[发明专利]一种基于迁移学习的模型训练方法、信息推荐方法及装置

权利要求书

1.一种基于迁移学习的模型训练方法，其特征在于，包括：

获取若干用户在目标域中的各样本数据，以及所述各用户在源域中的各样本数据，所述样本数据中至少包括用户的历史行为数据以及商品信息；

针对所述每个用户，根据该用户在所述源域中的各样本数据，确定该用户在所述源域中的聚合样本数据；

针对该用户在所述目标域中的每个样本数据，根据该样本数据以及该用户在所述源域中的聚合样本数据，确定该用户的融合样本数据，作为第一训练样本，并根据该样本数据对应在所述目标域的业务执行结果，对所述第一训练样本进行标注；

分别将各第一训练样本输入待训练的点击预测模型中，确定各第一训练样本对应的预测点击率；

根据各第一训练样本对应的预测点击率与各第一训练样本的标注，确定损失函数，并以最小化所述损失函数为目标，调整所述点击预测模型中的模型参数；

其中，所述点击预测模型用于进行信息推荐。

2.如权利要求1所述的方法，其特征在于，根据该样本数据以及该用户在所述源域中的聚合样本数据，确定该用户的融合样本数据，具体包括：

确定该用户在所述源域中的若干关联用户；

根据各关联用户在所述源域中的各样本数据，确定各关联用户在所述源域中的聚合样本数据；

根据该样本数据、该用户在所述源域中的聚合样本数据，以及各关联用户在所述源域中的聚合样本数据，确定该用户的融合样本数据。

3.如权利要求2所述的方法，其特征在于，确定该用户在所述源域中的若干关联用户，具体包括：

根据该用户在所述源域中的用户标识，以及预先构建的用户索引，确定该用户在所述源域中的若干关联用户。

4.如权利要求3所述的方法，其特征在于，构建用户索引，具体包括：

确定所述源域中各用户的用户特征；

针对所述源域中的每个用户，根据该用户的用户特征以及所述源域中各其他用户的用户特征，确定该用户与各其他用户的相似度；

根据该用户与各其他用户的相似度，确定该用户的关联用户，并根据各用户及其关联用户，构建用户索引。

5.如权利要求1所述的方法，其特征在于，所述方法还包括：

根据该用户在所述源域中的聚合样本数据，确定第二训练样本，并根据该用户的各样本数据对应在所述源域的业务执行结果，对所述第二训练样本进行标注；

分别将各第二训练样本输入待训练的点击预测模型中，确定各第二训练样本对应的预测点击率；

确定损失函数，具体包括：

根据各第一训练样本对应的预测点击率与各第一训练样本的标注，各第二训练样本对应的预测点击率与各第二训练样本的标注，确定损失函数。

6.如权利要求1所述的方法，其特征在于，所述方法还包括：

确定该用户在所述源域中的若干关联用户；

根据各关联用户在所述源域中的各样本数据，确定各关联用户在所述源域中的聚合样本数据，作为第三训练样本，并根据各关联用户的各样本数据对应在所述源域的业务执行结果，对所述第三训练样本进行标注；

分别将各第三训练样本输入待训练的点击预测模型中，确定各第三训练样本对应的预测点击率；

确定损失函数，具体包括：

根据各第一训练样本对应的预测点击率与各第一训练样本的标注，各第二训练样本对应的预测点击率与各第二训练样本的标注，以及各第三训练样本对应的预测点击率与各第三训练样本的标注，确定损失函数。