[发明专利]目标排序模型的训练方法、目标排序方法及装置

权利要求书

1.一种目标排序模型的训练方法，包括：

获取N个目标分别对应的特征，所述N为大于等于3的整数；

通过目标排序模型中共享专家子网，从所述N个目标分别对应的特征中提取所述N个目标的共性特征；

通过所述目标排序模型中所述N个目标分别对应的专家子网，从所述N个目标分别对应的特征中提取所述N个目标分别对应的个性特征；其中，M个目标对应同一个专家子网，所述M为大于等于1的整数，所述M小于所述N；

基于所述N个目标分别对应的个性特征和所述N个目标的共性特征，调整所述目标排序模型的参数。

2.根据权利要求1所述的方法，还包括：

通过所述目标排序模型中所述N个目标分别对应的门控子网，基于所述N个目标分别对应的个性特征和所述N个目标的共性特征，确定所述N个目标分别对应的待识别特征；

通过所述目标排序模型中所述N个目标分别对应的预测子网，基于所述N个目标分别对应的待识别特征，确定所述N个目标分别对应的预测值。

3.根据权利要求2所述的方法，其中，所述基于所述N个目标分别对应的个性特征和所述N个目标的共性特征，调整所述目标排序模型的参数，包括：

基于所述N个目标分别对应的预测值和所述N个目标分别对应的真值，调整所述目标排序模型中所述共享专家子网、所述N个目标分别对应的专家子网、所述N个目标分别对应的门控子网和所述N个目标分别对应的预测子网的参数。

4.根据权利要求2所述的方法，其中，所述M个目标包括第一目标和第二目标，所述基于所述N个目标分别对应的个性特征和所述N个目标的共性特征，调整所述目标排序模型的参数，包括：

基于所述第一目标对应的预测值和所述第一目标的真值，以及所述第二目标对应的预测值和所述第二目标的真值，调整所述目标排序模型中所述第一目标和所述第二目标分别对应的预测子网的参数、以及所述第一目标和所述第二目标共同对应的专家子网和门控子网的参数。

5.根据权利要求2所述的方法，其中，所述N个目标分别对应的特征包括所述N个目标分别对应的用户特征和所述N个目标分别对应的资源特征；

所述基于所述N个目标分别对应的待识别特征，确定所述N个目标分别对应的预测值，包括：

获取基于所述N个目标分别对应的用户特征确定出的N个目标分别对应的第一类预测值；

获取基于所述N个目标分别对应的资源特征确定出的N个目标分别对应的第二类预测值；

根据所述N个目标分别对应的第一类预测值以及所述N个目标分别对应的第二类预测值，确定所述N个目标分别对应的预测值。

6.根据权利要求1所述的方法，其中，所述M个目标中各目标之间的相关性大于预设阈值。

7.根据权利要求2至6任一项所述的方法，其中，所述目标排序模型包括第一排序子模型和第二排序子模型；所述第一排序子模型和所述第二排序子模型均包括底层神经网络和顶层神经网络，所述底层神经网络包括所述共享专家子网和所述N个目标分别对应的专家子网，所述顶层神经网络包括N个目标分别对应的预测子网；所述N个目标分别对应的专家子网分别与所述共享专家子网连接，并与对应的门控子网连接；所述N个目标分别对应的门控子网分别与对应的所述预测子网连接。

8.一种目标排序方法，包括：

获取N个目标分别对应的特征，所述N为大于等于3的整数；

通过目标排序模型中共享专家子网，从所述N个目标分别对应的特征中提取所述N个目标的共性特征；

通过所述目标排序模型中所述N个目标分别对应的专家子网，从所述N个目标分别对应的特征中提取所述N个目标分别对应的个性特征；其中，M个目标对应同一个专家子网，所述M为大于等于1的整数，所述M小于所述N；

基于所述N个目标分别对应的个性特征和所述N个目标的共性特征，确定N-M个目标分别对应的排序结果，其中，所述目标排序模型采用根据权利要求1至7任一项所述的目标排序模型的训练方法得到。