[发明专利]推荐模型训练方法、推荐方法、装置、设备及存储介质

说明书

本申请涉及智能推荐技术领域，尤其涉及推荐模型训练方法、推荐方法、装置、电子设备及存储介质，可应用于云技术、人工智能、智慧交通、车联网等各种场景，用以快捷准确地向对象推荐多媒体信息。该方法包括：基于参考模型，获得表征相应的样本对象和样本多媒体信息之间的关联程度的交叉特征集，并至少基于交叉特征集，确定样本对象选择样本多媒体信息的第一预估概率；基于待训练的推荐模型，获得样本对象和样本多媒体信息各自的综合特征，确定样本对象选择样本多媒体信息的第二预估概率；基于第一预估概率、第二预估概率和相应的样本概率，确定相应的训练损失，并对待训练的推荐模型进行模型参数调整，实现快捷准确地向对象推荐多媒体信息的目的。

技术领域

本申请涉及智能推荐技术领域，尤其涉及推荐模型训练方法、推荐方法、装置、电子设备及存储介质。

背景技术

随着互联网技术的发展，互联网能够为对象提供越来越多的网络服务，例如：对象可以通过互联网浏览多媒体信息，其中，多媒体信息可以为图片、电视剧、广告、音乐、电子书等等。在互联网平台中，对象可以通过搜索功能搜索感兴趣(喜好)的多媒体信息，同时，为了方便对象获取感兴趣的多媒体信息，互联网平台还可以基于推荐系统等，主动向对象推荐对象可能感兴趣的多媒体信息，推荐系统应运而生。

其中，基于推荐系统向对象推荐对象可能感兴趣的多媒体信息时，通常是基于推荐系统中预先训练完毕的推荐模型进行的。例如，可以基于推荐模型确定对象特征与多媒体信息特征之间的相似度，进而向对象推荐对象可能感兴趣的多媒体信息。

然而基于相关技术中的推荐模型向对象推荐多媒体信息时，通常只能实现模糊推荐，推荐的准确性较低。例如，以需要向一个年龄60岁以上的对象推荐电视剧为例，相关技术中的推荐模型可能会将该对象并不喜好的当代都市题材的电视剧推荐给该对象，而该对象实际上可能更喜好上世纪(二十世纪)七八十年代农村题材的电视剧等。

因此，如何快捷准确地向对象推荐多媒体信息是目前亟需解决的一个技术问题。

发明内容

本申请实施例提供一种推荐模型训练方法、推荐方法、装置、电子设备及存储介质，用以快捷准确地向对象推荐多媒体信息。

第一方面，本申请实施例提供了一种推荐模型训练方法，包括：

获得样本数据集合，每个样本数据包含：样本对象、样本多媒体信息以及所述样本对象选择所述样本多媒体信息的样本概率；

基于样本数据集合，对待训练的推荐模型进行至少一轮迭代训练，输出相应的目标推荐模型；其中，在每轮迭代过程中，至少执行以下步骤：

基于参考模型，对提取的样本数据进行特征分析，获得表征相应的样本对象和样本多媒体信息之间的关联程度的交叉特征集，并至少基于所述交叉特征集，确定所述样本对象选择所述样本多媒体信息的第一预估概率；

基于所述待训练的推荐模型，对提取的样本数据进行特征分析，获得所述样本对象和样本多媒体信息各自的综合特征，并基于获得的各综合特征，确定所述样本对象选择所述样本多媒体信息的第二预估概率；其中，所述参考模型从M个特征维度获得所述交叉特征集，所述推荐模型从N个特征维度获得各综合特征，MN；

基于所述第一预估概率、所述第二预估概率和相应的样本概率，确定相应的训练损失，并对所述待训练的推荐模型进行模型参数调整。

第二方面，本申请实施例提供了一种推荐方法，所述方法包括：

响应于推荐请求，获取相应的目标对象及候选多媒体信息集合，将所述目标对象及提取的候选多媒体信息输入至基于上述任一所述的方法训练得到的目标推荐模型中；

基于所述目标推荐模型，确定所述目标对象选择所述提取的候选多媒体信息的预估概率；

基于所述预估概率，从所述候选多媒体信息集合中，选取向所述目标对象推荐的目标多媒体信息。