[发明专利]模型训练方法、商品推送方法、装置和电子设备

说明书

本申请提出一种模型训练方法、商品推送方法、装置和电子设备。训练方法：获取训练样本，训练样本包括样本评分矩阵和样本推送商品，以及样本推送商品的分类标签；基于训练样本对GAN模型中的生成网络和判别网络进行对抗训练，生成网络用于根据样本评分矩阵和分类标签为负样本的样本推送商品，生成伪样本推送商品，判别网络用于对伪样本推送商品进行真假样本判别；响应于未满足模型训练结束条件，返回采用下一个训练样本继续对GAN模型进行训练，直至满足模型训练结束条件，则生成目标GAN模型。由此，可基于训练样本对GAN模型中的生成网络和判别网络进行对抗训练，以生成目标GAN模型，可实现生成对抗网络在商品推送场景下的应用。

技术领域

本申请涉及计算机应用技术领域，尤其涉及一种模型训练方法、商品推送方法、装置、电子设备和存储介质。

背景技术

目前，随着网络技术的发展，购物应用程序、购物网页给人们的购物带来了很大便利，人们不用出门就可在家实现购物。为了向用户提供更优质的服务，可向用户提供智能推送等服务，比如，可在购物应用程序的推送页面中展示推送商品。然而，相关技术中的商品推送方法存在推送效果较差，人工成本高的问题。

发明内容

本申请旨在至少在一定程度上解决相关技术中商品推送方法存在推送效果较差，人工成本高的技术问题之一。

为此，本申请第一方面实施例提出一种模型训练方法，可基于训练样本对GAN模型中的生成网络和判别网络进行对抗训练，训练样本包括样本对象对应的样本商品的样本评分矩阵和样本推送商品，以及样本推送商品的分类标签，生成网络用于根据样本评分矩阵和分类标签为负样本的样本推送商品，生成伪样本推送商品，判别网络用于对伪样本推送商品进行真假样本判别，以生成目标GAN模型，可实现生成对抗网络在商品推送场景下的应用。

本申请第二方面实施例提出一种商品推送方法，可将目标对象对应的商品的评分矩阵输入至目标GAN模型，由目标GAN模型中的生成网络根据评分矩阵确定目标对象的推送商品。由此，可通过目标GAN模型为目标对象确定推送商品，有助于提升商品推送效果，可实现推送商品的自动确定，节省了人工成本，可实现生成对抗网络在商品推送场景下的应用。

本申请第三方面实施例提出一种模型训练装置。

本申请第四方面实施例提出一种商品推送装置。

本申请第五方面实施例提出一种电子设备。

本申请第六方面实施例提出一种计算机可读存储介质。

本申请第一方面实施例提出了一种模型训练方法，包括：获取训练样本，所述训练样本包括样本对象对应的样本商品的样本评分矩阵和样本推送商品，以及所述样本推送商品的分类标签；基于所述训练样本对生成对抗网络GAN模型中的生成网络和判别网络进行对抗训练，其中所述生成网络用于根据所述样本评分矩阵和所述分类标签为负样本的样本推送商品，生成伪样本推送商品，所述判别网络用于对所述伪样本推送商品进行真假样本判别；响应于未满足模型训练结束条件，返回采用下一个训练样本继续对调整模型参数的GAN模型进行训练，直至满足所述模型训练结束条件，则生成目标GAN模型。

根据本申请实施例的模型训练方法，可基于训练样本对GAN模型中的生成网络和判别网络进行对抗训练，训练样本包括样本对象对应的样本商品的样本评分矩阵和样本推送商品，以及样本推送商品的分类标签，生成网络用于根据样本评分矩阵和分类标签为负样本的样本推送商品，生成伪样本推送商品，判别网络用于对伪样本推送商品进行真假样本判别，以生成目标GAN模型，可实现生成对抗网络在商品推送场景下的应用。

另外，根据本申请上述实施例的模型训练方法还可以具有如下附加的技术特征：