[发明专利]一种信息推荐模型的训练方法、装置及设备

权利要求书

1.一种信息推荐模型的训练方法，其特征在于，所述方法包括：

将至少两条样本数据输入信息推荐模型，进行第一数据特征提取，得到所述至少两条样本数据的第一特征数据；所述样本数据包括用户行为数据以及推荐对象数据；

将所述至少两条样本数据输入所述信息推荐模型，进行第二数据特征提取，得到所述至少两条样本数据的第二特征数据；

根据同一样本数据的第一特征数据与第二特征数据之间的差距，以及不同样本数据的第一特征数据之间的差距或者第二特征数据之间的差距，计算损失值；

利用所述损失值调整所述信息推荐模型的模型参数，重复执行所述将至少两条样本数据输入信息推荐模型，进行第一数据特征提取以及后续步骤，直到达到停止条件，获得所述信息推荐模型的初始化模型参数；

利用训练数据在所述信息推荐模型的初始化模型参数的基础上调整所述信息推荐模型的模型参数，得到训练完成的信息推荐模型。

2.根据权利要求1所述的方法，其特征在于，所述将至少两条样本数据输入信息推荐模型，进行第一数据特征提取，得到所述至少两条样本数据的第一特征数据，包括：

将至少两条样本数据进行第一随机掩码操作后输入信息推荐模型，得到所述至少两条样本数据的第一特征数据；

或者，对信息推荐模型的隐层节点权重进行第一随机置零操作，将至少两条样本数据输入所述信息推荐模型，得到所述至少两条样本数据的第一特征数据；

或者，对信息推荐模型的隐层节点权重进行第一随机置零操作，将至少两条样本数据进行第一随机掩码操作后输入所述信息推荐模型，得到所述至少两条样本数据的第一特征数据；

所述将所述至少两条样本数据输入所述信息推荐模型，进行第二数据特征提取，得到所述至少两条样本数据的第二特征数据，包括：

将所述至少两条样本数据进行第二随机掩码操作后输入所述信息推荐模型，得到所述至少两条样本数据的第二特征数据；

或者，对所述信息推荐模型的隐层节点权重进行第二随机置零操作，将所述至少两条样本数据输入所述信息推荐模型，得到所述至少两条样本数据的第二特征数据；

或者，对所述信息推荐模型的隐层节点权重进行第二随机置零操作，将所述至少两条样本数据进行第二随机掩码操作后输入所述信息推荐模型，得到所述至少两条样本数据的第二特征数据；

其中，所述第一随机掩码操作与所述第二随机掩码操作不同；所述第一随机置零操作与所述第二随机置零操作不同。

3.根据权利要求1所述的方法，其特征在于，所述根据同一样本数据的第一特征数据与第二特征数据之间的差距，以及不同样本数据的第一特征数据之间的差距或者第二特征数据之间的差距，计算损失值，包括：

计算每一样本数据的第一特征数据与第二特征数据在特征向量空间的第一角度差，计算每两个不同样本数据的第一特征数据在特征向量空间的第二角度差，根据各个所述第一角度差、各个所述第二角度差以及所述样本数据的数量，计算损失值；

或者，计算每一样本数据的第一特征数据与第二特征数据在特征向量空间的第一角度差，计算每两个不同样本数据的第二特征数据在特征向量空间的第三角度差，根据各个所述第一角度差、各个所述第三角度差以及所述样本数据的数量，计算损失值。

4.根据权利要求1所述的方法，其特征在于，所述将至少两条样本数据输入信息推荐模型，进行第一数据特征提取，得到所述至少两条样本数据的第一特征数据，包括：

将至少两条用户行为数据输入信息推荐模型中的用户数据特征提取子模型，进行第一数据特征提取，得到所述至少两条用户行为数据的第一特征数据；

将至少两条推荐对象数据输入信息推荐模型中的推荐对象特征提取子模型，进行第一数据特征提取，得到所述至少两条推荐对象数据的第一特征数据；

所述将所述至少两条样本数据输入所述信息推荐模型，进行第二数据特征提取，得到所述至少两条样本数据的第二特征数据，包括：

将所述至少两条用户行为数据输入所述信息推荐模型中的用户数据特征提取子模型，进行第二数据特征提取，得到所述至少两条用户行为数据的第二特征数据；

将所述至少两条推荐对象数据输入所述信息推荐模型中的推荐对象特征提取子模型，进行第二数据特征提取，得到所述至少两条推荐对象数据的第二特征数据。