[发明专利]媒体资源推荐方法、多目标融合模型的训练方法及装置

说明书

本申请提供了一种媒体资源推荐方法、多目标融合模型的训练方法及装置，属于机器学习技术领域，可应用于云技术、人工智能以及智慧交通等各种场景。所述方法包括：基于目标对象的对象特征、媒体资源的资源特征和关联特征，确定业务目标预估信息；基于所述对象特征，确定对象类型信息；基于所述业务目标预估信息和所述对象类型信息，确定所述媒体资源的推荐信息；响应于所述推荐信息满足推荐条件，向所述目标对象推荐所述媒体资源。上述技术方案，能够基于对象属于各对象类型的概率来对业务目标的预估效果进行融合，从而对于不同对象类型的对象，业务目标的预估效果的融合方式不同，提高了融合结果的准确性，能够有效的解决“此消彼长”问题。

技术领域

本申请涉及机器学习技术领域，特别涉及一种媒体资源推荐方法、多目标融合模型的训练方法及装置。

背景技术

多目标排序模型在推荐系统中有着广泛的应用，该多目标排序模型通过同时优化多种业务目标的效果去获得单目标模型无法获得的额外收益，其中业务目标的效果包括点击率、转换率以及点击转化率等。然而多目标建模经常会遇到的问题是，一些业务目标的效果有提升了，但另一些业务目标的效果却变差了，也就是难以让所有业务目标的效果都同时变好，这种问题简称为“此消彼长”问题。

目前，通常采用在训练阶段优化模型结构的方式，来缓解上述“此消彼长”的问题。通过在模型中引入专家网络，能够增加每个业务目标自身拟合的灵活性，减少由于底层参数共享导致的业务目标间的相互牵制，使得每个业务目标都能拟合得更好。

然而，上述方案虽然能够使得每个业务目标拟合的更好，但是在模型预测推荐概率的阶段，需要融合不同业务目标的预估效果，该预估效果为模型预测的分数，仍旧会由于融合方式不佳，导致融合结果准确性不高，出现“此消彼长”问题。

发明内容

本申请实施例提供了一种媒体资源推荐方法、装置、计算机设备及存储介质，能够基于对象属于各对象类型的概率来对业务目标的预估效果进行融合，从而对于不同对象类型的对象，业务目标的预估效果的融合方式不同，提高了融合结果的准确性，能够有效的解决“此消彼长”问题。所述技术方案如下。

一方面，提供了一种媒体资源推荐方法，所述方法包括：

基于目标对象的对象特征、媒体资源的资源特征和关联特征，确定业务目标预估信息，所述关联特征用于指示所述媒体资源与所述目标对象之间的关联关系，所述业务目标预估信息用于表示将所述媒体资源推荐给所述目标对象后多个业务目标的预估效果；

基于所述对象特征，确定对象类型信息，所述对象类型信息用于表示所述目标对象属于各对象类型的概率；

基于所述业务目标预估信息和所述对象类型信息，确定所述媒体资源的推荐信息，所述推荐信息用于指示所述媒体资源的推荐分数；

响应于所述推荐信息满足推荐条件，向所述目标对象推荐所述媒体资源。

另一方面，提供了一种内容推荐装置，所述装置包括：

第一确定模块，用于基于目标对象的对象特征、媒体资源的资源特征和关联特征，确定业务目标预估信息，所述关联特征用于指示所述媒体资源与所述目标对象之间的关联关系，所述业务目标预估信息用于表示将所述媒体资源推荐给所述目标对象后多个业务目标的预估效果；

第二确定模块，用于基于所述对象特征，确定对象类型信息，所述对象类型信息用于表示所述目标对象属于各对象类型的概率；

第三确定模块，用于基于所述业务目标预估信息和所述对象类型信息，确定所述媒体资源的推荐信息，所述推荐信息用于指示所述媒体资源的推荐分数；

推荐模块，用于响应于所述推荐信息满足推荐条件，向所述目标对象推荐所述媒体资源。

在一些实施例中，所述第一确定模块，包括：