[发明专利]在线预测模型的训练方法、装置、设备及存储介质

说明书

本申请公开了在线预测模型的训练方法、装置、设备及存储介质，涉及机器学习技术领域。该方法的一具体实施方式包括：获取用户的离线样本特征和在线样本特征，离线样本特征包括用户画像特征；基于用户的离线样本特征和在线样本特征，离线训练得到离线推荐模型；获取用户的最新在线特征，以及基于用户的最新在线特征，在线训练得到在线学习模型，在线学习模型用于使得最新在线特征适应于作为在线样本特征输入至已经训练好的离线推荐模型；将离线推荐模型同步至线上，以及将在线学习模型输出的最新在线特征输入至离线推荐模型，生成在线预测模型，从而利用用户的线上样本数据优化在线预测模型，提升了推荐模型拟合效果和泛化效果，可应用但不限于在云计算场景中。

技术领域

本申请涉及计算机技术领域，具体涉及机器学习技术领域，尤其涉及在线预测模型的训练方法、装置、设备及存储介质。

背景技术

推荐系统是利用电子商务网站向用户提供物品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。

传统的推荐系统基于固定推荐算法，未考虑用户线上实时行为，且对不同渠道的特征未做个性化处理，导致推荐模型泛化能力受限，进而降低了推荐系统的响应率和点击率。

发明内容

本申请实施例提供了一种在线预测模型的训练方法、装置、设备及存储介质。

根据第一方面，提供了一种在线预测模型的训练方法，包括：获取用户的离线样本特征和在线样本特征，所述离线样本特征包括用户画像特征；基于用户的离线样本特征和在线样本特征，离线训练得到离线推荐模型；获取用户的最新在线特征，以及基于用户的所述最新在线特征，在线训练得到在线学习模型，所述在线学习模型用于使得所述最新在线特征适应于作为在线样本特征输入至已经训练好的离线推荐模型；将所述离线推荐模型同步至线上，以及将所述在线学习模型输出的所述最新在线特征输入至所述离线推荐模型，生成在线预测模型。

根据第二方面，提供了一种在线预测模型的训练装置，包括：获取单元，被配置为获取用户的离线样本特征和在线样本特征，所述离线样本特征包括用户画像特征；离线训练单元，被配置为基于用户的离线样本特征和在线样本特征，离线训练得到离线推荐模型；在线训练单元，被配置为获取用户的最新在线特征，以及基于用户的所述最新在线特征，在线训练得到在线学习模型，所述在线学习模型用于使得所述最新在线特征适应于作为在线样本特征输入至已经训练好的离线推荐模型；模型生成单元，被配置为将所述离线推荐模型同步至线上，以及将所述在线学习模型输出的所述最新在线特征输入至所述离线推荐模型，生成在线预测模型。

根据第三方面，本申请实施例提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

根据第四方面，本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

本申请实施例提供的在线预测模型的训练方法、装置、设备及存储介质，首先，获取用户的离线样本特征和在线样本特征，所述离线样本特征包括用户画像特征；其次，基于用户的离线样本特征和在线样本特征，离线训练得到离线推荐模型；再次，获取用户的最新在线特征，以及基于用户的所述最新在线特征，在线训练得到在线学习模型，所述在线学习模型用于使得所述最新在线特征适应于作为在线样本特征输入至已经训练好的离线推荐模型；然后，将所述离线推荐模型同步至线上，以及将所述在线学习模型输出的所述最新在线特征输入至所述离线推荐模型，生成在线预测模型，从而利用用户的线上样本数据优化在线预测模型，提升了推荐模型拟合效果和泛化效果，可应用但不限于在云计算场景中。