[发明专利]池化算子的处理方法、装置、设备及存储介质

说明书

本申请实施例公开了一种池化算子的处理方法、装置、设备及存储介质，相关实施例可应用于人工智能、地图、智能交通等各种场景，用于提高模型预测的准确性。该方法包括：获取每个目标特征域的中的每个目标特征值对应的第一特征向量；基于池化算子搜索空间，为每个目标特征域匹配目标池化算子，池化算子搜索空间包括K个候选池化算子，目标池化算子为权重值最大的候选池化算子，将每个目标特征值对应的第一特征向量经过目标池化算子进行池化压缩，得到每个目标特征域对应的目标池化特征向量，基于每个目标特征域对应的目标池化特征向量进行损失计算，得到目标损失值，基于目标损失值对推荐模型进行模型参数更新，得到目标推荐模型。

技术领域

本申请实施例涉及人工智能技术领域，尤其涉及一种池化算子的处理方法、装置、设备及存储介质。

背景技术

随着信息技术的发展，推荐模型常被用来建模目标对象与物品的关系，在建模的过程中，模型的输入通常是一条由一个目标对象和一个物品组成的样本，模型的输出是用于反映该目标对象对物品的喜爱程度。

一条样本可以由上百个特征域组成，而每个特征域可以包含不同数量的特征值，例如，有些特征域只会有一个特征值的特征域被称为单值特征域，相对的，如果一条样本中某个特征域可能包含多个特征值，那么该特征域被称为多值特征域。

目前的模型方案会对特征值对应的嵌入向量进行统一的池化操作，转成一个固定长度的向量后才进行后续模型计算，但是，由于多值特征域中包含的特征值数量是不确定的，因此给所有特征域都用同一个池化算子，容易对模型优化造成干扰，导致模型预测的准确性降低。

发明内容

本申请实施例提供了一种池化算子的处理方法、装置、设备及存储介质，用于在每个目标特征域的目标池化特征向量的生成过程中，自动化为每个目标特征域匹配合适的目标池化算子，能够增强模型的表达能力，以避免所有特征域都用同一个池化算子，容易对模型优化造成干扰的情况，再对模型进行迭代优化，从而提高模型预测的准确性。

本申请实施例一方面提供了一种池化算子的处理方法，包括：

获取每个目标特征域的中的每个目标特征值对应的第一特征向量；

基于池化算子搜索空间，为每个所述目标特征域匹配目标池化算子，其中，所述池化算子搜索空间包括K个候选池化算子，所述目标池化算子为权重值最大的候选池化算子，所述K为大于等于1的整数；

针对于每个所述目标特征域，将每个所述目标特征值对应的第一特征向量经过所述目标池化算子进行池化压缩，得到每个所述目标特征域对应的目标池化特征向量；

基于每个所述目标特征域对应的目标池化特征向量进行损失计算，得到目标损失值；

基于所述目标损失值对推荐模型进行模型参数更新，得到目标推荐模型。

本申请另一方面提供了一种池化算子的处理装置，包括：

获取单元，用于获取每个目标特征域的中的每个目标特征值对应的第一特征向量；

确定单元，用于基于池化算子搜索空间，为每个目标特征域匹配目标池化算子，其中，池化算子搜索空间包括K个候选池化算子，目标池化算子为权重值最大的候选池化算子，K为大于等于1的整数；

处理单元，用于针对于每个目标特征域，将每个目标特征值对应的第一特征向量经过目标池化算子进行池化压缩，得到每个目标特征域对应的目标池化特征向量；

处理单元，还用于基于每个目标特征域对应的目标池化特征向量进行损失计算，得到目标损失值；

处理单元，还用于基于目标损失值对推荐模型进行模型参数更新，得到目标推荐模型。

在一种可能的设计中，本申请实施例另一方面的一种实现方式中，