[发明专利]用于智能推荐的排序模型训练方法、智能推荐方法及装置

说明书

本公开提供了一种用于智能推荐的排序模型训练方法、智能推荐方法及装置，涉及数据处理、机器学习技术领域。方法包括：获取目标域的第一用户数据和第一资源数据，以及获取源域的第二用户数据和第二资源数据；根据第一用户数据、第一资源数据、第二用户数据和第二资源数据，确定隐式特征；基于隐式特征，训练排序模型，排序模型用于对目标域的用户进行资源推荐。本公开技术方案中，通过隐式特征的形式引入源域数据，可以避免直接将源域数据作为训练样本产生的“负迁移”现象，可以提升排序模型应用到资源推荐中的推荐效果。

技术领域

本公开涉及计算机技术领域，尤其涉及数据处理、机器学习技术领域。

背景技术

跨域推荐(cross-domain recommendation)指的是推荐系统利用来自更丰富域的相对丰富的信息，提高在更稀疏域中的推荐性能。现有技术中，通过将源域的样本加入到目标域的训练中，来解决目标域样本稀疏的问题。然而，由于源域和目标域的样本分布不一致，会导致“负迁移”现象，进而影响模型在推荐过程中的推荐效果。

发明内容

本公开提供了一种用于智能推荐的排序模型训练方法、智能推荐方法及装置。

根据本公开的一方面，提供了一种排序模型训练方法，包括：

获取目标域的第一用户数据和第一资源数据，以及获取源域的第二用户数据和第二资源数据；

在目标域和源域有重叠的情况下，根据第一用户数据、第一资源数据、第二用户数据和第二资源数据，确定隐式特征；

基于隐式特征，训练排序模型，排序模型用于对目标域的用户进行资源推荐。

根据本公开的另一方面，提供了一种智能推荐方法，包括：

获取目标域的待推荐用户的用户数据和待推荐资源的资源数据；

基于用户数据和资源数据，得到隐式特征；

将隐式特征输入排序模型，根据排序模型的排序结果从资源数据中确定待推荐用户匹配的待推荐资源；

其中，排序模型是根据本公开任一实施例的训练方法训练得到的。

根据本公开的另一方面，提供了一种排序模型训练装置，包括：

数据获取模块，用于获取目标域的第一用户数据和第一资源数据，以及获取源域的第二用户数据和第二资源数据；

特征确定模块，用于根据第一用户数据、第一资源数据、第二用户数据和第二资源数据，确定隐式特征；

第一训练模块，用于基于隐式特征，训练排序模型，排序模型用于对目标域的用户进行资源推荐。

根据本公开的另一方面，提供了一种智能推荐装置，包括：

第一获取模块，用于获取目标域的待推荐用户的用户数据和待推荐资源的资源数据；

第二获取模块，用于基于用户数据和资源数据，得到隐式特征；

资源确定模块，用于将隐式特征输入排序模型，根据排序模型的排序结果从资源数据中确定待推荐用户匹配的待推荐资源；

其中，排序模型是根据本公开任一实施例的训练装置训练得到的。

根据本公开的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。