[发明专利]推荐模型的训练方法、装置、电子设备及存储介质

说明书

本申请公开了推荐模型的训练方法、装置、电子设备及存储介质，涉及计算机技术领域，具体涉及智能推荐、用户理解、深度学习、大数据处理等人工智能技术领域。具体实现方案：获取样本画像数据和样本推荐数据；生成与样本画像数据对应的画像表示向量；生成与样本推荐数据对应的特征表示向量；根据画像表示向量、特征表示向量，以及教师模型的预测推荐结果训练学生模型，其中，教师模型，是根据样本画像数据所属用户的样本行为数据、样本画像数据，以及样本推荐数据训练得到的，能够实现在教师模型的指导下，仅利用部分用户特征训练学生模型，并且使得学生模型能够学习到教师模型泛化的推荐能力，从而能够有效提升学生模型的个性化推荐的准确性。

技术领域

本申请涉及计算机技术领域，具体涉及智能推荐、用户理解、深度学习、大数据处理等人工智能技术领域，尤其涉及推荐模型的训练方法、装置、电子设备及存储介质。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

冷启动是推荐系统的重要挑战之一，包括用户冷启动、物品冷启动和系统冷启动。用户冷启动是指，新用户注册时并没有用户相关的行为数据，因此很难预测其兴趣，从而无法准确做出个性化推荐。根据用户数据缺失类型，用户冷启动又可以分为用户的画像数据缺失、行为数据缺失等。

发明内容

提供了一种推荐模型的训练方法、装置、电子设备、存储介质及计算机程序产品。

根据第一方面，提供了一种推荐模型的训练方法，包括：获取样本画像数据和样本推荐数据；生成与所述样本画像数据对应的画像表示向量；生成与所述样本推荐数据对应的特征表示向量；以及根据所述画像表示向量、所述特征表示向量，以及教师模型的预测推荐结果训练学生模型，其中，所述教师模型，是根据所述样本画像数据所属用户的样本行为数据、所述样本画像数据，以及所述样本推荐数据训练得到的。

根据第二方面，提供了一种推荐模型的训练装置，包括：获取模块，用于获取样本画像数据和样本推荐数据；生成模块，用于生成与所述样本画像数据对应的画像表示向量，并生成与所述样本推荐数据对应的特征表示向量；第一训练模块，用于根据所述画像表示向量、所述特征表示向量，以及教师模型的预测推荐结果训练学生模型，其中，所述教师模型，是根据所述样本画像数据所属用户的样本行为数据、所述样本画像数据，以及所述样本推荐数据训练得到的。

根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请实施例的推荐模型的训练方法。

根据第四方面，提出了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请实施例公开的推荐模型的训练方法。

根据第五方面，提出了一种计算机程序产品，包括计算机程序，当所述计算机程序由处理器执行时实现本申请实施例公开的推荐模型的训练方法。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请第一实施例的示意图；

图2为本申请实施例中学生模型和教师模型示意图；

图3是根据本申请第二实施例的示意图；