[发明专利]推荐模型的训练方法、装置、电子设备及存储介质

权利要求书

1.一种推荐模型的训练方法，其特征在于，所述方法包括：

获取训练样本集，所述训练样本集包括训练样本和所述训练样本对应的样本标签；所述训练样本包括两种对象类型对应的样本信息，所述两种对象类型包括账户类型和多媒体类型，所述两种对象类型对应的样本信息包括用户账户信息和多媒体资源信息；所述样本标签表征所述用户账户信息对应的账户对所述多媒体资源信息对应的多媒体资源间的操作行为；

确定所述训练样本集中的待处理训练样本集；遍历所述待处理训练样本集，针对遍历到的当前训练样本，执行如下步骤：

根据所述当前训练样本中第一对象类型对应的样本信息，在第一训练样本中确定所述当前训练样本的相似样本；其中，所述第一对象类型是所述训练样本中的一种对象类型；所述第一训练样本为所述训练样本集中除所述当前训练样本外的其他训练样本；

将所述相似样本中的第二对象类型对应的样本信息，对所述当前训练样本中的第二对象类型对应的样本信息进行替换，将替换后的所述当前训练样本作为新训练样本，并将相应相似样本的样本标签确定为所述新训练样本的样本标签；所述第二对象类型是所述训练样本中除所述第一对象类型外的类型；

基于所述训练样本集中的训练样本和相应样本标签，以及所述待处理训练样本集中每个训练样本对应的新训练样本和相应样本标签，对神经网络模型进行迭代训练，得到推荐模型。

2.如权利要求1所述的方法，其特征在于，所述用户账户信息包括账户标识；

在所述第一对象类型对应的样本信息为所述用户账户信息时，确定所述训练样本集中的待处理训练样本集，包括：

获取历史累计样本中各账户标识的数量；

若目标账户标识的数量小于预设数量阈值，则将所述训练样本集中所述目标账户标识对应的训练样本确定为待处理训练样本，基于确定的待处理训练样本构建待处理训练样本集；所述目标账户标识为所述训练样本集中的一个账户标识。

3.如权利要求1所述的方法，其特征在于，所述多媒体资源信息包括多媒体标识；

在所述第一对象类型对应的样本信息为所述多媒体资源信息时，确定所述训练样本集中的待处理训练样本集，包括：

获取存储的历史累计样本中各多媒体标识的数量；

若目标多媒体标识的数量小于预设数量阈值，则将所述训练样本集中所述目标多媒体标识对应的训练样本确定为待处理训练样本，基于确定的待处理训练样本构建待处理训练样本集；所述目标多媒体标识为所述训练样本集中的一个多媒体标识。

4.如权利要求2或3所述的方法，其特征在于，将所述相似样本中的第二对象类型对应的样本信息，对所述当前训练样本中的第二对象类型对应的样本信息进行替换，将替换后的所述当前训练样本作为新训练样本，包括：

根据所述当前训练样本对应的相似样本的数量和样本选取权重，确定样本选取数量；

从所述当前训练样本的相似样本中，选取所述样本选取数量的相似样本作为待处理的相似样本；

根据所述待处理的相似样本中所述第二对象类型对应的样本信息，对所述当前训练样本中所述第二对象类型对应的样本信息进行替换，将替换后的所述当前训练样本作为新训练样本。

5.如权利要求4所述的方法，其特征在于，在所述第一对象类型对应的样本信息为所述用户账户信息时，所述第二对象类型对应的样本信息为所述多媒体资源信息；

根据所述待处理的相似样本中所述第二对象类型对应的样本信息，对所述当前训练样本中所述第二对象类型对应的样本信息进行替换，将替换后的所述当前训练样本作为新训练样本，包括：

将所述待处理的相似样本中的所述多媒体资源信息，替换所述当前训练样本中的所述多媒体资源信息，并将替换后的所述当前训练样本作为新训练样本。