申请/专利权人：腾讯科技(深圳)有限公司

申请日：2019-12-11

公开（公告）日：2023-03-14

公开（公告）号：CN111027714B

主分类号：G06N20/00

分类号：G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2023.03.14#授权;2020.10.27#实质审查的生效;2020.04.17#公开

摘要：本发明提供了一种基于人工智能的对象推荐模型训练方法、推荐方法、装置、电子设备及存储介质；方法包括：获取包括候选特征及样本标签的训练样本；通过对象推荐模型中类型为连续变量的松弛参数，对所述候选特征进行筛选处理；通过所述对象推荐模型对筛选后的候选特征进行预测处理，得到表征用户偏好对象的概率的预测标签；构建用于指示所述样本标签与所述预测标签之间差异的损失函数，以使所述损失函数因所述类型为连续变量的松弛参数而具有可微分性；对所述损失函数进行微分处理，并根据微分处理的结果对应的松弛参数及权重参数，更新所述对象推荐模型。通过本发明，能够提升特征筛选的效率，并提升根据更新后的对象推荐模型进行推荐的效果。

主权项：1.一种基于人工智能的对象推荐模型训练方法，其特征在于，包括：获取包括候选特征及样本标签的训练样本；其中，所述候选特征包括用户特征和对象特征；确定对象推荐模型中类型为连续变量、且与所述候选特征对应的松弛参数，并对所述松弛参数进行激活处理；所述松弛参数通过随机初始化的方式生成的；当激活处理后的松弛参数超过筛选阈值时，确定所述候选特征通过筛选；通过所述对象推荐模型对筛选后的候选特征进行预测处理，得到表征用户偏好对象的概率的预测标签；构建用于指示所述样本标签与所述预测标签之间差异的损失函数，以使所述损失函数因所述类型为连续变量的松弛参数而具有可微分性；对所述损失函数进行微分处理，并根据微分处理的结果对应的松弛参数及权重参数，更新所述对象推荐模型。

全文数据：

权利要求：

百度查询： 腾讯科技(深圳)有限公司 基于人工智能的对象推荐模型训练方法、推荐方法及装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD