[发明专利]模型训练方法及装置

说明书

本申请实施例公开了一种模型训练方法及装置。方法包括：线下系统获取目标模型的多个类型的特征；生成多个类型的特征的特征组合序列，特征组合序列包括多组特征组合和多个特征组合之间的序列关系，特征组合包括多个类型的特征中的至少一个类型的特征；根据特征组合序列划分目标模型为多层级模型，多层级模型中每个层级的特征权值与特征组合序列中对应位置的特征组合中的特征相匹配；针对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，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。本申请实施例有利于提高目标模型处理推荐任务的全面性和准确度。

技术领域

本申请涉及移动终端技术领域，具体涉及模型训练方法及装置。

背景技术

目前市场上相当一部分个性化推荐模型是基于LR或者RankLR机器学习方法实现的。通过用户历史在系统中的行为(点击、浏览、购买、点评……)，训练机器学习模型。利用训练好的模型来预估用户与待推荐物品的相关性分数或者点击通过率(Click-Through-Rate，CTR)，根据相关性分数或者CTR选取物品向用户推荐达成个性化推荐的效果。

发明内容

本申请实施例提供了模型训练方法及装置，可以提高目标模型处理推荐任务的全面性和准确度。

第一方面，本申请实施例提供一种模型训练方法，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。

第二方面，本申请实施例提供一种模型训练装置，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。

第三方面，本申请实施例提供一种移动终端，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行本申请实施例第一方面任一方法中的步骤的指令。

第四方面，本申请实施例提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤，所述计算机包括移动终端。