[发明专利]信息推荐模型训练方法及装置

说明书

本公开公开了一种信息推荐模型训练方法、装置、电子设备及计算机可读存储介质，其中，所述方法包括：确定与第一用户行为存在条件依赖的至少一种第二用户行为；获取第一用户行为对应的第一嵌入向量；第一嵌入向量为发生第一用户行为的信息对应的嵌入向量；将第一嵌入向量分别与每种第二用户行为对应的第二嵌入向量进行拼接，得到每种第二用户行为对应的第三嵌入向量；第二嵌入向量为发生第二用户行为的信息对应的嵌入向量；根据每种第二用户行为对应的第三嵌入向量分别进行独立训练得到信息推荐模型。本公开通过拼接存在条件依赖的用户行为的嵌入向量，根据拼接后的嵌入向量进行训练得到信息推荐模型，解决了样本数据稀疏性的问题，并提高了信息推荐精度。

技术领域

本公开涉及信息处理技术领域，尤其涉及一种信息推荐模型训练方法、装置、电子设备及计算机可读存储介质。

背景技术

随着互联网技术的飞速发展，人们越来越多地使用个性化推送应用程序(Applicationapp，App)来获取信息，包括新闻、视频等等。这些App除了在用户使用的时候给用户推送感兴趣的信息之外，还可以通过信息推送机制，在用户没有使用app 的时候主动给用户推送定制化的信息。

在现有技术中，往往通过推荐模型预测用户点击信息的行为、或喜欢信息的行为、或关注信息作者的行为该信息的概率，将概率高的信息推送给用户。而在训练推荐模型时需要大量的训练样本，例如，在训练根据点击信息的行为量训练推荐模型时，需要获取足量的点击信息的行为数据对应的样本，在训练根据喜欢信息的行为量训练推荐模型时，需要获取足量的喜欢信息的行为数据对应的样本，在训练根据浏览信息的行为量训练推荐模型时，需要获取足量的浏览信息的行为数据对应的样本，等等。

在实际情况下，喜欢信息的行为及浏览信息的行为对应的样本数据量稀疏，则很难直接训练好，这样就导致训练模型失败，而基于该训练的推荐模型在信息推荐时不够精确。

发明内容

本公开提供一种信息推荐模型训练方法、装置、电子设备及计算机可读存储介质，以至少解决相关技术中信息推荐模型训练失败的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种信息推荐模型训练方法，包括：

确定与第一用户行为存在条件依赖的至少一种第二用户行为；其中，所述条件依赖为所述第二用户行为的执行依赖于所述第一用户行为的执行，所述第一用户行为和所述第二用户行为对所述信息执行不同操作的行为；

获取所述第一用户行为对应的第一嵌入向量；其中，所述第一嵌入向量为发生所述第一用户行为的信息对应的嵌入向量；

将所述第一嵌入向量分别与每种第二用户行为对应的第二嵌入向量进行拼接，得到每种第二用户行为对应的第三嵌入向量；其中，所述第二嵌入向量为发生所述第二用户行为的信息对应的嵌入向量；

根据每种第二用户行为对应的第三嵌入向量分别进行独立训练得到信息推荐模型；其中，所述信息推荐模型用于预估所述信息发生每种第二用户行为的概率。

进一步的，获取用户行为对应的嵌入向量的步骤，包括：

根据历史日志获取用户行为列表；其中，所述用户行为列表中包含发生所述用户行为的信息标识；

根据所述信息标识获取对应信息的信息特征，将多个信息的信息特征形成训练样本集合；

将所述训练样本集合输入嵌入神经网络进行训练，得到所述用户行为对应的嵌入向量。

进一步的，所述根据每种第二用户行为对应的第三嵌入向量分别进行独立训练得到信息推荐模型，包括：

将每种第二用户行为对应的第三嵌入向量输入卷积神经网络；其中，所述卷积神经网络包含至少一个子卷积神经网络，一个子卷积神经网络对应一种用户行为预测子模型；