[发明专利]信息推荐方法、装置、服务器及存储介质

权利要求书

1.一种信息推荐方法，其特征在于，包括：

获取超参数性能数据集；

对所述超参数性能数据集进行迭代更新，确定超参数集；在每次迭代过程中，确定当前次迭代中的选取参数，根据所述选取参数从预设的采集函数集中选取一个目标采集函数，根据当前次迭代中的超参数性能数据集，使所述目标采集函数达到预设阈值，得到当前次迭代中的超参数，并将所述超参数添加至所述超参数集中，其中，所述确定当前次迭代中的选取参数包括：分别将所述采集函数集中的每个采集函数作为目标函数，计算所述目标函数在当前次迭代中的累积权重，根据所述目标函数在当前次迭代中的累积权重，计算所述目标函数在当前次迭代中的选取概率，根据所述每个采集函数在当前次迭代中的选取概率，确定当前次迭代中的选取参数；

在迭代结束时，从所述超参数集中确定最优超参数；

将所述最优超参数作为最优学习率设置在目标模型中，并对所述目标模型进行训练，以根据训练后的目标模型进行信息推荐。

2.根据权利要求1所述的信息推荐方法，其特征在于，所述计算所述目标函数在当前次迭代中的累积权重，具体包括：

获取所述目标函数在当前次迭代中的累积性能参数；

根据所述累积性能参数和预设的权重分配均衡参数，计算所述目标函数在当前次迭代中的累积权重。

3.根据权利要求1所述的信息推荐方法，其特征在于，所述根据所述目标函数在当前次迭代中的累积权重，计算所述目标函数在当前次迭代中的选取概率，具体包括：

计算所述采集函数集中所有采集函数的累积权重总和；

根据所述目标函数在当前次迭代中的累积权重、所述累积权重总和、预设的权重分配均衡参数和所述采集函数集中的函数个数，计算所述目标函数在当前次迭代中的选取概率。

4.根据权利要求1所述的信息推荐方法，其特征在于，所述根据当前次迭代中的超参数性能数据集，使所述目标采集函数达到预设阈值，得到当前次迭代中的超参数，具体包括：

根据当前次迭代中的超参数性能数据集，对预先构建的超参数性能近似模型进行优化；

根据优化后的超参数性能近似模型，使所述目标采集函数达到预设阈值，得到当前次迭代中的超参数。

5.根据权利要求4所述的信息推荐方法，其特征在于，所述超参数性能近似模型为高斯过程模型；

所述根据优化后的超参数性能近似模型，使所述目标采集函数达到预设阈值，得到当前次迭代中的超参数，具体包括：

在预设超参数范围内随机生成至少一个候选超参数；

分别将所述至少一个候选超参数中的每个候选超参数作为目标候选超参数，根据优化后的高斯过程模型，预测所述目标候选超参数对应的性能高斯分布；

根据所述性能高斯分布，求解所述目标采集函数，得到所述目标候选超参数对应的函数值；

在得到所有目标候选超参数对应的函数值后，从所有目标候选超参数对应的函数值中确定达到预设阈值的目标函数值；

将所述目标函数值对应的目标候选超参数作为当前次迭代中的超参数。

6.根据权利要求1所述的信息推荐方法，其特征在于，所述方法还包括：

在每次迭代过程中，对当前次迭代中的超参数进行验证，得到所述超参数对应的性能数据；

根据所述超参数及对应的性能数据，对当前次迭代中的超参数性能数据集进行更新，并将更新后的超参数性能数据集作为下一次迭代中的超参数性能数据集。

7.根据权利要求2所述的信息推荐方法，其特征在于，所述方法还包括：

在每次迭代过程中，对当前次迭代中的超参数进行验证，得到所述超参数对应的性能数据；

根据所述超参数对应的性能数据，对所述目标采集函数在当前次迭代中的累积性能参数进行更新，并将更新后的累积性能参数作为所述目标采集函数在下一次迭代中的累积性能参数。