[发明专利]推荐及模型训练方法、装置、设备、介质及程序产品

说明书

本公开提供了一种推荐方法及装置、模型训练方法及装置、电子设备、存储有计算机指令的非瞬时计算机可读存储介质、计算机程序产品，涉及计算机技术领域，尤其涉及数据处理技术领域。本公开在上游推荐模型和下游推荐模型中复用消偏网络结构，在上游推荐模型更新迭代时，会同时带动下游推荐模型中复用的消偏网络结构一起迭代，从而避免上游推荐模型更新迭代，导致预估点击率或者高阶的语义特征的分布发生变化，而引入的线上预估偏差的问题，有效提高了资源推荐的准确性。

技术领域

本公开涉及计算机技术领域，尤其涉及数据处理技术领域，公开了一种推荐方法及装置、模型训练方法及装置、电子设备、存储有计算机指令的非瞬时计算机可读存储介质、计算机程序产品。

背景技术

在当前的推荐系统中，在系统漏斗的不同阶段，不同的推荐模型在发挥作用，辅助推荐系统筛选出最符合用户偏好的资源。当前推荐系统中，通常把上游推荐模型的对各个资源的预估点击率或者高阶的语义特征应用到下游推荐模型中，这种方式会因为上游推荐模型的更新迭代，导致预估点击率或者高阶的语义特征的分布发生重大变化，引入预估偏差，影响预估的准确性。

发明内容

本公开至少提供了一种推荐方法及装置、模型训练方法及装置、电子设备、程序产品以及存储介质。

根据本公开的一方面，提供了一种推荐方法，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，从多个初始推荐资源中筛选出目标推荐资源。

根据本公开的另一方面，提供了一种模型训练方法，包括：

获取上游模型和下游模型；

基于上游模型中具有预设功能的网络结构和下游模型中具有预设功能的网络结构，确定预设功能对应的目标网络结构；

对上游模型中除预设功能的网络结构以外的上游主网络结构、目标网络结构、下游模型中除预设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、目标网络结构和下游主网络结构。

根据本公开的另一方面，提供了一种推荐装置，包括：

第一消偏模块，用于将预设的场景特征输入消偏网络结构，得到第一消偏特征；

初始筛选模块，用于基于第一消偏特征，从多个待推荐资源中筛选出初始推荐资源；

第二消偏模块，用于将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；

目标筛选模块，用于基于第二消偏特征，从多个初始推荐资源中筛选出目标推荐资源。

根据本公开的另一方面，提供了一种模型训练装置，包括：

模型获取模块，用于获取上游模型和下游模型；

网络整合模块，用于基于上游模型中具有预设功能的网络结构和下游模型中具有预设功能的网络结构，确定预设功能对应的目标网络结构；

训练模块，用于对上游模型中除预设功能的网络结构以外的上游主网络结构、目标网络结构、下游模型中除预设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、目标网络结构和下游主网络结构。

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，