[发明专利]对象信息推荐模型训练方法、装置、设备及介质

权利要求书

1.一种对象信息推荐模型训练方法，其特征在于，包括以下步骤：

获取历史交互数据，所述历史交互数据中包括第一账户在不同时间段内交互的多个对象序列、以及第二账户在不同时段内交互的多个对象序列，每个对象序列中包括多个对象；

获取所述历史交互数据的内容特征；

基于所述第一账户在不同时间段内交互的多个对象序列的内容特征生成正样本，基于所述第二账户在不同时段内交互的多个对象序列的内容特征生成负样本，根据所述正样本和所述负样本对对象信息推荐模型进行训练，其中，经训练的对象信息推荐模型用于向所述第一账户推荐对象信息。

2.根据权利要求1所述的方法，其特征在于，所述获取历史交互数据包括：

获取第一历史交互数据，所述第一历史交互数据中包括所述第一账户在第一时间段内交互的第一对象序列和在第二时间段内交互的第二对象序列；

获取第二历史交互数据，所述第二历史交互数据中包括所述第二账户在第三时间段内交互的第三对象序列和第三账户在第四时间段内交互的第四对象序列。

3.根据权利要求2所述的方法，其特征在于，所述基于所述第一账户在不同时间段内交互的多个对象序列的内容特征生成正样本包括：

获取所述第一对象序列中每个对象的内容特征，组成第一特征序列；

获取所述第二对象序列中每个对象的内容特征，组成第二特征序列；

将所述第一特征序列和所述第二特征序列作为所述正样本。

4.根据权利要求3所述的方法，其特征在于，所述基于所述第二账户在不同时段内交互的多个对象序列的内容特征生成负样本包括：

获取所述第三对象序列中每个对象的内容特征，组成第三特征序列；

获取所述第四对象序列中每个对象的内容特征，组成第四特征序列；

将所述第三特征序列和所述第四特征序列作为所述负样本。

5.根据权利要求4所述的方法，其特征在于，所述根据所述正样本和所述负样本对对象信息推荐模型进行训练包括：

基于所述正样本和所述负样本，使用标准二分类损失函数对所述对象信息推荐模型进行训练。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述内容特征包括视觉特征和文本特征中的至少一项，

所述获取所述历史交互数据的内容特征包括：

基于第一特征提取模型，从每个对象的对象图片中提取视觉特征；

基于第二特征提取模型，从每个对象的对象标题和/或对象描述中提取文本特征；

将所述视觉特征和所述文本特征进行拼接处理，并将经拼接的特征作为每个对象的内容特征。

7.根据权利要求1至5中任一项所述的方法，其特征在于，所述获取所述历史交互数据的内容特征包括：

基于融合特征提取模型，从每个对象的对象图片、对象标题和/或对象描述中提取融合特征作为所述内容特征。

8.一种对象信息推荐模型训练装置，其特征在于，包括：

第一获取模块，用于获取历史交互数据，所述历史交互数据中包括第一账户在不同时间段内交互的多个对象序列、以及第二账户在不同时段内交互的多个对象序列，每个对象序列中包括多个对象；

第二获取模块，用于获取所述历史交互数据的内容特征；

训练模块，用于基于所述第一账户在不同时间段内交互的多个对象序列的内容特征生成正样本，基于所述第二账户在不同时段内交互的多个对象序列的内容特征生成负样本，根据所述正样本和所述负样本对对象信息推荐模型进行训练，其中，经训练的对象信息推荐模型用于向所述第一账户推荐对象信息。

9.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。