[发明专利]模型训练方法、装置、存储介质及终端

说明书

一种模型训练方法、装置、存储介质及终端，其中方法通过获取训练样本数据集合；在模型训练过程中，基于计数损失函数，对训练样本数据中正样本数据的用户数据以及对象数据进行实时计数；基于对用户数据以及对象数据的实时计数数值计算训练样本数据的权重系数；根据权重系数调整模型的训练过程中的损失函数，并基于调整后的损失函数对模型进行训练。该方法通过对样本数据中用户数据和对象数据的流式计数来实时确定训练样本的权重系数，并基于样本权重系数对模型训练过程进行控制。避免了样本不均衡导致的模型训练效果不佳的问题，提升了训练得到的模型的准确性。

技术领域

本申请涉及人工智能技术领域，具体涉及一种模型训练方法、装置、存储介质及终端。

背景技术

在互联网时代，随着信息的爆炸性增长以及电子商务规模的逐渐扩大，信息和商品的个数和种类快速增长，用户需要花费大量的时间才能找到自己想要查阅的信息以及想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。推荐系统可以根据用户的相关信息以及用户的历史行为向用户推荐用户感兴趣的信息和商品，大大提升了用户查找到需要的信息或商品的效率。

然而，目前对推荐系统中推荐模型进行训练的样本数据的分布存在着长尾状态，导致训练得到的推荐模型的准确性较低。

发明内容

本申请提供了一种模型训练方法、装置、存储介质及终端，该方法能够提升推荐系统中推荐模型的准确性。

第一方面，本申请提供一种模型训练方法，方法包括：

获取训练样本数据集合，所述训练样本数据集合中的训练样本数据包括用户数据、对象数据以及对应的标签数据，所述标签数据指示所述训练样本数据的正负样本状态；

在模型训练过程中，基于计数损失函数，对所述训练样本数据中正样本数据的用户数据以及对象数据进行实时计数；

基于对所述用户数据以及所述对象数据的实时计数数值计算训练样本数据的权重系数；

根据所述权重系数调整所述模型的训练过程中的损失函数，并基于调整后的损失函数对所述模型进行训练。

相应地，本申请第二方面提供一种模型训练装置，装置包括：

获取模块，用于获取训练样本数据集合，所述训练样本数据集合中的训练样本数据包括用户数据、对象数据以及对应的标签数据，所述标签数据指示所述训练样本数据的正负样本状态；

计数模块，用于在模型训练过程中，基于计数损失函数，对所述训练样本数据中正样本数据的用户数据以及对象数据进行实时计数；

计算模块，用于基于对所述用户数据以及所述对象数据的实时计数数值计算训练样本数据的权重系数；

训练模块，用于根据所述权重系数调整所述模型的训练过程中的损失函数，并基于调整后的损失函数对所述模型进行训练。

第三方面，本申请提供了一种存储介质，其上存储有计算机程序，当该计算机程序被电子设备的处理器加载时执行如本申请提供的任一模型训练方法中的步骤。

第四方面，本申请还提供了一种电子设备，该电子设备包括处理器和存储器，存储器储存有计算机程序，处理器通过加载存储器储存的计算机程序执行如本申请提供的任一模型训练方法中的步骤。