[发明专利]一种用于信息推荐的样本数据生成方法和相关装置

说明书

本申请实施例公开一种基于人工智能的用于信息推荐的样本数据生成方法和相关装置，获取来自多产品领域的用户行为数据以构建原始训练数据集，并将原始训练数据集进行向量化处理，得到多个产品领域中每个产品领域的初始用户行为特征向量。将多个产品领域中的待扩充产品领域分别作为目标产品领域，根据每个产品领域的初始用户行为特征向量，生成目标产品领域对应的样本数据候选集。将样本数据候选集中的样本数据与原始训练数据集中的用户行为数据进行混合，得到目标训练数据集，以通过目标训练数据集训练目标产品领域的推荐模型。该方法可以平衡不同产品领域的样本比例，提升推荐模型的训练效果，进而提升小样本产品领域的推荐效果。

技术领域

本申请涉及计算机领域，特别是涉及一种用于信息推荐的样本数据生成方法和相关装置。

背景技术

随着互联网的发展，信息快速增长，如何对信息进行有效的筛选和过滤，将用户感兴趣的信息，比如电影、商品或者食物等信息，准确地推荐给用户是一个重要的研究题目。

目前的推荐方法通常是基于某一个具体产品或者具体应用程序(Application，APP)下的，其用户往往是该产品或APP的目标用户，因此用户圈层是受限的。另外，即使考虑到基于多个产品或APP实现推荐方法，由于不同产品的用户行为日志的数量差别很大，如果将不同数量的用户行为日志放一起训练一个多目标模型，也无法得到有效的模型训练。

因此，目前用于信息推荐的推荐模型的训练效果比较差，进而导致信息推荐效果并不好，尤其是小数据量产品的信息推荐效果难以满足用户的需求。

发明内容

为了解决上述技术问题，本申请提供了一种基于人工智能的用于信息推荐的样本数据生成方法，联合在多产品领域的用户行为数据，通过生产伪样本，生成更多样本数据来平衡不同产品领域的样本比例，提升推荐模型的训练效果，进而提升小样本产品领域的推荐效果。

本申请实施例公开了如下技术方案：

一方面，本申请实施例提供一种用于信息推荐的样本数据生成方法，所述方法包括：

获取多个产品领域的用户行为数据，构建原始训练数据集；

根据所述原始训练数据集进行向量化处理，得到所述多个产品领域中每个产品领域的初始用户行为特征向量；

将所述多个产品领域中的待扩充产品领域分别作为目标产品领域，根据所述每个产品领域的初始用户行为特征向量，生成所述目标产品领域对应的样本数据候选集；

将所述样本数据候选集中的样本数据与原始训练数据集中的用户行为数据进行混合，得到目标训练数据集，所述目标训练数据集用于训练所述目标产品领域的推荐模型。

另一方面，本申请实施例提供一种用于信息推荐的样本数据生成装置，所述装置包括获取单元、确定单元、生成单元和混合单元：

所述获取单元，用于获取多个产品领域的用户行为数据，构建原始训练数据集；

所述确定单元，用于根据所述原始训练数据集进行向量化处理，得到所述多个产品领域中每个产品领域的初始用户行为特征向量；

所述生成单元，用于将所述多个产品领域中的待扩充产品领域分别作为目标产品领域，根据所述每个产品领域的初始用户行为特征向量，生成所述目标产品领域对应的样本数据候选集；

所述混合单元，用于将所述样本数据候选集中的样本数据与原始训练数据集中的用户行为数据进行混合，得到目标训练数据集，所述目标训练数据集用于训练所述目标产品领域的推荐模型。

另一方面，本申请实施例提供一种用于信息推荐的样本数据生成设备，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；