[发明专利]多目标推荐模型的训练及信息推荐方法以及装置

说明书

本说明书公开了一种多目标推荐模型的训练及信息推荐方法以及装置，所述训练方法包括：获取多个训练样本及各训练样本对应的标签；将多个训练样本输入多个共享特征网络，得到各训练样本中的多个子特征，至少两个共享特征网络具有不同的网络结构；将各训练样本中的多个子特征输入各业务目标对应的任务网络，得到各训练样本在多个业务目标分别对应的多个预测结果；基于各训练样本在业务目标对应的预测结果及子标签以及业务目标对应的损失函数，通过反向传播调整业务目标对应的任务网络的网络参数；基于各训练样本在多个业务目标分别对应的多个预测结果及多个子标签以及各业务目标对应的损失函数，通过反向传播调整各共享特征网络的网络参数。

技术领域

本说明书涉及人工智能技术领域，尤其涉及一种多目标推荐模型的训练及信息推荐方法以及装置。

背景技术

在对用户进行信息推荐的场景中，为了向用户推荐符合用户兴趣的对象（如商品、应用平台提供给用户的优惠、视频广告等），就需要同时优化多个业务目标，例如，用户对推荐对象的点击率和转化率等。通常，对于需要优化的多个业务目标，为每个业务目标均训练一个单独的推荐模型，采用各训练好的推荐模型进行相应业务目标的预测，进一步基于预测结果进行业务目标的优化。

但是，为每个业务目标均训练一个单独的推荐模型，会占用过多的系统资源，且训练效率低。并且，不同业务目标之间的差异会导致不同业务目标对应的推荐模型的训练样本选择存在偏差以及训练数据稀疏等问题，例如，用户点击推荐对象后不一定会发生转化，导致预测用户对推荐对象的点击率的推荐模型的训练样本不足，进而导致训练得到的各个推荐模型无法达到最优平衡。因此，需要一种能够有效集成多个业务目标模型的方案。

发明内容

本说明书一个或多个实施例的目的是提供一种多目标推荐模型的训练及信息推荐方法以及装置，用以使训练得到的多目标推荐模型能够同时对多个业务目标进行预测，实现了多个业务目标的有效集成。

为了解决上述技术问题，本说明书是这样实现的：

第一方面，提出了一种多目标推荐模型的训练方法，包括：

获取多个训练样本及各训练样本对应的标签，所述训练样本的标签中包括所述训练样本在多个业务目标分别对应的多个子标签，所述训练样本包括用户的画像特征和所述用户对应的推荐对象特征；

将所述多个训练样本输入多目标推荐模型中的多个共享特征网络，得到各训练样本中的多个子特征，其中，至少两个共享特征网络具有不同的网络结构；

将各训练样本中的多个子特征输入所述多目标推荐模型中各业务目标对应的任务网络，得到各训练样本在所述多个业务目标分别对应的多个预测结果，其中，所述任务网络包括集成子网络和任务子网络，所述集成子网络用于基于所述训练样本及各个所述共享特征网络从所述训练样本中提取的子特征，输出所述训练样本在所述业务目标对应的业务特征，所述任务子网络基于所述训练样本在所述业务目标对应的业务特征，输出所述训练样本在所述业务目标对应的预测结果；

基于各训练样本在所述业务目标对应的预测结果及子标签以及所述业务目标对应的损失函数，通过反向传播调整所述业务目标对应的集成子网络及任务子网络的网络参数；

基于各训练样本在所述多个业务目标分别对应的多个预测结果及多个子标签以及各业务目标对应的损失函数，通过反向传播调整各共享特征网络的网络参数。

第二方面，提出了一种信息推荐方法，包括：

获取目标用户的画像特征及对应的候选推荐对象特征；

将所述画像特征和所述候选推荐对象特征输入预先训练的多目标推荐模型中的多个共享特征网络，得到多个子特征，其中，至少两个共享特征网络具有不同的网络结构；