[发明专利]端云协同推荐系统、方法以及电子设备

权利要求书

1.一种端云协同推荐系统，包括：终端设备和云服务器，

所述云服务器用于：

获取所述终端设备的用户特征数据；

基于所述用户特征数据输入到控制器中，选择多个推荐模型中匹配的推荐模型，其中，所述控制器基于用户特征数据进行输入，基于所述多个推荐模型的相对推荐匹配度作为监督标签训练得到，所述多个推荐模型包括部署在所述终端设备中的端侧推荐模型、以及部署在所述云服务器中的云侧推荐模型，所述相对推荐匹配度指示所述多个推荐模型对所述用户特征数据的相对推荐效果；

基于所述匹配的推荐模型向所述终端设备进行推荐。

2.根据权利要求1所述的端云协同推荐系统，其中，所述云服务器具体用于：基于所述用户特征数据输入到所述匹配的推荐模型，得到推荐结果。

3.根据权利要求1所述的端云协同推荐系统，其中，所述用户特征数据包括应用程序的用户实时特征数据和用户历史特征数据，

相应地，所述云服务器具体用于：将所述用户实时特征数据和所述用户历史特征数据输入到所述端侧推荐模型，得到所述应用程序的实时推荐结果。

4.根据权利要求1所述的端云协同推荐系统，其中，所述用户特征数据包括应用程序的用户历史特征数据，相应地，所述云服务器具体用于：

将所述用户历史特征数据输入到所述云侧推荐模型，得到所述应用程序的推荐结果。

5.一种数据集构建方法，包括：

获取用户特征数据；

基于所述用户特征数据，输入到预先训练的多个模拟推荐模型中，分别得到多个推荐结果，所述多个模拟推荐模型分别用于模拟多个推荐模型，所述多个推荐模型至少包括云侧推荐模型和端侧推荐模型；

确定所述多个推荐结果与所述用户特征数据之间的多个匹配度，所述多个匹配度分别指示所述多个推荐结果的推荐效果；

基于所述多个匹配度，确定模型选择标签，所述模型选择标签指示所述多个推荐结果之间的相对推荐效果；

基于所述用户特征数据与所述模型选择标签，构建所述多个推荐模型的模型选择数据集。

6.根据权利要求5所述的方法，其中，所述基于所述用户特征数据，输入到预先训练的多个模拟推荐模型中，包括：

将所述用户特征数据输入到序列编码层，得到所述用户特征数据对应的推荐条件序列；

将所述推荐条件序列输入到预先训练的多个模拟推荐模型中。

7.根据权利要求5所述的方法，其中，所述方法还包括：

获取所述多个推荐模型各自的训练数据，所述训练数据包括推荐条件和推荐结果；

基于所述多个推荐模型各自的训练数据，分别训练所述多个模拟推荐模型。

8.一种模型训练方法，包括：

获取模型选择数据集，所述模型选择数据集根据权利要求5-7中任一项所述的方法构建；

基于所述模型选择数据集，对控制器进行训练，所述控制器用于在多个推荐模型中选择匹配的推荐模型。

9.一种端云协同推荐方法，包括：

获取用户特征数据；

基于所述用户特征数据输入到控制器中，选择多个推荐模型中匹配的推荐模型，其中，所述控制器基于用户特征数据进行输入，基于所述多个推荐模型的相对推荐匹配度作为监督标签训练得到，所述多个推荐模型包括端侧推荐模型和云侧推荐模型，所述多个推荐模型包括部署在终端设备中的端侧推荐模型、以及部署在云服务器中的云侧推荐模型，所述相对推荐匹配度指示所述多个推荐模型对所述用户特征数据的相对推荐效果；

基于所述匹配的推荐模型进行推荐。

10.一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求5-9中任一项所述的方法对应的操作。