[发明专利]一种推荐方法以及装置

权利要求书

1.一种推荐方法，其特征在于，包括：

使用训练集训练超网络，得到训练后的超网络；

从所述训练后的超网络中采集多个子网络，所述多个子网络的结构不相同，所述多个子网络用于输出对应的多个用户的推荐信息，所述推荐信息包括针对所述多个用户进行推荐的信息。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取网络结构集合，所述网络结构集合中包括所述超网络的输入特征、表征块或者算子中的至少一种维度的结构；

获取所述网络结构集合中每种结构对应的结构参数，所述结构参数用于表示所述每种结构的重要程度；

根据所述每种结构对应的结构参数，对所述训练后的超网络进行再次迭代训练，得到再次训练后的超网络。

3.根据权利要求2所述的方法，其特征在于，所述根据所述每种结构对应的结构参数，对所述训练后的超网络进行再次迭代训练，得到再次训练后的超网络，包括：

根据所述每种结构对应的结构参数，从所述训练后的超网络中采集多个子网络，其中，所述多次采样中每次采样基于所述每种结构的重要程度从所述网络结构集合中截取重要程度最高的多种结构，得到所述多个子网络；

对所述多个子网络以及所述训练后的超网络进行联合训练，得到再次训练后的超网络。

4.根据权利要求3所述的方法，其特征在于，所述根据所述每种结构对应的结构参数，从所述训练后的超网络中采集多个子网络，包括：

根据每个输入特征对应的第一结构参数、每种表征对应的第二结构参数或者每种算子对应的第三结构参数中的至少一种，从所述超网络中进行多次采样，得到多个子网络，在每次采样中，截取重要程度最高的输入特征、表征块或者算子中的至少一种结构，得到当前次迭代的子网络。

5.根据权利要求3或4所述的方法，其特征在于，所述对所述训练后的超网络和所述子网络进行联合训练，得到再次训练后的超网络，包括：

根据所述训练后的超网络的输出结果和所述子网络的输出结果计算损失函数的值，所述损失函数包括所述训练后的超网络的损失值、所述子网络的损失值或者所述训练后的超网络的输出值与所述子网络的输出之间的损失值中的至少一种；

根据所述损失函数的值对所述训练后的超网络和所述子网络进行更新，得到再次训练后的超网络。

6.根据权利要求2-5中任一项所述的方法，其特征在于，所述获取所述网络结构集合中每种结构对应的结构参数，包括：

为所述网络结构集合中的每种结构分配初始参数后代入所述超网络中；

对代入所述初始参数的超网络进行训练，得到所述每种结构对应的结构参数。

7.根据权利要求2-6中任一项所述的方法，其特征在于，所述方法还包括：

从所述训练后的超网络中随机采集多个子网络；

对采集到的特征对应的子网络以及所述训练后的超网络进行联合训练，得到再次训练后的超网络。

8.根据权利要求1-7中任一项所述的方法，其特征在于，所述方法还包括：

对所述多个子网络分别进行评估，得到每个子网络的评估值；

根据所述多个用户的历史信息对所述多个用户分别进行评价，得到每个用户的评价值；

根据所述每个子网络的评价值以及所述每个用户的评价值，将所述多个子网络分配给所述多个用户，得到每个用户对应的子网络；

根据所述每个用户对应的子网络生成所述每个用户的推荐信息。

9.根据权利要求8所述的方法，其特征在于，所述对所述多个子网络分别进行评价，得到每个子网络的评价值，包括：

对所述多个子网络的曲线下面积AUC、召回率或者每秒浮点运算次数FLOPS中的至少一种进行评价，得到每个子网络的评价值。