[发明专利]基于人工智能的特征处理模型的训练方法及装置

权利要求书

1.一种基于人工智能的特征处理模型的训练方法，其特征在于，应用于内容推荐领域或内容问答领域，所述方法包括：

基于所述内容推荐领域中内容推荐数据或所述内容问答领域中的问答数据，获取样本对象的特征元素，及对应所述特征元素的至少两个层级元素；

其中，所述层级元素，用于构建对应所述特征元素的特征层级结构；所述特征层级结构中，上层级的第一层级元素映射至相邻下层级的至少一个第二层级元素，且所述至少一个第二层级元素的元素信息，用于组合表征所述第一层级元素的元素信息；

对所述特征元素及所述至少两个层级元素进行组合，得到对应所述样本对象的组合特征样本；

构建包括至少两种组合特征样本的样本集合；

基于所述样本集合，训练特征处理模型，以使所述特征处理模型能够基于输入的目标对象的组合特征，输出相应的特征组合向量；

其中，所述特征组合向量包括：对应所述目标对象的特征元素的特征向量，及用于表征所述目标对象的特征元素的特征层级结构的层级向量。

2.如权利要求1所述的方法，其特征在于，所述特征处理模型包括向量转换层及特征映射层，所述基于所述样本集合，训练特征处理模型，包括：

通过所述向量转换层，对所述样本集合中的组合特征样本进行向量转换，得到所述组合特征样本中各个元素对应的向量，所述组合特征样本标注有目标组合向量；

其中，所述目标组合向量由用于表征所述特征元素的特征向量、及用于表征所述特征元素所处特征层级的层级向量组合得到；

通过所述特征映射层，对所述组合特征样本中各个元素对应的向量进行映射处理，得到所述组合特征样本对应的特征组合向量；

获取所述目标特征组合向量与所述特征组合向量之间的差异，并基于所述差异更新所述特征处理模型的模型参数。

3.如权利要求1所述的方法，其特征在于，所述基于所述内容推荐领域中内容推荐数据或所述内容问答领域中的问答数据，获取样本对象的特征元素，及对应所述特征元素的至少两个层级元素，包括：

基于所述内容推荐领域中内容推荐数据，获取第一推荐对象样本的特征元素，及对应所述第一推荐对象样本的特征元素的至少两个层级元素；所述第一推荐对象样本的特征元素包括以下至少之一：内容特征、用户特征及交互特征。

4.如权利要求3所述的方法，其特征在于，所述对所述特征元素及所述至少两个层级元素进行组合，得到对应所述样本对象的组合特征样本，包括：

当所述第一推荐对象样本的特征元素为内容特征时，对所述第一推荐对象样本的内容特征、及用于表征所述内容特征的层级结构的第一层级特征进行组合，得到所述第一推荐对象样本的内容组合特征；

当所述第一推荐对象样本的特征元素为用户特征时，对所述第一推荐对象样本的用户特征、及用于表征所述用户特征对应的层级结构的第二层级特征组合，得到所述第一推荐对象样本的用户组合特征；

当所述第一推荐对象样本的特征元素为交互特征时，对所述第一推荐对象样本的交互特征、及用于表征所述交互特征对应的层级结构的第三层级特征组合，得到所述第一推荐对象样本的交互组合特征。

5.如权利要求4所述的方法，其特征在于，所述特征处理模型包括向量转换层及特征映射层，所述基于所述样本集合，训练特征处理模型之后，所述方法还包括：

通过所述向量转换层，对待推荐对象对应的组合特征进行向量转换，得到所述组合特征中各个特征对应的向量；

通过所述特征映射层，对所述组合特征中各个特征对应的向量进行映射处理，得到所述组合特征对应的映射向量，所述映射向量包括所述待推荐对象对应的组合特征对应的组合向量；

基于所述映射组合特征向量包括的组合向量，对所述待推荐对象进行内容推荐。