[发明专利]资源推荐模型的训练方法、资源推荐方法、装置及服务器

说明书

本公开关于一种资源推荐模型的训练方法、资源推荐方法、装置及服务器，属于人工智能技术领域。方法包括：从多个资源类别中，确定新增行为特征对应的第一资源类别，新增行为特征是基于新增行为数据确定的；确定第一资源类别对应的第一类别特征，将新增行为特征与第一类别特征进行融合，得到第一资源类别更新后的第一类别特征；基于多个资源类别对应的类别特征，确定资源推荐模型的第一样本特征，多个资源类别对应的类别特征包括第一资源类别更新后的第一类别特征，基于第一样本特征训练资源推荐模型，资源推荐模型用于向任一用户账号推荐资源。上述方案在提高了训练资源推荐模型的准确率的同时，还降低了存储压力和处理压力。

技术领域

本公开涉及人工智能技术领域，尤其涉及一种资源推荐模型的训练方法、资源推荐方法、装置及服务器。

背景技术

随着互联网的发展，多种资源展示应用应运而生，每个资源展示应用会为用户推荐其感兴趣的资源以提高用户粘度。并且为了提高推荐准确率，通常基于资源推荐模型进行资源推荐，这就需要先训练出准确的资源推荐模型。

行为特征对资源推荐模型的训练具有重要的指导意义，行为特征是根据用户的行为数据生成的，能够表示用户对资源进行的行为，能够体现用户对资源的兴趣。训练资源推荐模型时所用的行为特征越多，资源推荐模型的准确率越高，但是这就需要存储大量的行为特征，并在进行训练时读取大量的行为特征，会造成较大的存储压力和处理压力。因此如何在根据较多的行为特征训练资源推荐模型的同时降低存储压力和处理压力，成为亟待解决的问题。

发明内容

本公开提供一种资源推荐模型的训练方法、资源推荐方法、装置及服务器，以在提高训练资源推荐模型的准确率的同时，还降低存储压力和处理压力。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种资源推荐模型的训练方法，包括：

从多个资源类别中，确定新增行为特征对应的第一资源类别，所述新增行为特征是基于新增行为数据确定的，所述新增行为数据是基于用户账号对资源的操作生成的，所述第一资源类别为所述资源所属的类别；其中，每个资源类别与不同的类别特征对应，每个所述类别特征是每个所述资源类别对应的历史行为特征分别融合得到的，所述历史行为特征是根据历史行为数据确定的；

确定所述第一资源类别对应的第一类别特征，将所述新增行为特征与所述第一类别特征进行融合，得到所述第一资源类别更新后的第一类别特征；

基于所述多个资源类别对应的类别特征，确定资源推荐模型的第一样本特征，所述多个资源类别对应的类别特征包括所述第一资源类别更新后的第一类别特征，基于所述第一样本特征训练所述资源推荐模型，所述资源推荐模型用于向任一用户账号推荐资源。

在一些实施例中，每个资源类别对应的类别特征存储于所述资源类别对应的桶中，所述将所述新增行为特征与所述第一类别特征进行融合，得到所述第一资源类别更新后的第一类别特征，包括：

从所述多个资源类别对应的桶中，确定所述第一资源类别对应的第一桶；

从所述第一桶中提取所述第一类别特征；

将所述新增行为特征与所述第一类别特征进行融合，得到所述第一资源类别更新后的第一类别特征，将更新后的第一类别特征存储于所述第一桶中。

在一些实施例中，所述新增行为特征包括多个维度的新增子特征；

每个资源类别与不同的桶对应，且每个桶与不同的维度对应，每个所述桶用于存储所述资源类别下，属于所述桶对应的维度的类别子特征；且每个资源类别对应的类别特征包括所述多个维度的类别子特征；

所述将所述新增行为特征与所述第一类别特征进行融合，得到所述第一资源类别更新后的第一类别特征，将更新后的第一类别特征存储于所述第一桶中，包括：