[发明专利]目标排序模型的训练方法、目标排序方法及装置

说明书

本公开提供了一种目标排序模型的训练方法、目标排序方法及装置。涉及计算机技术领域，尤其涉及数据处理、机器学习、智能推荐等领域。具体实现方案为：获取N个目标分别对应的特征，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N个目标分别对应的特征中提取N个目标的共性特征；通过目标排序模型中N个目标分别对应的专家子网，从N个目标分别对应的特征中提取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，M为大于等于1的整数，M小于N；基于N个目标分别对应的个性特征和N个目标的共性特征，调整目标排序模型的参数。根据本公开的方案，能解决样本数据稀疏的目标的建模效果差的问题。

技术领域

本公开涉及计算机技术领域，尤其涉及数据处理、机器学习、智能推荐等领域。

背景技术

随着业务的高速发展，出现大量业务需要提供推荐服务的场景。一些推荐系统采用目标排序模型为产品进行资源排序，根据资源排序情况为用户推荐产品的相关资源。相关技术中，目标排序模型的建模，采用将多个目标联合训练和预估，且硬参数共享的方式，通过让模型学习不同目标之间的区别来发掘目标之间的关联，进而提升模型预估的精确度。但是，由于各目标之间的样本数据不均衡，这种训练方式会导致样本数据稀疏的目标的建模效果较差，从而影响目标排序模型对样本数据稀疏的目标的预估效果。

发明内容

本公开提供了一种目标排序模型的训练方法、目标排序方法及装置。

根据本公开的第一方面，提供了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，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N个目标分别对应的特征中提取N个目标的共性特征；

通过目标排序模型中N个目标分别对应的专家子网，从N个目标分别对应的特征中提取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，M为大于等于1的整数，M小于N；

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

根据本公开的第二方面，提供了一种目标排序方法，包括：

获取N个目标分别对应的特征，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N个目标分别对应的特征中提取N个目标的共性特征；

通过目标排序模型中N个目标分别对应的专家子网，从N个目标分别对应的特征中提取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，M为大于等于1的整数，M小于N；

基于N个目标分别对应的个性特征和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，目标排序模型采用根据第一方面的目标排序模型的训练方法得到。

根据本公开的第三方面，提供了一种目标排序模型的训练装置，包括：

第一获取模块，用于获取N个目标分别对应的特征，N为大于等于3的整数；

第一提取模块，用于通过目标排序模型中共享专家子网，从N个目标分别对应的特征中提取N个目标的共性特征；

第二提取模块，用于通过目标排序模型中N个目标分别对应的专家子网，从N个目标分别对应的特征中提取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，M为大于等于1的整数，M小于N；

训练模块，用于基于N个目标分别对应的个性特征和N个目标的共性特征，调整目标排序模型的参数。

根据本公开的第四方面，提供了一种目标排序装置，包括：

第二获取模块，用于获取N个目标分别对应的特征，N为大于等于3的整数；