[发明专利]去除位置偏置的模型训练方法、介质、装置和计算设备

权利要求书

1.一种去除位置偏置的模型训练方法，其特征在于，包括：

对于点击任务或完播任务中的任一种任务，获取所述任务中样本对象的用户特征、对象特征，将所述第一用户特征、所述对象特征输入主模型，获得所述任务对应的拟预测值；

获取所述样本对象的对象位置特征和第二用户特征，将所述对象位置特征和所述第二用户特征输入第一从模型，获得位置影响力值，所述位置影响力值用于表征对象的展示位置对所述任务的影响力大小；

根据所述拟预测值和所述位置影响力值，确定所述任务对应的第一预测值；

根据所述第一预测值、所述样本的第一真实标签和第一损失函数，对所述主模型和所述第一从模型进行迭代训练，直到满足训练退出条件，获得目标主模型。

2.根据权利要求1所述的模型训练方法，其特征在于，所述对象位置特征包括：所述对象在第一区域中的第一位置特征和所述第一区域在所有区域中的第二位置特征；

所述将所述对象位置特征和第二用户特征输入第一从模型，获得位置影响力值，包括：

获取所述第一位置特征对应的第一独热向量；

根据所述第一独热向量，查找到所述第一独热向量对应的第一稠密向量；

获取所述第二位置特征对应的第二独热向量；

根据所述第二独热向量，查找所述第二独热向量对应的第二稠密向量；

获取所述第二用户特征对应的从用户向量；

将所述从用户向量与预设稠密矩阵相乘，得到第三稠密向量；

将所述第一稠密向量、所述第二稠密向量和所述第三稠密向量输入所述第一从模型的拼接层进行拼接，得到第一拼接向量；

通过所述第一从模型的全连接层，基于预设非线性函数，根据所述第一拼接向量获得所述位置影响力值。

3.根据权利要求2所述的模型训练方法，其特征在于，当所述任务为完播任务时，所述模型训练方法还包括：

将所述对象位置特征输入第二从模型，获得选择概率值，所述选择概率值用于表征用户主动选择对象的概率；

根据所述第一预测值和所述选择概率值，确定所述完播任务对应的第二预测值；

根据所述第二预测值、所述样本的第二真实标签和第二损失函数，对所述主模型、所述第一从模型和所述第二从模型进行迭代训练，直到满足训练退出条件，获得目标主模型。

4.根据权利要求3所述的模型训练方法，其特征在于，将所述对象位置特征输入第二从模型，获得选择概率值，包括：

将所述第一稠密向量和所述第二稠密向量输入到第二从模型的拼接层进行拼接，得到第二拼接向量；

将所述第二拼接向量输入所述第二从模型的全连接层，经过预设非线性函数获得所述选择概率值。

5.一种对象推荐方法，其特征在于，包括：

获取当前用户的用户特征和多个候选对象的对象特征；

将所述用户特征和所述对象特征输入目标主模型，获得所述目标主模型输出的分数，所述目标主模型是根据权利要求1-4任一项所述的模型训练方法获得的；

根据所述分数，向当前用户推荐所述候选对象，其中，所述分数为点击分数和/或完播分数。

6.根据权利要求5所述的对象推荐方法，其特征在于，将所述用户特征和所述对象特征输入目标主模型，获得所述目标主模型输出的分数，包括：

将所述用户特征和所述对象特征输入目标主模型，通过所述目标主模型的特征处理层，根据所述用户特征获取用户向量，根据所述对象特征，获取对象向量；

通过所述目标主模型的拼接层，将所述用户向量和所述对象向量进行拼接，获得第三拼接向量；

通过所述目标主模型的全连接层，基于预设非线性函数根据所述第三拼接向量获得所述分数。