[发明专利]商品个性化排序模型训练方法及系统

权利要求书

1.一种商品个性化排序模型训练方法，其特征在于，包括如下步骤：

获取预设时间内的历史商品数据；

根据所述历史商品数据中的长期兴趣特征以及商品的预设输出目标，对所述商品个性化排序模型进行离线训练，获得每个所述长期兴趣特征对应的参数，其中，长期兴趣特征包括商品品牌以及商品类型；

间隔单位时间实时获取商品数据，并获取所述实时获取的商品数据中的所述商品的预设输出目标、所述长期兴趣特征以及短期兴趣特征，其中，所述短期兴趣特征包括商品ID以及档期ID；

根据所述短期兴趣特征，对离线训练后的所述商品个性化排序模型进行扩展，获得扩展后的商品个性化排序模型，其中，扩展后的所述商品个性化排序模型包括获得的每个所述长期兴趣特征对应的参数以及初始化的每个所述短期兴趣特征对应的参数；

根据所述实时获取的商品数据中的所述商品的预设输出目标、所述实时获取的商品数据中的所述长期兴趣特征以及所述短期兴趣特征，对扩展后的所述商品个性化排序模型进行在线训练，修正每个所述长期兴趣特征对应的参数以及每个所述短期兴趣特征对应的参数。

2.根据权利要求1所述的商品个性化排序模型训练方法，其特征在于，所述根据所述实时获取的商品数据中的所述商品的预设输出目标、所述实时获取的商品数据中的所述长期兴趣特征以及所述短期兴趣特征，对扩展后的所述商品个性化排序模型进行在线训练，修正每个所述长期兴趣特征对应的参数以及每个所述短期兴趣特征对应的参数的步骤之后还包括：

获取待排序商品数据；

根据所述待排序商品数据中的所述长期兴趣特征和所述短期兴趣特征以及在线训练后的所述商品个性化排序模型，对待排序商品的预设输出目标进行预测；

根据预测的所述待排序商品的预设输出目标的结果，对所述待排序商品进行排序；

根据所述待排序商品的排序结果，向用户推荐所述待排序商品。

3.根据权利要求1所述的商品个性化排序模型训练方法，其特征在于，所述商品的预设输出目标包括商品的点击率、商品的购买量及/或商品的收藏量。

4.根据权利要求1-3中任意一项所述的商品个性化排序模型训练方法，其特征在于，所述商品个性化排序模型采用逻辑回归模型，对所述逻辑回归模型进行离线训练时采用基于L1正则的OWL-QN算法进行优化，对离线训练后的所述个性化排序模型进行在线训练时采用FTRL算法进行优化。

5.根据权利要求1所述的商品个性化排序模型训练方法，其特征在于，所述根据所述历史商品数据中的长期兴趣特征以及商品的预设输出目标，对所述商品个性化排序模型进行离线训练，获得每个所述长期兴趣特征对应的参数之前还包括步骤：

初始化所述商品个性化排序模型。

6.一种商品个性化排序模型训练系统，其特征在于，包括：

第一获取模块，用于获取预设时间内的历史商品数据；

第一训练模块，用于根据所述历史商品数据中的长期兴趣特征以及商品的预设输出目标，对所述商品个性化排序模型进行离线训练，获得每个所述长期兴趣特征对应的参数，其中，长期兴趣特征包括商品品牌以及商品类型；

第二获取模块，用于间隔单位时间实时获取商品数据，并获取所述实时获取的商品数据中的所述商品的预设输出目标、所述长期兴趣特征以及短期兴趣特征，其中，所述短期兴趣特征包括商品ID以及档期ID；

扩展模块，用于根据所述短期兴趣特征，对离线训练后的所述商品个性化排序模型进行扩展，获得扩展后的商品个性化排序模型，其中，扩展后的所述商品个性化排序模型包括获得的每个所述长期兴趣特征对应的参数以及初始化的每个所述短期兴趣特征对应的参数；

第二训练模块，用于根据所述实时获取的商品数据中的所述商品的预设输出目标、所述实时获取的商品数据中的所述长期兴趣特征以及所述短期兴趣特征，对扩展后的所述商品个性化排序模型进行在线训练，修正每个所述长期兴趣特征对应的参数以及每个所述短期兴趣特征对应的参数。