分值对所述训练数据进行标注以得到所述最新标注数据。

9.根据权利要求8所述的装置，其特征在于，所述用户行为的序列包括所述用户访问的推荐结果页的标识、时间、流量来源和所述用户在推荐结果详情页的动作及时间戳。

10.根据权利要求8所述的装置，其特征在于，还包括：计分规则生成模块，用于通过下述步骤生成所述计分规则：

从用户行为日志中提取所述用户在推荐结果被展示后的用户行为的序列；

统计所述序列中的行为特征数据以生成训练样本集，所述行为特征数据包括用户对各个推荐结果的行为及各个所述行为花费的时间和相互次序；

根据推荐结果是否被采纳来对所述训练样本集进行标注；

对所述标注后的训练样本集进行训练以得到所述计分规则。

11.根据权利要求10所述的装置，其特征在于，所述计分规则生成模块还用于：

把所述序列按会话划分，并统计所述会话中的行为特征数据。