Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

模型训练方法、推荐方法及相关装置 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:腾讯科技(深圳)有限公司

摘要:本申请实施例公开了一种模型训练方法、推荐方法及相关装置,其中该模型训练方法包括:获取训练标识序列;通过待训练的序列模型,根据训练标识序列,建模得到包括多个样本对象各自对应的预测建模特征的预测特征序列;针对每个样本对象,根据其对应的预测建模特征,确定其对应的预测推荐对象类别;根据其对应的预测建模特征、标签推荐对象的嵌入特征和负相关对象的嵌入特征,确定其对应的综合相关性数据;根据多个样本对象各自对应的预测推荐对象类别生成第一损失函数;根据多个样本对象各自对应的综合相关性数据生成第二损失函数;基于第一损失函数和第二损失函数,训练序列模型,得到目标序列模型。该方法能够减少训练资源的消耗,保证收敛效果。

主权项:1.一种模型训练方法,其特征在于,所述方法包括:获取训练标识序列;所述训练标识序列包括多个样本对象各自的标识,且各个所述标识按照样本用户对所述多个样本对象触发参考行为的顺序排列;通过待训练的序列模型,根据所述训练标识序列建模得到预测特征序列;所述预测特征序列包括所述多个样本对象各自对应的预测建模特征;针对每个所述样本对象,根据所述样本对象对应的预测建模特征,确定所述样本对象对应的预测推荐对象类别;根据所述样本对象对应的预测建模特征、所述样本对象对应的标签推荐对象的嵌入特征、以及所述样本对象对应的负相关对象的嵌入特征,确定所述样本对象对应的综合相关性数据;根据所述多个样本对象各自对应的预测推荐对象类别,生成第一损失函数;根据所述多个样本对象各自对应的综合相关性数据,生成第二损失函数;基于所述第一损失函数和所述第二损失函数,训练所述序列模型,得到目标序列模型;所述目标序列模型用于在推荐任务中进行特征建模。

全文数据:

权利要求:

百度查询: 腾讯科技(深圳)有限公司 模型训练方法、推荐方法及相关装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。