[发明专利]训练广告推荐模型的方法及装置

权利要求书

1.一种训练广告推荐模型的方法，所述方法基于源域样本对所述广告推荐模型进行训练，所述广告推荐模型用于处理目标域的广告推荐任务，所述方法包括：

对所述源域样本和目标域样本进行聚类，得到聚类结果，其中，所述源域样本包括所述源域的广告推荐数据，所述目标域样本包括所述目标域的广告推荐数据，所述广告推荐数据包括以下中的一种或多种：用户对商品的点击数据，用户对商品的搜索数据，用户购买其点击商品的数据；

根据所述聚类结果确定所述源域样本的权值，所述源域样本的权值用于表征所述源域样本与所述目标域样本的相似度；

根据所述源域样本的权值从所述源域样本中确定所述目标域样本的相似样本，以形成包含所述相似样本和所述目标域样本的训练样本；

根据所述训练样本训练所述广告推荐模型；

所述根据所述聚类结果确定所述源域样本的权值，包括：

根据所述源域样本属于预设的多个聚类簇中的每个聚类簇的概率所形成的矩阵与所述多个聚类簇的权值的乘积确定所述源域样本的权值；

根据所述广告推荐模型的输出更新所述多个聚类簇的权值。

2.根据权利要求1所述的方法，所述根据所述源域样本的权值从所述源域样本中确定所述目标域样本的相似样本，以形成包含所述相似样本和所述目标域样本的训练样本，包括：

根据所述源域样本的权值，对所述源域的广告推荐数据进行筛选，使得所述源域样本中的权值较大的广告推荐数据在所述训练样本中所占的比重较大。

3.根据权利要求1所述的方法，所述对所述源域样本和目标域样本进行聚类，包括：

将源域样本和目标样本输入所述广告推荐模型的嵌入层，得到所述源域样本和所述目标域样本在所述嵌入层的向量表征；

根据所述源域样本和所述目标域样本在所述嵌入层的向量表征，对所述源域样本和所述目标域样本进行聚类。

4.根据权利要求1所述的方法，所述聚类为K-means聚类。

5.根据权利要求1所述的方法，所述源域样本和所述目标域样本为图像样本或文本样本。

6.根据权利要求5所述的方法，所述文本样本包括以下信息中的一种或多种：用户的身份信息，用户点击的商品信息以及用户购买的商品信息。

7.一种训练广告推荐模型的装置，所述装置基于源域样本对所述广告推荐模型进行训练，所述广告推荐模型用于处理目标域的广告推荐任务，所述装置包括：

聚类模块，用于对所述源域样本和目标域样本进行聚类，得到聚类结果，其中，所述源域样本包括所述源域的广告推荐数据，所述目标域样本包括所述目标域的广告推荐数据；

赋权模块，用于根据所述聚类结果确定所述源域样本的权值，所述源域样本的权值用于表征所述源域样本与所述目标域样本的相似度；

数据确定模块，用于根据所述源域样本的权值从所述源域样本中确定所述目标域样本的相似样本，以形成包含所述相似样本和所述目标域样本的训练样本；

训练模块，用于根据所述训练样本训练所述广告推荐模型；

所述赋权模块用于根据所述源域样本属于预设的多个聚类簇中的每个聚类簇的概率所形成的矩阵与所述多个聚类簇的权值的乘积确定所述源域样本的权值；

更新模块，用于根据所述广告推荐模型的输出更新所述多个聚类簇的权值。

8.根据权利要求7所述的装置，所述数据确定模块用于根据所述源域样本的权值，对所述源域的广告推荐数据进行筛选，使得所述源域的广告推荐数据中的权值较大的数据在所述训练样本中所占的比重较大。

9.根据权利要求7所述的装置，所述聚类模块用于将源域样本和目标样本输入所述广告推荐模型的嵌入层，得到所述源域样本和所述目标域样本在所述嵌入层的向量表征；根据所述源域样本和所述目标域样本在所述嵌入层的向量表征，对所述源域样本和所述目标域样本进行聚类。

10.根据权利要求7所述的装置，所述聚类为K-means聚类。