[发明专利]内容推荐模型的训练方法、装置、服务器及存储介质

权利要求书

1.一种内容推荐模型的训练方法，其特征在于，所述内容推荐模型中包括单流子模型和多流子模型，其中，所述单流子模型包括单路处理路径；所述多流子模型包括多路处理路径；所述方法包括：

获取训练数据集，所述训练数据集包括样本用户的用户特征以及样本内容；所述样本内容具有多个模态；

基于针对所述单流子模型和所述多流子模型分别预设的时间使用占比，将所述用户特征及所述样本内容交替输入至所述单流子模型和所述多流子模型中，得到所述内容推荐模型输出的针对所述样本内容的推荐内容；

基于所述推荐内容对所述内容推荐模型进行训练，得到目标内容推荐模型。

2.根据权利要求1所述的方法，其特征在于，所述基于针对所述单流子模型和所述多流子模型分别预设的时间使用占比，将所述用户特征及所述样本内容交替输入至所述单流子模型和所述多流子模型中，得到所述内容推荐模型输出的针对所述样本内容的推荐内容，包括：

基于所述单流子模型的时间使用占比确定第一时长，在所述第一时长内将所述训练数据集中的多个用户特征及样本内容输入至所述单流子模型中，得到所述单流子模型输出的推荐内容，作为所述内容推荐模型输出的针对所述样本内容的推荐内容；其中，所述第一时长等于所述单流子模型的时间使用占比与所述内容推荐模型的训练所需的总时长的乘积；

基于所述多流子模型的时间使用占比确定第二时长，在所述第二时长内将所述训练数据集中的多个用户特征及样本内容输入至所述多流子模型中，得到所述多流子模型输出的推荐内容，作为所述内容推荐模型输出的针对所述样本内容的推荐内容；其中，所述第二时长等于所述多流子模型的时间使用占比与所述内容推荐模型的训练所需的总时长的乘积；

其中，所述第一时长内输入的用户特征及样本内容与所述第二时长内输入的用户特征及样本内容不同。

3.根据权利要求2所述的方法，其特征在于，所述内容推荐模型配置有多个预训练任务，其中，所述多个预训练任务基于不同粗细的语义粒度确定；

所述将所述用户特征及所述样本内容交替输入至所述单流子模型和所述多流子模型中，得到所述内容推荐模型输出的针对所述样本内容的推荐内容，包括：

获取所述训练数据集中的各个样本内容的模态数量；

基于所述模态数量，从所述多个预训练任务中确定出各个样本内容对应的目标预训练任务；

将所述训练数据集中的用户特征及样本内容交替输入至所述单流子模型和所述多流子模型中，得到各个样本内容在所述目标预训练任务下的训练结果，作为所述内容推荐模型输出的针对所述样本内容的推荐内容。

4.根据权利要求3所述的方法，其特征在于，所述目标预训练任务包括多个预训练任务；所述基于所述推荐内容对所述内容推荐模型进行训练，得到目标内容推荐模型，包括：

基于所述目标预训练任务中每个预训练任务的训练结果，确定所述每个预训练任务对应的损失值；

将所述每个预训练任务对应的损失值进行加权求和处理，得到所述内容推荐模型对应的损失值，并基于所述内容推荐模型对应的损失值对所述内容推荐模型的参数进行调整，以对所述内容推荐模型进行训练，得到目标内容推荐模型。

5.根据权利要求3所述的方法，其特征在于，所述从所述多个预训练任务中确定出各个样本内容对应的目标预训练任务，包括：

若基于所述模态数量确定所述样本内容包含完整的模态，则从所述多个预训练任务中随机挑选出预设数量个预训练任务，将所述预设数量个预训练任务确定为所述样本内容对应的目标预训练任务；

若基于所述模态数量确定所述样本内容的模态存在缺失，则确定缺失模态的数量；当所述缺失模态的数量符合预设条件时，从所述多个预训练任务中选择出与所述样本内容的模态相关的预设数量个预训练任务，将所述预设数量个预训练任务确定为所述样本内容对应的目标预训练任务。