[发明专利]基于人工智能的泛化模型的训练方法及装置

说明书

本发明提供了一种基于人工智能的泛化模型的训练方法及装置；泛化模型包括输入层、隐藏层及输出层，方法包括：获取推荐对象样本的文本内容对应的内容向量，推荐对象样本标注有用于表征推荐对象样本的目标向量序列；将获取的内容向量输入至所述输入层，以通过输入层传递至隐藏层；通过隐藏层，调用激活函数得到对应内容向量的隐层特征；通过输出层，对得到的隐层特征进行预测，得到对应推荐对象样本的向量序列；其中，向量序列包括多个具有点击数据的第二推荐对象所对应的第二推荐对象向量，用于供基于第二推荐对象向量，对推荐对象样本进行推荐；获取向量序列与目标向量序列的差异，并基于差异更新泛化模型的模型参数。

技术领域

本发明涉及人工智能的自然语言处理技术，尤其涉及一种基于人工智能的泛化模型的训练方法、推荐对象泛化方法、装置及存储介质。

背景技术

自然语言处理(Nature Language Processing，NLP)是计算机科学领域与人工智能领域中的一个重要方向，能够实现人与计算机之间用自然语言进行有效通信，通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等技术。推荐系统是自然语言处理领域的重要应用之一，可以自动联系用户和推荐对象，能够在信息过载的环境中帮助用户发现可能令他们感兴趣的信息，也能将信息推送给对它们感兴趣的用户。

相关技术中，为了保证推荐系统进行内容推荐的有效性，往往结合推荐对象的内容数据及用户行为数据进行内容推荐，然而在实际应用中，对于新发布的推荐对象，往往没有或存在少量的用户行为数据，致使仅基于推荐对象的内容数据，或者结合推荐对象的内容数据及少量的用户行为数据，所进行的内容推荐的准确度低。

发明内容

本发明实施例提供一种基于人工智能的泛化模型的训练方法及装置，能够基于推荐对象的内容向量对该推荐对象进行泛化，得到能够表征该推荐对象的多个推荐对象向量。

本发明实施例提供一种基于人工智能的泛化模型的训练方法，所述泛化模型包括输入层、隐藏层及输出层，所述方法包括：

获取推荐对象样本的文本内容对应的内容向量，所述推荐对象样本标注有用于表征所述推荐对象样本的目标向量序列，所述目标向量序列包括多个具有点击数据的第一推荐对象所对应的第一推荐对象向量；

将获取的所述内容向量输入至所述输入层，以通过所述输入层传递至所述隐藏层；

通过所述隐藏层，调用激活函数得到对应所述内容向量的隐层特征；

通过所述输出层，对得到的所述隐层特征进行预测，得到对应所述推荐对象样本的向量序列；

其中，所述向量序列包括多个具有点击数据的第二推荐对象所对应的第二推荐对象向量，用于供基于所述第二推荐对象向量，对所述推荐对象样本进行推荐；

获取所述向量序列与所述目标向量序列的差异，并基于所述差异，更新所述泛化模型的模型参数。

本发明实施例提供一种基于人工智能的泛化模型的训练装置，所述泛化模型包括输入层、隐藏层及输出层，所述装置包括：

第一获取模块，用于获取推荐对象样本的文本内容对应的内容向量，所述推荐对象样本标注有用于表征所述推荐对象样本的目标向量序列，所述目标向量序列包括多个具有点击数据的第一推荐对象所对应的第一推荐对象向量；

第一传递模块，用于将获取的所述内容向量输入至所述输入层，以通过所述输入层传递至所述隐藏层；

第一调用模块，用于通过所述隐藏层，调用激活函数得到对应所述内容向量的隐层特征；

第一预测模块，用于通过所述输出层，对得到的所述隐层特征进行预测，得到对应所述推荐对象样本的向量序列；

其中，所述向量序列包括多个具有点击数据的第二推荐对象所对应的第二推荐对象向量，用于供基于所述第二推荐对象向量，对所述推荐对象样本进行推荐；