[发明专利]推荐模型训练方法、对象推荐方法、装置及存储介质

权利要求书

1.一种推荐模型训练方法，其特征在于，包括：

获取多个第一样本训练数据、多个第二样本训练数据以及对应的标签信息，所述多个第一样本训练数据是基于多个样本用户账号的样本用户关联信息和多个样本对象各自的样本对象关联信息得到的，所述多个第二样本训练数据是基于所述多个第一样本训练数据与样本交互信息得到的，所述样本交互信息为所述多个样本用户账号与所述多个样本对象的样本交互信息；

将所述多个第一样本训练数据输入第一模型，得到第一预测结果；

将所述多个第二样本训练数据输入第二模型，得到第二预测结果；所述第二模型为预先训练的、满足预设收敛条件的预设机器学习模型；

基于所述第一预测结果、所述第二预测结果和所述标签信息，训练所述第一模型和所述第二模型，以更新第一模型和第二模型的模型参数，直至第一模型满足预设条件，将满足预设条件的第一模型作为目标推荐模型。

2.根据权利要求1所述的方法，其特征在于，所述获取多个第一样本训练数据、多个第二样本训练数据，包括：

获取多个样本用户账号各自的样本用户关联信息、多个样本对象各自的样本对象关联信息、以及所述多个样本用户账号与所述多个样本对象的样本交互信息；所述样本用户关联信息是基于所述样本用户账号的样本用户属性信息和样本历史行为信息得到的；

将多个样本用户关联信息与多个样本对象关联信息进行组合处理，得到所述多个第一样本训练数据；

基于所述多个第一样本训练数据以及对应的样本交互信息，得到第二样本训练数据。

3.根据权利要求1所述的方法，其特征在于，所述基于所述第一预测结果、所述第二预测结果和所述标签信息，训练所述第一模型和所述第二模型，直至第一模型满足预设条件，将满足预设条件的第一模型作为目标推荐模型，包括：

根据所述第一预测结果和所述标签信息，确定第一损失信息；

根据所述第一预测结果和所述第二预测结果，确定第二损失信息；

根据所述第二预测结果和所述标签信息，确定第三损失信息；

利用所述第一损失信息和所述第二损失信息训练所述第一模型，并利用所述第三损失信息训练所述第二模型以更新第二模型，直至第一模型满足预设条件，将满足所述预设条件的第一模型作为目标推荐模型。

4.根据权利要求2所述的方法，其特征在于，所述获取多个样本用户账号各自的样本用户关联信息，包括：

获取所述样本用户账号的样本用户基础属性信息、关联设备信息、关联网络环境信息、所述样本用户账号关联的第一样本账号信息、所述样本用户账号与历史交互对象的历史操作信息；其中，所述历史交互对象为所述样本用户账号执行过预设操作的对象；

根据所述样本用户基础属性信息、所述关联设备信息和所述关联网络环境信息中的至少一种，获取所述样本用户账号的样本用户属性信息；

基于所述第一样本账号信息和所述历史操作信息，获取所述多个样本用户账号各自的样本历史行为信息；

基于所述样本用户属性信息和所述样本历史行为信息，获取所述多个样本用户账号各自的样本用户关联信息。

5.根据权利要求4所述的方法，其特征在于，所述获取多个样本对象各自的样本对象关联信息，包括：

获取所述样本对象对应的第二样本账号信息以及所述样本对象的样本对象信息；

基于所述第二样本账号信息和所述样本对象信息，获取所述多个样本对象各自的样本对象关联信息。

6.根据权利要求5所述的方法，其特征在于，在所述多个样本对象为多个样本直播间、所述历史交互对象为历史直播间的情况下，所述获取样本用户账号关联的第一样本账号信息、所述样本用户账号与历史交互对象的历史操作信息，包括：

获取所述样本用户账号关联的第一主播账号信息和所述样本用户账号在历史直播间中的所述历史操作信息。