[发明专利]模型训练方法及装置

权利要求书

1.一种模型训练方法，其特征在于，应用于信息推荐系统，所述信息推荐系统包括线下系统，所述线下系统包括目标模型，所述方法包括：

所述线下系统获取所述目标模型的多个类型的特征；

所述线下系统生成所述多个类型的特征的特征组合序列，所述特征组合序列包括多组特征组合和所述多个特征组合之间的序列关系，所述特征组合包括所述多个类型的特征中的至少一个类型的特征；

所述线下系统根据所述特征组合序列划分所述目标模型为多层级模型，所述多层级模型中每个层级的特征权值与所述特征组合序列中对应位置的特征组合中的特征相匹配；

所述线下系统针对所述每个层级的特征权值执行预设训练操作，得到训练后的目标模型，所述训练后的目标模型中的一个或多个层级用于预估目标推荐任务的推荐结果。

2.根据权利要求1所述的方法，其特征在于，所述线下系统生成所述多个类型的特征的特征组合序列，包括：

所述线下系统确定所述多个类型的特征中每个类型的特征的稳定性；

所述线下系统根据所述每个类型的特征的稳定性生成所述特征组合序列。

3.根据权利要求2所述的方法，其特征在于，所述线下系统确定每个类型的特征的稳定性，包括：

所述线下系统通过第一样本数据训练所述目标模型，得到所述每个类型的特征的第一特征权值；

所述线下系统通过第二样本数据训练所述目标模型，得到所述每个类型的特征的第二特征权值；

所述线下系统根据所述第一特征权值和所述第二特征权值确定所述每个类型的特征的特征权值的差异性；

所述线下系统确定所述第一样本数据和所述第二样本数据中部分特征缺失的样本数据的占比；

所述线下系统根据所述占比和所述差异性确定所述每个类型的特征的稳定性。

4.根据权利要求1－3任一项所述的方法，其特征在于，所述预设训练操作包括：保持所述多层级模型中除当前层级之外的其他层级的特征权值不变，根据预设样本数据训练所述当前层级的特征权值。

5.根据权利要求1－4任一项所述的方法，其特征在于，所述信息推荐系统还包括线上系统；所述线下系统针对所述每个层级的特征权值执行预设训练操作，得到训练后的目标模型之后，所述方法还包括：

所述线下系统向所述线上系统发送训练后的所述目标模型，所述训练后的所述目标模型用于所述线上系统处理目标推荐任务。

6.一种模型训练装置，其特征在于，应用于信息推荐系统，所述信息推荐系统包括线下系统，所述线下系统包括目标模型，所述模型训练装置包括获取单元、生成单元、划分单元和训练单元，其中，

所述获取单元，用于获取所述目标模型的多个类型的特征；

所述生成单元，用于生成所述多个类型的特征的特征组合序列，所述特征组合序列包括多组特征组合和所述多个特征组合之间的序列关系，所述特征组合包括所述多个类型的特征中的至少一个类型的特征；

所述划分单元，用于根据所述特征组合序列划分所述目标模型为多层级模型，所述多层级模型中每个层级的特征权值与所述特征组合序列中对应位置的特征组合中的特征相匹配；

所述训练单元，用于针对所述每个层级的特征权值执行预设训练操作，得到训练后的目标模型，所述训练后的目标模型中的一个或多个层级用于预估目标推荐任务的推荐结果。

7.根据权利要求6所述的模型训练装置，其特征在于，在所述生成所述多个类型的特征的特征组合序列方面，所述生成单元具体用于：确定所述多个类型的特征中每个类型的特征的稳定性；以及根据所述每个类型的特征的稳定性生成所述特征组合序列。