[发明专利]资讯信息推荐模型训练方法、装置、电子设备及存储介质

说明书

本发明提供了一种资讯信息推荐模型训练方法、装置、电子设备，方法包括：基于所述目标用户的行为长尾资讯信息，确定相应的伪训练样本；将所述伪训练样本与真实训练样本进行样本拼接处理，形成拼接训练样本；确定所述资讯信息推荐模型的初始模型参数；通过所述拼接训练样本对所述资讯信息推荐模型中的不同子网络进行训练，确定所述资讯信息推荐模型的更新参数；根据所述资讯信息推荐模型的更新参数，通过所述拼接训练样本对所述资讯信息推荐模型的初始参数进行迭代更新。由此，不但能够增强资讯信息推荐的准确性与时效性，有效提资讯信息的推荐的质量，提升用户的使用体验。

技术领域

本发明涉及信息处理技术，尤其涉及资讯信息推荐模型训练方法、装置、及电子设备。

背景技术

人工智能(AI，Artificial Intelligence)是计算机科学的一个综合技术，通过研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，例如自然语言处理技术以及机器学习/深度学习等几大方向，相信随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。

传统技术中，各类资讯推荐系统向用户推荐相应的资讯过程中可以使用协同过滤的推荐方式，协同过滤作为有效的推荐方法在各类资讯推荐系统中广泛应用，但是这种基于用户兴趣的推荐，是利用用户历史行为建立用户在具体类目以及标签上的兴趣分数，在召回时如果新闻资讯中的标签信息命中相应的用户兴趣标签，则召回该资讯。但是这类表示方法比较粗放，并且分类标签信息需要提前设置并及时更新，所以对内容表示能力是有限的大量长尾文章曝光极低，甚至得不到投放，这些长尾很少或很难进入到模型样本中进行训练，导致模型对于长尾文章学习不足，对于长尾文章的预估能力很差。同时，在模型对于长尾文章预估能力很差的情况下，长尾获得展示的机会就会更少，形成恶性循环，导致文章的分发绝大部分都只集中在头部，造成生态的偏斜。

发明内容

有鉴于此，本发明实施例提供一种资讯信息推荐模型训练方法、装置、电子设备及存储介质，本发明实施例的技术方案是这样实现的：

本发明实施例提供了一种资讯信息推荐模型训练方法包括：

获取资讯信息推荐模型使用环境中的长尾资讯信息；

基于所述目标用户的行为长尾资讯信息，确定相应的伪训练样本；

将所述伪训练样本与真实训练样本进行样本拼接处理，形成拼接训练样本；

确定所述资讯信息推荐模型的初始模型参数；

通过所述拼接训练样本对所述资讯信息推荐模型中的不同子网络进行训练，确定所述资讯信息推荐模型的更新参数；

根据所述资讯信息推荐模型的更新参数，通过所述拼接训练样本对所述资讯信息推荐模型的初始参数进行迭代更新，以实现所述资讯信息推荐模型能够对使用环境中的长尾资讯信息进行推荐。

本发明实施例还提供了一种资讯信息推荐模型训练装置，包括：

信息传输模块，用于获取资讯信息推荐模型使用环境中的长尾资讯信息；

信息处理模块，用于基于所述目标用户的行为长尾资讯信息，确定相应的伪训练样本；

所述信息处理模块，用于将所述伪训练样本与真实训练样本进行样本拼接处理，形成拼接训练样本；

所述信息处理模块，用于确定所述资讯信息推荐模型的初始模型参数；

所述信息处理模块，用于通过所述拼接训练样本对所述资讯信息推荐模型中的不同子网络进行训练，确定所述资讯信息推荐模型的更新参数；