[发明专利]模型参数更新方法、模型参数更新装置和电子设备

权利要求书

1.一种模型参数更新方法，其特征在于，包括：

基于多个任务推荐模型分别对应的损失函数值与所述多个任务推荐模型分别对应的优化器，确定目标更新梯度；

基于所述目标更新梯度，更新所述多个任务推荐模型中的至少一个任务推荐模型的模型参数。

2.根据权利要求1所述的模型参数更新方法，其特征在于，所述基于多个任务推荐模型分别对应的损失函数值与所述多个任务推荐模型分别对应的优化器，确定目标更新梯度，包括：

基于所述多个任务推荐模型分别对应的损失函数值与所述多个任务推荐模型分别对应的优化器，确定每个任务推荐模型的更新梯度；

在所述每个任务推荐模型的更新梯度为数值的情况下，基于所述多个任务推荐模型的数量，确定所述目标更新梯度；

在所述每个任务推荐模型的更新梯度为向量的情况下，将所有任务推荐模型的更新梯度进行相加，得到所述目标更新梯度。

3.根据权利要求2所述的模型参数更新方法，其特征在于，所述基于所述多个任务推荐模型的数量，确定所述目标更新梯度，包括：

在所述多个任务推荐模型的数量超过目标数量的情况下，将位于目标梯度区间内的更新梯度的平均值确定为所述目标更新梯度；

在所述多个任务推荐模型的数量不超过目标数量的情况下，将所有任务推荐模型的更新梯度的平均值确定为所述目标更新梯度。

4.根据权利要求1所述的模型参数更新方法，其特征在于，在所述基于所述目标更新梯度，更新所述多个任务推荐模型中的至少一个任务推荐模型的模型参数之后，还包括：

基于更新后的模型参数，确定更新后的任务推荐模型对应的损失函数值；

在所述更新后的任务推荐模型对应的损失函数值小于目标阈值的情况下，确定训练完成的目标任务推荐模型；

将待训练样本数据输入至所述目标任务推荐模型，得到所述目标任务推荐模型的模型评估指标；

基于所述目标任务推荐模型的模型评估指标和目标基线模型的模型评估指标，更新所述目标任务推荐模型对应的优化器的学习率和所述目标任务推荐模型对应的损失函数权重。

5.根据权利要求1所述的模型参数更新方法，其特征在于，在所述基于多个任务推荐模型分别对应的损失函数值与所述多个任务推荐模型分别对应的优化器，确定目标更新梯度之前，还包括：

对目标任务对应的待训练样本数据进行预处理，获取所述目标任务对应的特征向量；

将所述特征向量输入至所述目标任务推荐模型，确定所述目标任务推荐模型对应的损失函数值。

6.根据权利要求3所述的模型参数更新方法，其特征在于，所述目标梯度区间为以下任一项：

预设的梯度区间；

将所有更新梯度中的最大值和最小值剔除后，根据剩余的更新梯度确定的梯度区间。

7.一种模型参数更新装置，其特征在于，包括：

第一确定模块，用于基于多个任务推荐模型分别对应的损失函数值与所述多个任务推荐模型分别对应的优化器，确定目标更新梯度；

第一更新模块，用于基于所述目标更新梯度，更新所述多个任务推荐模型中的至少一个任务推荐模型的模型参数。

8.根据权利要求7所述的模型参数更新装置，其特征在于，所述第一确定模块具体用于：

基于所述多个任务推荐模型分别对应的损失函数值与所述多个任务推荐模型分别对应的优化器，确定每个任务推荐模型的更新梯度；

在所述每个任务推荐模型的更新梯度为数值的情况下，基于所述多个任务推荐模型的数量，确定所述目标更新梯度；

在所述每个任务推荐模型的更新梯度为向量的情况下，将所有任务推荐模型的更新梯度进行相加，得到所述目标更新梯度。