信息推荐模型训练方法、信息推荐方法及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113129053A(43)申请公布日2021.07.16(21)申请号202110335635.7(22)申请日2021.03.29(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人温肖谦吴骏宇徐通(74)专利代理机构北京派特恩知识产权代理有限公司11270代理人周丽莎张颖玲(51)Int.Cl.G06Q30/02(2012.01)G06Q30/06(2012.01)G06F16/2458(2019.01)G06N3/04(2006.01)权利要求书2页说明书13页附图3页(54)发明名称信息推荐模型训练方法、信息推荐方法及存储介质(57)摘要本申请公开了一种信息推荐模型训练方法、信息推荐方法、装置、电子设备及存储介质，其中，信息推荐模型训练方法包括：将至少一个商品数据样本和一个店铺数据样本输入至信息推荐模型，得到所述至少一个商品数据样本对应的第一预测结果和所述一个店铺数据样本对应的第二预测结果；基于所述第一预测结果与所述第二预测结果中每个预测结果与对应的标定结果之间的差值，确定所述信息推荐模型的总损失值；根据所述总损失值更新所述信息推荐模型的权重参数；其中，所述至少一个商品数据样本和所述一个店铺数据样本从同一用户对商品页面和店铺页面的访问数据中提取得到。CN113129053ACN113129053A权利要求书1/2页1.一种信息推荐模型训练方法，其特征在于，所述方法包括：将至少一个商品数据样本和一个店铺数据样本输入至信息推荐模型，得到所述至少一个商品数据样本对应的第一预测结果和所述一个店铺数据样本对应的第二预测结果；基于所述第一预测结果与所述第二预测结果中每个预测结果与对应的标定结果之间的差值，确定所述信息推荐模型的总损失值；根据所述总损失值更新所述信息推荐模型的权重参数；其中，所述至少一个商品数据样本和所述一个店铺数据样本从同一用户对商品页面和店铺页面的访问数据中提取得到。2.根据权利要求1所述的信息推荐模型训练方法，其特征在于，所述信息推荐模型包括串联的至少两个隐藏层；所述将至少一个商品数据样本和一个店铺数据样本输入至信息推荐模型之后，所述方法包括：将所述至少一个商品数据样本、所述一个店铺数据样本和所述用户的用户特征输入至所述信息推荐模型，得到所述至少一个商品数据样本对应的特征向量和所述一个店铺数据样本对应的特征向量；将得到的两个特征向量中的任一特征向量在相邻的两个隐藏层之间传递时，所述方法包括：在同一隐藏层中，将两个特征向量中的第一特征向量与第二特征向量进行叠加处理，得到用于输入至下一隐藏层的第一特征向量。3.根据权利要求2所述的信息推荐模型训练方法，其特征在于，所述将所述至少一个商品数据样本、所述一个店铺数据样本和所述用户的用户特征输入至所述信息推荐模型，包括：将所述至少一个商品数据样本和所述用户特征输入至所述嵌入层，得到所述至少一个商品数据样本对应的特征向量；将所述一个店铺数据样本和所述用户特征输入至所述嵌入层，得到所述一个店铺数据样本对应的特征向量。4.根据权利要求1所述的信息推荐模型训练方法，其特征在于，所述确定所述信息推荐模型的总损失值，包括：基于所述第一预测结果与对应的标定结果之间的差值，计算第一损失值；基于所述第二预测结果与对应的标定结果之间的差值，计算第二损失值；对所述第一损失值和所述第二损失值进行加权处理，计算所述信息推荐模型的总损失值。5.根据权利要求1至4任一项所述的信息推荐模型训练方法，其特征在于，所述方法还包括：从样本库中确定至少两个批次的样本；所述至少两个批次中的每个批次的样本包括至少一个商品数据样本和一个店铺数据样本；每个批次的所有样本从同一用户在同一设定时间段产生的访问数据中提取得到。6.一种信息推荐方法，其特征在于，所述方法包括：将至少一个商品数据和一个店铺数据输入至信息推荐模型，得到所述至少一个商品数据对应的第三预测结果和所述一个店铺数据对应的第四预测结果；2CN113129053A权利要求书2/2页对所述第三预测结果和所述第四预测结果进行加权处理，得到所述一个店铺数据对应的总预测结果；基于得到的总预测结果进行店铺信息推荐；其中，所述信息推荐模型采用如权利要求1至5任一项所述的信息推荐模型训练方法训练得到；所述至少一个商品数据和所述一个店铺数据从同一用户对商品页面和店铺页面的访问数据中提取得到。7.一种信息推荐模型训练装置，其特征在于，包括：预测单元，用于将至少一个商品数据样本和一个店铺数据样本输入至信息推荐模型，得到所述至少一个商品数据样本对应的第一预测结果和所述一个店铺数据样本对应的第