[发明专利]推荐及模型训练方法、装置、设备、介质及程序产品

权利要求书

1.一种推荐方法，包括：

将预设的场景特征输入消偏网络结构，得到第一消偏特征；

基于第一消偏特征，从多个待推荐资源中筛选出初始推荐资源；

将所述初始推荐资源对应的场景特征输入消偏网络结构，得到第二消偏特征；

基于第二消偏特征，从所述多个初始推荐资源中筛选出目标推荐资源。

2.根据权利要求1所述的方法，其中，所述基于第一消偏特征，从多个待推荐资源中筛选出初始推荐资源，包括：

将所述各个待推荐资源对应的资源信息输入上游推荐模型的上游主网络结构中，得到第一用户偏好特征；

根据所述第一消偏特征和第一用户偏好特征，确定各个待推荐资源的第一预估点击率；

根据所述第一预估点击率，从所述多个待推荐资源中筛选出初始推荐资源。

3.根据权利要求1或2所述的方法，其中，所述基于第二消偏特征，所述多个初始推荐资源中筛选出目标推荐资源，包括：

将所述各个初始推荐资源对应的资源信息输入下游推荐模型的下游主网络结构中，得到第二用户偏好特征；

根据所述第二消偏特征和所述第二用户偏好特征，确定各个初始推荐资源的第二预估点击率；

根据所述第二预估点击率，从所述多个初始推荐资源中筛选出目标推荐资源。

4.根据权利要求1至3任一项所述的方法，其中，所述场景特征包括位置特征和/或上下文特征；其中，所述位置特征包括各个预设位置的位置特征和各个预设位置对应的目标推荐资源的特征。

5.根据权利要求1至4任一项所述的方法，还包括：

获取上游推荐模型和下游推荐模型；

基于上游推荐模型中具有消偏功能的网络结构和下游推荐模型中具有消偏功能的网络结构，确定所述消偏网络结构；

对所述上游推荐模型中除具有消偏功能的网络结构以外的上游主网络结构、所述消偏网络结构、所述下游推荐模型中除具有消偏功能的网络结构以外的下游主网络结构进行联合训练，得到训练完成的上游主网络结构、消偏网络结构和下游主网络结构。

6.根据权利要求5所述的方法，其中，所述对所述上游推荐模型中除具有消偏功能的网络结构以外的上游主网络结构、所述消偏网络结构、所述下游推荐模型中除具有消偏功能的网络结构以外的下游主网络结构进行联合训练，得到训练完成的上游主网络结构、消偏网络结构和下游主网络结构，包括：

利用标准场景特征和多个待推荐样本资源，确定第一损失信息，以及从所述多个待推荐样本资源中筛选出初始推荐样本资源；

利用多个初始推荐样本资源，确定第二损失信息；

根据所述第一损失信息和所述第二损失信息，对所述上游推荐模型中除具有消偏功能的网络结构以外的上游主网络结构、所述消偏网络结构、所述下游推荐模型中除具有消偏功能的网络结构以外的下游主网络结构进行联合训练，得到训练完成的上游主网络结构、消偏网络结构和下游主网络结构。

7.根据权利要求6所述的方法，其中，所述利用标准场景特征和多个待推荐样本资源，确定第一损失信息，包括：

将标准场景特征输入消偏网络结构，得到预测消偏特征；

将各个待推荐样本资源对应的资源信息输入上游主网络结构中，得到第一预测偏好特征；

根据预测消偏特征和所述第一预测偏好特征，确定所述第一损失信息。

8.根据权利要求7所述的方法，其中，所述利用多个初始推荐样本资源，确定第二损失信息，包括：

将各个初始推荐样本资源对应的资源信息输入下游主网络结构中，得到第二预测偏好特征；

根据所述预测消偏特征，和所述第二预测偏好特征，确定第二损失信息。