[发明专利]训练广告推荐模型的方法及装置

说明书

本公开披露了一种训练迁移学习模型和推荐模型的方法和装置。所述方法包括：对源域样本和目标域样本进行聚类，得到聚类结果；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迁移学习模型。

技术领域

本公开涉及机器学习技术领域，尤其涉及一种训练迁移学习模型和推荐模型的方法及装置。

背景技术

迁移学习是一种通过借助源域的数据提高模型在目标域上的效果的学习方法。由于源域样本和目标域样本的数据分布可能不完全一致，使用全部的源域样本进行模型的训练会造成负迁移的现象，降低迁移学习的效果。

发明内容

有鉴于此，本公开提供一种训练迁移学习模型和推荐模型的方法和装置，以避免负迁移现象。

第一方面，提供一种训练迁移学习模型的方法，所述方法包括：对源域样本和目标域样本进行聚类，得到聚类结果；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迁移学习模型。

第二方面，提供一种训练推荐模型的方法，所述方法包括：对源域样本和目标域样本进行聚类，得到聚类结果，其中所述源域样本和所述目标域样本均为推荐数据；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推荐模型。

第三方面，提供一种训练迁移学习模型的装置，所述装置包括：聚类模块，用于对源域样本和目标域样本进行聚类，得到聚类结果；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迁移学习模型。

第四方面，提供一种训练推荐模型的装置，所述装置包括：聚类模块，用于对源域样本和目标域样本进行聚类，得到聚类结果，其中所述源域样本和所述目标域样本均为推荐数据；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推荐模型。

第五方面，提供一种训练迁移学习模型的装置，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器被配置为执行所述可执行代码，以实现如第一方面所述的方法。

第六方面，提供一种训练推荐模型的装置，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器被配置为执行所述可执行代码，以实现如第二方面所述的方法。

第七方面，提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被执行时，能够实现如第一方面或第二方面所述的方法。

第八方面，提供一种计算机程序产品，包括可执行代码，当所述可执行代码被执行时，能够实现如第一方面或第二方面所述的方法。

本公开实施例提供了一种训练迁移学习模型的方案，其采用聚类的方式设置源域样本的权重，并根据源域样本的权重，从源域样本中确定出与目标域样本的数据分布相似的样本作为迁移模型的训练样本，从而可以避免迁移学习模型的负迁移的现象，提升迁移学习的效果。

附图说明