[发明专利]模型训练方法、商品推荐方法、装置、设备及介质

权利要求书

1.一种模型训练方法，其特征在于，所述方法包括：

获取初始样本数据集，所述初始样本数据集中每个第一样本用户的初始样本数据包括：所述第一样本用户的基础数据、所述第一样本用户的互联网使用数据；

根据所述初始样本数据集，获取第一样本数据集，所述第一样本数据集中每个第一样本用户的样本数据包括：基于所述初始样本数据得到的所述第一样本用户的特征向量，以及，所述第一样本用户的标签向量；所述特征向量用于表征所述第一样本用户的短期意图特征，以及，长期偏好特征，所述第一样本用户的标签向量用于表征目标应用的K类商品中所述第一样本用户偏好的商品类别，所述K为大于或等于2的整数；

利用所述第一样本数据集对初始模型进行训练，得到训练好的第一预测模型，所述第一预测模型用于根据目标用户的特征向量，获取所述目标用户商品偏好向量，所述偏好向量用于表征所述目标用户在所述目标应用的K类商品中偏好的商品类别。

2.根据权利要求1所述的方法，其特征在于，所述根据所述初始第一样本数据集，获取第一样本数据集，包括：

针对每个所述第一样本用户的初始样本数据，执行如下操作：

根据所述第一样本用户的互联网使用数据中互联网的浏览行为数据，构建所述第一样本用户的短期意图特征向量；

若所述第一样本用户的互联网使用数据中包括目标类别的应用的浏览内容数据，则根据所述目标类别的应用的浏览内容数据，构建所述第一样本用户针对K类商品的第一长期偏好特征向量，并将第一预设特征向量作为所述第一样本用户针对K类商品的第二长期偏好特征向量，所述目标类别的应用包括：所述目标应用；

若所述第一样本用户的互联网使用数据中不包括所述目标类别的应用的浏览内容数据，则根据所述第一样本用户的基础数据，构建所述第一样本用户针对K类商品的第二长期偏好特征向量，并将预设第二特征向量作为所述第一样本用户针对K类商品的第一长期偏好特征向量；

根据所述第一样本用户的短期意图特征向量、第一长期偏好特征向量、第二长期偏好特征向量，构建所述第一样本用户的特征向量；

获取每个所述第一样本用户的标签向量，并根据每个所述第一样本用户的特征向量，以及，每个所述第一样本用户的标签向量，构建所述第一样本数据集。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一样本用户的互联网使用数据中互联网的浏览行为数据，构建所述第一样本用户的短期意图特征向量，包括：

根据所述第一样本用户的互联网使用数据中互联网的浏览行为数据，获取所述第一样本用户针对多类应用中的每类应用在不同时间滑窗内的短期意图特征，以及，所述第一样本用户针对每类应用的每个子类应用在不同时间滑窗内的短期意图特征；

根据所述第一样本用户针对每类应用在不同时间滑窗内的短期意图特征，以及，所述第一样本用户针对每类应用的每个子类应用在不同时间滑窗内的短期意图特征，构建所述第一样本用户的短期意图特征向量。

4.根据权利要求2或3所述的方法，其特征在于，所述根据所述目标类别的应用的浏览内容数据，构建所述第一样本用户针对K类商品的第一长期偏好特征向量，包括：

根据所有第一样本用户针对所述目标类别的应用的浏览内容数据，获取全量商品向量矩阵，所述全量商品向量矩阵包括所有第一样本用户在所述目标类别的应用上浏览过的所有商品的向量；

对所述全量商品向量矩阵进行聚类，得到K类商品的分类结果；

根据所述第一样本用户针对所述目标类别的应用的浏览内容数据，以及，所述分类结果，获取所述第一样本用户的第一长期偏好特征向量。

5.根据权利要求4所述的方法，其特征在于，所述根据所有第一样本用户针对所述目标类别的应用的浏览内容数据，获取所述全量商品向量矩阵，包括：

根据各所述第一样本用户针对所述目标类别的应用的浏览内容数据，获取各所述第一样本用户的浏览特征向量；所述浏览特征向量用于表征所述第一样本用户浏览过的商品；

根据各所述第一样本用户的浏览特征向量，获取浏览特征向量矩阵；所述浏览特征向量矩阵包括所有用户的浏览特征向量；

利用所述浏览特征向量矩阵，获取所述全量商品向量矩阵。