信息推荐方法、模型生成方法及装置、电子设备与流程
本申请实施例涉及信息推荐，涉及但不限于一种信息推荐方法、模型生成方法及装置、电子设备、存储介质。
背景技术：
1、现有的信息推荐方法通常会使用训练好的神经网络排序打分预估模型，在神经网络排序打分预估模型的训练过程中容易出现训练样本不均衡的问题，解决训练样本不均衡问题的方法一般是人为改变样本分布。人为改变样本分布主要有两种方式，一种方式是直接对占比较小的用户群样本进行扩充，如进行上采样，以达到样本均衡的目的；另一种是在模型训练过程中对占比较小的用户群样本进行提权，以提升其在模型训练过程中的影响力；两种方式都能够缓解样本不均衡问题。
2、但是当用户群样本的特征存在层级关系且用户群样本不均衡时，采用人为改变样本分布的方法会造成对占比较高的用户群样本不公平且影响其训练效果，导致了基于该模型的推荐信息不准确的问题。
技术实现思路
1、有鉴于此，本申请实施例提供的信息推荐方法、模型生成方法及装置、电子设备、存储介质，能够在用户群样本的特征存在层级关系且用户群样本不均衡的情况下，提升占比较小的用户群模型训练效果且不影响占比较高的用户群模型训练效果，使用筛选模型参数后的信息评价模型进行信息推荐能够大大提升推荐信息的准确性。
2、第一方面，本申请实施例提供的信息推荐方法，应用于电子设备，所述方法包括：
3、获取多个候选信息；
4、调用当前的信息评价模型对所述多个候选信息进行评价，得到评价结果；其中，所述当前的信息评价模型是使用目标数量的门控网络对初始的信息评价模型的模型参数进行筛选得到的，所述门控网络用于为对应的层级特征选择模型参数，所述层级特征用于指示具有层级关系的训练样本特征，所述目标数量大于或者等于2；
5、根据所述评价结果生成推荐信息，所述推荐信息为所述多个候选信息中的部分信息。
6、第二方面，本申请实施例提供的模型生成方法，应用于电子设备，所述方法包括：
7、生成目标数量的门控网络，所述目标数量与层级特征的数量相对应，所述层级特征用于指示具有层级关系的训练样本特征，所述目标数量大于或者等于2；
8、将所述目标数量的门控网络分别作用于初始的信息评价模型中目标数量的网络层，用于所述初始的信息评价模型的模型参数的筛选。
9、第三方面，本申请实施例提供的信息推荐装置，应用于电子设备，所述装置包括：
10、信息获取模块，用于获取多个候选信息；
11、信息评价模块，用于调用当前的信息评价模型对所述多个候选信息进行评价，得到评价结果；其中，所述当前的信息评价模型是使用目标数量的门控网络对初始的信息评价模型的模型参数进行筛选得到的，所述门控网络用于为对应的层级特征选择模型参数，所述层级特征用于指示具有层级关系的训练样本特征，所述目标数量大于或者等于2；
12、信息生成模块，用于根据所述评价结果生成推荐信息，所述推荐信息为所述多个候选信息中的部分信息。
13、第四方面，本申请实施例提供的模型训练装置，应用于电子设备，所述装置包括：
14、门控生成模块，用于生成目标数量的门控网络，所述目标数量与层级特征的数量相对应，所述层级特征用于指示具有层级关系的训练样本特征，所述目标数量大于或者等于2；
15、门控使用模块，用于将所述目标数量的门控网络分别作用于初始的信息评价模型中目标数量的网络层，用于所述初始的信息评价模型的模型参数的筛选。
16、第五方面，本申请实施例提供的电子设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本申请实施例第一方面提供的所述信息推荐方法的步骤，或者实现本申请实施例第二方面提供的所述模型生成方法的步骤。
17、第六方面，本申请实施例提供的计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本申请实施例第一方面提供的所述信息推荐方法的步骤，或者本申请实施例第二方面提供的所述模型生成方法的步骤。
18、本申请实施例所提供的信息推荐方法、模型生成方法及装置、电子设备和计算机可读存储介质，能够在用户群样本的特征存在层级关系且用户群样本不均衡的情况下，提升占比较小的用户群模型训练效果且不影响占比较高的用户群模型训练效果，使用筛选模型参数后的信息评价模型进行信息推荐能够大大提升推荐信息的准确性，从而解决背景技术中所提出的技术问题。
技术特征：
1.一种信息推荐方法，其特征在于，应用于电子设备，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述调用当前的信息评价模型对所述多个候选信息进行评价，得到评价结果，包括：
3.根据权利要求1所述的方法，其特征在于，在所述获取多个候选信息之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述层级特征包括第一层级特征和第二层级特征，所述生成目标数量的门控网络，包括：
5.根据权利要求4所述的方法，其特征在于，若所述第一门控网络的输入为所述第一层级特征，所述第一门控网络的输出为所述第一层级特征对应的门控值；若所述第一门控网络的输入为所述第一层级特征相关的特征，所述第一门控网络的输出为所述第一层级特征相关的特征对应的门控值；若所述第一门控网络的输入为所述第一层级特征和所述第一层级特征相关的特征，所述第一门控网络的输出为所述第一层级特征和所述第一层级特征相关的特征对应的门控值；
6.根据权利要求4和5所述的方法，其特征在于，所述第二层级特征为所述第一层级特征的子特征，所述初始的信息评价模型包括按序设置的第一网络层和第二网络层，所述将所述目标数量的门控网络分别作用于初始的信息评价模型中目标数量的网络层，包括：
7.根据权利要求6所述的方法，其特征在于，所述初始的信息评价模型包括输入层和隐藏层，所述第一网络层位于所述输入层，所述第二网络层位于所述隐藏层，或者，所述第一网络层和所述第二网络层都位于所述隐藏层。
8.一种模型生成方法，其特征在于，应用于电子设备，所述方法包括：
9.根据权利要求8所述的方法，其特征在于，所述层级特征包括第一层级特征和第二层级特征，所述生成目标数量的门控网络，包括：
10.根据权利要求9所述的方法，其特征在于，若所述第一门控网络的输入为所述第一层级特征，所述第一门控网络的输出为所述第一层级特征对应的门控值；若所述第一门控网络的输入为所述第一层级特征相关的特征，所述第一门控网络的输出为所述第一层级特征相关的特征对应的门控值；若所述第一门控网络的输入为所述第一层级特征和所述第一层级特征相关的特征，所述第一门控网络的输出为所述第一层级特征和所述第一层级特征相关的特征对应的门控值；
11.根据权利要求9和10所述的方法，其特征在于，所述第二层级特征为所述第一层级特征的子特征，所述初始的信息评价模型包括按序设置的第一网络层和第二网络层，所述将所述目标数量的门控网络分别作用于初始的信息评价模型中目标数量的网络层，包括：
12.根据权利要求11所述的方法，其特征在于，所述初始的信息评价模型包括输入层和隐藏层，所述第一网络层位于所述输入层，所述第二网络层位于所述隐藏层，或者，所述第一网络层和所述第二网络层都位于所述隐藏层。
13.一种信息推荐装置，其特征在于，应用于电子设备，所述装置包括：
14.一种模型训练装置，其特征在于，应用于电子设备，所述装置包括：
15.一种电子设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述信息推荐方法的步骤，或者实现权利要求8至12任一项所述模型生成方法的步骤。
16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述信息推荐方法的步骤，或者实现权利要求8至12任一项所述模型生成方法的步骤。
技术总结
本发明公开了一种信息推荐方法、模型生成方法及装置、电子设备、存储介质；所述信息推荐方法包括：获取多个候选信息，调用当前的信息评价模型对所述多个候选信息进行评价，得到评价结果；其中，所述当前的信息评价模型是使用目标数量的门控网络对初始的信息评价模型的模型参数进行筛选得到的，所述门控网络用于为对应的层级特征选择模型参数，根据所述评价结果生成推荐信息。所述方法能够在用户群样本的特征存在层级关系且用户群样本不均衡的情况下，提升占比较小的用户群模型训练效果且不影响占比较高的用户群模型训练效果，使用筛选模型参数后的信息评价模型进行信息推荐能够大大提升推荐信息的准确性。
技术研发人员：邓拯宇,李斌,韩孟军
受保护的技术使用者：北京欧珀通信有限公司
技术研发日：
技术公布日：2024/9/23