[发明专利]在线训练模型的方法、装置、电子设备和存储介质

权利要求书

1.一种在线训练模型的方法，其特征在于，所述方法包括：

响应于目标对象对应的推荐请求，确定所述目标对象对应的第一在线样本信息，所述第一在线样本信息为基于所述目标对象、所述目标对象对应的目标业务资源和所述目标对象对应的当前业务操作信息得到的；

基于所述第一在线样本信息，对当前业务推荐模型进行模型训练，得到训练后推荐模型；

基于所述第一在线样本信息，确定所述目标对象对应的第二在线样本信息；

基于所述第二在线样本信息，对所述当前业务推荐模型对应的当前数据校准模型进行模型训练，得到训练后校准模型；

基于所述训练后校准模型，对所述训练后推荐模型进行模型检测，得到当前模型检测结果；

在所述当前模型检测结果满足预设条件的情况下，将所述当前业务推荐模型更新为所述训练后推荐模型，将所述当前数据校准模型更新为所述训练后校准模型。

2.根据权利要求1所述的在线训练模型的方法，其特征在于，所述基于所述训练后校准模型，对所述训练后推荐模型进行模型检测，得到当前模型检测结果包括：

获取检测样本信息；

将检测样本信息输入到所述训练后推荐模型中进行业务推荐处理，得到检测推荐指标信息；

将所述检测推荐指标信息输入到所述训练后校准模型中进行数据校准，得到检测校准信息；

基于所述检测推荐指标信息和所述检测校准信息，得到所述当前模型检测结果。

3.根据权利要求1所述的在线训练模型的方法，其特征在于，所述方法还包括：

在所述当前模型检测结果不满足预设条件的情况下，生成指示回滚所述训练后推荐模型的第一模型状态信息和指示回滚所述训练后校准模型的第二模型状态信息；

响应于基于所述第一模型状态信息触发的回滚操作信息，对所述训练后推荐模型执行回滚操作；

响应于基于所述第二模型状态信息触发的回滚操作信息，对所述训练后校准模型执行回滚操作。

4.根据权利要求1所述的在线训练模型的方法，其特征在于，所述响应于目标对象对应的推荐请求，确定所述目标对象对应的第一在线样本信息包括：

响应于所述目标对象对应的推荐请求，获取所述目标对象对应的对象属性信息；

基于所述对象属性信息，从待推荐业务资源中确定与所述目标对象匹配的目标业务资源；

基于所述目标业务资源的资源属性信息和所述对象属性信息，得到目标对象资源信息；

基于在对所述目标业务资源执行推荐操作的过程中所述目标对象和所述目标业务资源分别对应的操作信息，得到所述当前业务操作信息；

对所述目标对象资源信息和所述当前业务操作信息进行组合，得到所述第一在线样本信息。

5.根据权利要求4所述的在线训练模型的方法，其特征在于，所述基于所述第一在线样本信息，确定所述目标对象对应的第二在线样本信息包括：

将所述第一在线样本信息输入到所述当前业务推荐模型进行业务推荐处理，得到当前推荐指标信息；

基于所述目标业务资源对应的推荐执行结果，获取所述当前业务操作信息中所述目标对象对应的目标操作信息；

基于所述当前推荐指标信息和所述目标操作信息，得到所述第二在线样本信息。

6.根据权利要求1所述的在线训练模型的方法，其特征在于，所述第一在线样本信息包括目标对象资源信息和当前业务操作信息，所述基于所述第一在线样本信息，对当前业务推荐模型进行模型训练，得到训练后推荐模型包括：

将所述目标对象资源信息输入到所述当前业务推荐模型进行业务推荐处理，得到当前推荐指标信息；

基于所述当前推荐指标信息和所述当前业务操作信息对应的推荐指标标注信息，得到推荐损失信息；

基于所述推荐损失信息，对所述当前业务推荐模型的模型参数进行更新，得到所述训练后推荐模型。