[发明专利]一种推荐方法以及装置

说明书

本申请提供一种推荐方法以及装置，用于对超网络进行训练，并从超网络中采集多个子网络来适配不同价值的用户，从而对不同价值的用户可以进行更针对性地推荐，提高计算资源利用率。该方法包括：首先，使用训练集训练超网络，得到训练后的超网络，该超网络可以用于输出用户的推荐信息，可以用于对用户进行推荐；随后从训练后的超网络中采集多个子网络，该多个子网络的结构不相同，或者说该多个子网络的复杂度不相同，该多个子网络用于输出对应的多个用户的推荐信息，推荐信息包括针对多个用户进行推荐的信息。

技术领域

本申请涉及计算机领域，尤其涉及一种推荐方法以及装置。

背景技术

常用的检索或者推荐平台旨在为用户从海量数据(如物品、资讯、广告)中检索出用户最感兴趣的数据，从而提供给用户。然而，由于互联网的信息爆炸，各大平台每天都产生数以百万计的新信息，给信息检索系统带来极大的挑战。

通常，对于不同价值的用户，在通过推荐系统进行推荐时，可以使用不同数据训练得到不同预测能力的推荐模型，选择与用户价值适配的推荐模型来进行推荐。然而，推荐模型的表达能力不够强，训练队列中的有效信息可能利用不准确，将可能导致推荐模型针对不同的用户的推荐不准确。

发明内容

本申请提供一种推荐方法以及装置，用于对超网络进行训练，并从超网络中采集多个子网络来适配不同价值的用户，从而对不同价值的用户可以进行更针对性地推荐，提高计算资源利用率。

有鉴于此，第一方面，本申请提供一种推荐方法，包括：首先，使用训练集训练超网络，得到训练后的超网络，该超网络可以用于输出用户的推荐信息，可以用于对用户进行推荐；随后从训练后的超网络中采集多个子网络，该多个子网络的结构不相同，或者说该多个子网络的复杂度不相同，该多个子网络用于输出对应的多个用户的推荐信息，推荐信息包括针对多个用户进行推荐的信息。

本申请实施方式中，使用训练集对超网进行训练，从训练后的超网中采集不同结构或者复杂度的多个子网络，从而得到具有不同的预测能力的子网络，将多个子网络与用户适配并进行推荐，从而可以为用户适配与用户价值更适配的子网络来进行推荐，提高推荐资源利用率。

在一种可能的实施方式中，上述方法还可以包括：获取网络结构集合，该网络结构集合中可以包括超网络的输入特征、表征块或者算子中的至少一种维度的结构；随后获取网络结构集合中每种结构对应的结构参数，结构参数用于表示每种结构的重要程度；并根据每种结构对应的结构参数，对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。

本申请实施方式中，除了对超网络整体进行训练，还可以为超网络的每种结构分配对应的结构参数，来表示各个结果在超网络中的重要程度并进行训练，可以进一步提高超网络的输出准确度。

在一种可能的实施方式中，前述的根据每种结构对应的结构参数，对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，可以包括：根据每种结构对应的结构参数，从训练后的超网络中采集多个子网络，其中，多次采样中每次采样基于每种结构的重要程度从网络结构集合中截取重要程度最高的多种结构，得到多个子网络；对多个子网络以及训练后的超网络进行联合训练，得到再次训练后的超网络。

本申请实施方式中，可以基于各种网络结构对应的结构参数来从超网络中采集子网络进行训练，且每次采样都对重要程度最高的结构进行采样，从而可以针对超网络的局部输出准确度进行训练，进一步提高超网络的输出准确度。

在一种可能的实施方式中，前述的根据每种结构对应的结构参数，从训练后的超网络中采集多个子网络，可以包括：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，得到当前次迭代的子网络。