[发明专利]模型训练方法、设备和存储介质

说明书

本发明实施例提供一种模型训练方法、设备和存储介质，该方法包括：终端设备确定目标用户在终端设备上产生的第一用户数据，还可以发送数据获取请求，以获取服务器发送的其他用户产生的第二用户数据，且第一、第二用户数据之间的相似度满足预设条件。之后，以第一用户数据和第二用户数据作为训练样本，训练针对于目标用户的用户行为预测模型。上述方法中，通过服务器和终端设备协同工作，能够使终端设备获取来源不同但具有高相似度的第一用户数据和第二用户数据，丰富训练样本，保证模型的准确性。并且第二用户数据与第一用户数据所反映的行为模式与目标用户的行为模式相似，因此，训练出的预测模型输出的预测结果也与目标用户的行为模式相接近。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种模型训练方法、设备和存储介质。

背景技术

随着互联网的发展，根据用户的属性信息和用户的行为模式为用户进行个性化推荐已经在如电商平台、资讯平台等多种场景应用。优质的推荐服务往往能更好地匹配用户的需求，提升用户的使用体验。

现有技术中，个性化推荐通常可以借助两阶段推荐系统来实现。以电商平台为例，第一阶段，可以使用相关算法从全部商品中得到准备推荐给用户的多种代表商品；第二阶段，可以使用用户行为预测模型预测用户针对多种代表商品产生如购买、收藏、加入购物车等行为的概率，以进一步按照概率高低对多种代表商品进行排序，排序结果即为反馈给用户的个性化推荐内容。

对于上述的两阶段推荐系统，预测模型输出预测结果的准确性会影响用户粘度。因此，如何提高预测模型的准确性就成为一个亟待解决的问题。

发明内容

有鉴于此，本发明实施例提供一种模型训练方法、设备和存储介质，用以提高预测模型的个性化程度，进一步提高预测结果的准确性。

第一方面，本发明实施例提供一种模型训练方法，包括：

确定目标用户在所述终端设备上产生的第一用户数据；

发送数据获取请求，以获取服务器响应于所述数据获取请求发送的其他用户产生的第二用户数据，所述第二用户数据和所述第一用户数据之间的相似度满足预设条件；

根据所述第一用户数据和所述第二用户数据，训练所述目标用户对应的用户行为预测模型。

第二方面，本发明实施例提供一种模型训练方法，包括：

确定目标用户在终端设备上产生的第一用户数据；

在其他用户产生的备选用户数据中，确定与所述第一用户数据的相似度满足预设条件的第二用户数据；

响应于所述终端设备发送的数据获取请求，发送所述第二用户数据至所述终端设备，以使所述终端设备根据所述第一用户数据和所述第二用户数据训练用户行为预测模型。

第三方面，本发明实施例提供一种电子设备，包括处理器和存储器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第一方面～第二方面中任一方面提供的模型训练方法。该电子设备还可以包括通信接口，用于与其他设备或通信网络通信。

第四方面，本发明实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器至少可以实现如第一方面～第二方面中任一方面所述的模型训练方法。

本发明实施例提供的模型训练方法，终端设备确定目标用户在本设备上产生的第一用户数据，同时还可以获取服务器发送的其他用户产生的第二用户数据，其中，服务器响应于终端设备发送的数据获取请求，以反馈第二用户数据至终端设备，并且第一、第二用户数据之间的相似度满足预设条件。之后，终端设备可以在本地将第一用户数据和第二用户数据作为训练样本，训练针对于目标用户的用户行为预测模型，即得到个性化的预测模型。