[发明专利]信息推荐模型训练方法、信息推荐方法及存储介质

说明书

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。

技术领域

本申请涉及人工智能的信息处理技术领域，尤其涉及一种信息推荐方法、装置、电子设备及存储介质。

背景技术

推荐系统根据用户对某一领域的兴趣特点，向用户推荐用户感兴趣的信息。相关技术中，使用神经网络模型如深度神经网络(DNN，Deep Neural Networks)来学习用户浏览和偏好店铺之间的关系。由于店铺推荐场景下，用户浏览店铺的行为数据稀疏，推荐结果不够精确。

发明内容

有鉴于此，本申请实施例提供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，以至少解决相关技术推荐结果不精确的问题。

本申请实施例的技术方案是这样实现的：

本申请实施例提供了一种信息推荐方法，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。

其中，上述方案中，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。

上述方案中，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。

上述方案中，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。

上述方案中，所述方法还包括：