[发明专利]一种模型训练的方法、信息推荐的方法以及装置

说明书

本说明书公开了一种模型训练的方法、信息推荐的方法以及装置，获取历史训练样本以及新增训练样本。其次，针对每个历史训练样本，将该历史训练样本输入到预设的历史推荐模型中，确定第一点击率，将该历史训练样本输入到推荐模型中，确定第二点击率，以及将新增训练样本输入到推荐模型中，确定新增训练样本对应的新增点击率。最后，以最小化第一点击率与第二点击率之间的偏差，以及新增点击率与新增训练样本对应的标签之间的偏差为优化目标，对推荐模型进行训练。本方法可以避免推荐模型失去早期的历史训练样本对推荐模型的训练成果，并保证推荐模型在更新过程中可以确定出用户的偏好的变化，提高推荐模型确定出的推荐信息的准确性。

技术领域

本说明书涉及计算机技术领域，尤其涉及一种模型训练的方法、信息推荐的方法以及装置。

背景技术

目前，在大多数推荐场景下，通常使用增量更新的方法，在通过历史训练样本训练后的推荐模型的基础上，使用新增训练样本进行训练。

然而，在实际应用中，利用新增训练样本训练推荐模型的方法，可能会导致推荐模型出现严重的知识遗忘问题(catastrophic forgetting problems)。也就是说，随着时间的推移，这种方法会导致推荐模型失去早期的历史训练样本对推荐模型的训练成果，降低推荐模型确定出的推荐信息的准确性。

因此，如何能够提高推荐模型确定出的推荐信息的准确性，则是一个亟待解决的问题。

发明内容

本说明书提供一种模型训练的方法、装置、存储介质及电子设备，以部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供了一种模型训练的方法，包括：

获取历史训练样本以及新增训练样本，其中，训练样本中包含有用户特征以及推荐信息；

针对每个历史训练样本，将该历史训练样本输入到预设的历史推荐模型中，确定该历史训练样本在所述历史推荐模型对应的点击率，作为第一点击率，将该历史训练样本输入到推荐模型中，确定该历史训练样本在所述推荐模型对应的点击率，作为第二点击率，以及将该历史训练样本对应的新增训练样本输入到所述推荐模型中，确定所述新增训练样本对应的点击率，作为新增点击率；

以最小化所述第一点击率与所述第二点击率之间的偏差，以及所述新增点击率与所述新增训练样本对应的标签之间的偏差为优化目标，对所述推荐模型进行训练。

可选地，获取历史训练样本，具体包括：

获取训练样本集，所述训练样本集中的训练样本包含有业务对象的对象数据；

针对每个业务对象，根据所述对象数据，确定该业务对象对应的训练样本的数量在所述训练样本集中的占比，作为该业务对象对应的占比；

按照各业务对象对应的占比，从所述训练样本集中选取训练样本，作为获取到的历史训练样本。

可选地，获取历史训练样本，具体包括：

确定获取到的新增训练样本对应的业务时段；

从获取到的训练样本集中选取出与所述业务时段相匹配的训练样本，作为获取到的历史训练样本。

可选地，针对每个历史训练样本，将该历史训练样本输入到预设的历史推荐模型中，确定该历史训练样本在所述历史推荐模型对应的点击率，作为第一点击率，将该历史训练样本输入到推荐模型中，确定该历史训练样本在所述推荐模型对应的点击率，作为第二点击率，以及将该历史训练样本对应的新增训练样本输入到所述推荐模型中，确定所述新增训练样本对应的点击率，作为新增点击率，具体包括：

针对每个训练样本，确定该训练样本对应的所述用户特征、所述推荐信息对应的推荐信息特征以及环境数据对应的环境特征；