资源推荐方法、推荐模型的训练方法及装置与流程

本申请涉及计算机，尤其涉及深度学习等人工智能领域，具体涉及一种资源推荐方法、推荐模型的训练方法及装置。

背景技术：

1、随着互联网技术的发展，信息量呈指数级增长，资源推荐是解决信息过载和挖掘用户潜在需求的技术手段，在诸多领域中发挥着重要作用，例如电子商务、新闻资讯、电影推荐等领域。

技术实现思路

1、本申请提供了一种资源推荐方法、推荐模型的训练方法及装置。具体方案如下：

2、根据本申请的一方面，提供了一种资源推荐方法，包括：

3、获取待推荐资源的资源信息和用户的用户信息，并对资源信息和用户信息进行特征抽取，得到多个目标共用的第一共享特征及每个目标的第一任务特征；

4、对第一共享特征进行特征提取，得到第二共享特征；

5、基于第一共享特征，对每个目标的第一任务特征进行特征提取，得到每个目标对应的第二任务特征；

6、根据第二共享特征及每个目标对应的第二任务特征进行预测，得到每个目标对应的预测结果；

7、根据多个目标分别对应的预测结果向用户进行资源推荐。

8、根据本申请的另一方面，提供了一种推荐模型的训练方法，包括：

9、获取训练样本，并对训练样本中样本资源的资源信息和用户的用户信息进行特征抽取，得到多个目标共用的第一共享特征及每个目标的第一任务特征；

10、采用初始推荐模型对第一共享特征进行特征提取，得到第二共享特征；

11、采用初始推荐模型，基于第一共享特征，对每个目标的第一任务特征进行特征提取，得到每个目标对应的第二任务特征；

12、采用初始推荐模型，根据第二共享特征及每个目标对应的第二任务特征进行预测，得到每个目标对应的预测结果；

13、根据每个目标对应的预测结果与训练样本标注的每个目标对应的标注结果之间的差异，对初始推荐模型进行训练，得到推荐模型。

14、根据本申请的另一方面，提供了一种资源推荐装置，包括：

15、获取模块，用于获取待推荐资源的资源信息和用户的用户信息，并对资源信息和用户信息进行特征抽取，得到多个目标共用的第一共享特征及每个目标的第一任务特征；

16、第一特征提取模块，用于对第一共享特征进行特征提取，得到第二共享特征；

17、第二特征提取模块，用于基于第一共享特征，对每个目标的第一任务特征进行特征提取，得到每个目标对应的第二任务特征；

18、预测模块，用于根据第二共享特征及每个目标对应的第二任务特征进行预测，得到每个目标对应的预测结果；

19、推荐模块，用于根据多个目标分别对应的预测结果向用户进行资源推荐。

20、根据本申请的另一方面，提供了一种推荐模型的训练装置，包括：

21、获取模块，用于获取训练样本，并对训练样本中样本资源的资源信息和用户的用户信息进行特征抽取，得到多个目标共用的第一共享特征及每个目标的第一任务特征；

22、第一特征提取模块，用于采用初始推荐模型对第一共享特征进行特征提取，得到第二共享特征；

23、第二特征提取模块，用于采用初始推荐模型，基于第一共享特征，对每个目标的第一任务特征进行特征提取，得到每个目标对应的第二任务特征；

24、预测模块，用于采用初始推荐模型，根据第二共享特征及每个目标对应的第二任务特征进行预测，得到每个目标对应的预测结果；

25、训练模块，用于根据每个目标对应的预测结果与训练样本标注的每个目标对应的标注结果之间的差异，对初始推荐模型进行训练，得到推荐模型。

26、根据本申请的另一方面，提供了一种电子设备，包括：

27、至少一个处理器；以及

28、与所述至少一个处理器通信连接的存储器；其中，

29、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述实施例所述的方法。

30、根据本申请的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述实施例所述的方法。

31、根据本申请的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述实施例所述方法的步骤。

32、应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种资源推荐方法，包括：

2.如权利要求1所述的方法，其中，所述根据所述第二共享特征及每个目标对应的第二任务特征进行预测，得到每个目标对应的预测结果，包括：

3.如权利要求2所述的方法，其中，所述根据所述第二共享特征、每个目标对应的第二任务特征和每个目标对应的二阶交叉特征进行预测，得到每个目标对应的预测结果，包括：

4.如权利要求3所述的方法，其中，所述对所述第二共享特征和每个目标对应的第二任务特征进行融合，得到每个目标对应的第三任务特征，包括：

5.如权利要求3所述的方法，其中，所述根据每个目标对应的第三任务特征和每个目标对应的二阶交叉特征进行预测，得到每个目标对应的预测结果，包括：

6.如权利要求1所述的方法，其中，所述根据所述第二共享特征及每个目标对应的第二任务特征进行预测，得到每个目标对应的预测结果，包括：

7.如权利要求1所述的方法，其中，所述基于所述第一共享特征，对每个目标的第一任务特征进行特征提取，得到每个目标对应的第二任务特征，包括：

8.如权利要求1所述的方法，其中，所述对所述第一共享特征进行特征提取，得到第二共享特征，包括：

9.如权利要求1所述的方法，其中，所述用户信息包括用户属性信息和用户历史行为信息，所述对所述资源信息和所述用户信息进行特征抽取，得到多个目标共用的第一共享特征及每个目标的第一任务特征，包括：

10.如权利要求9所述的方法，其中，所述根据每个目标对所述用户历史行为信息进行特征抽取，以得到每个目标的第一任务特征，包括：

11.一种推荐模型的训练方法，包括：

12.如权利要求11所述的方法，其中，所述采用所述初始推荐模型，根据所述第二共享特征及每个目标对应的第二任务特征进行预测，得到每个目标对应的预测结果，包括：

13.如权利要求12所述的方法，其中，所述根据所述第二共享特征、每个目标对应的第二任务特征和每个目标对应的二阶交叉特征进行预测，得到每个目标对应的预测结果，包括：

14.一种资源推荐装置，包括：

15.如权利要求14所述的装置，其中，所述预测模块，用于：

16.如权利要求15所述的装置，其中，所述预测模块，用于：

17.如权利要求16所述的装置，其中，所述预测模块，用于：

18.如权利要求16所述的装置，其中，所述预测模块，用于：

19.如权利要求14所述的装置，其中，所述预测模块，用于：

20.如权利要求14所述的装置，其中，所述第二特征提取模块，用于：

21.如权利要求14所述的装置，其中，所述第一特征提取模块，用于：

22.如权利要求14所述的装置，其中，所述用户信息包括用户属性信息和用户历史行为信息，所述获取模块，用于：

23.如权利要求22所述的装置，其中，所述获取模块，用于：

24.一种推荐模型的训练装置，包括：

25.如权利要求24所述的装置，其中，所述预测模块，用于：

26.如权利要求25所述的装置，其中，所述预测模块，用于：

27.一种电子设备，包括：

28.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法，或者执行根据权利要求11-13中任一项所述的方法。

29.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现权利要求1-10中任一项所述方法的步骤，或者实现权利要求11-13中任一项所述方法的步骤。

技术总结
本申请公开了资源推荐方法、推荐模型的训练方法及装置，涉及计算机技术领域，尤其涉及深度学习等人工智能领域。具体实现方案为：获取待推荐资源的资源信息和用户的用户信息，并对资源信息和用户信息进行特征抽取，得到多个目标共用的第一共享特征及每个目标的第一任务特征；对第一共享特征进行特征提取，得到第二共享特征；基于第一共享特征，对每个目标的第一任务特征进行特征提取，得到每个目标对应的第二任务特征；根据第二共享特征及每个目标对应的第二任务特征进行预测，得到每个目标对应的预测结果；根据多个目标分别对应的预测结果向用户进行资源推荐。

技术研发人员：孟正,张华泉,唐楠,刘晔
受保护的技术使用者：百度（中国）有限公司
技术研发日：
技术公布日：2024/3/31