基于人工智能的泛化模型的训练方法及装置.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 111143684 A (43)申请公布日 2020.05.12 (21)申请号 201911392134.1 (22)申请日 2019.12.30 (71)申请人 腾讯科技（深圳）有限公司 地址 518000 广东省深圳市南山区高新区 科技中一路腾讯大厦35层 (72)发明人 陈蓉　黄银锋　 (74)专利代理机构 北京派特恩知识产权代理有 限公司 11270 代理人 崔晓岚　张颖玲 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/33(2019.01) 权利要求书2页 说明书17页 附图11页 (54)发明名称 基于人工智能的泛化模型的训练方法及装 置 (57)摘要 本发明提供了一种基于人工智能的泛化模 型的训练方法及装置；泛化模型包括输入层、隐 藏层及输出层，方法包括：获取推荐对象样本的 文本内容对应的内容向量，推荐对象样本标注有 用于表征推荐对象样本的目标向量序列；将获取 的内容向量输入至所述输入层，以通过输入层传 递至隐藏层；通过隐藏层，调用激活函数得到对 应内容向量的隐层特征；通过输出层，对得到的 隐层特征进行预测，得到对应推荐对象样本的向 量序列；其中，向量序列包括多个具有点击数据 的第二推荐对象所对应的第二推荐对象向量，用 A 于供基于第二推荐对象向量，对推荐对象样本进 4 行推荐；获取向量序列与目标向量序列的差异， 8 6 3 并基于差异更新泛化模型的模型参数。 4 1 1 1 1 N C CN 111143684 A 权　利　要　求　书 1/2页 1.一种基于人工智能的泛化模型的训练方法，其特征在于，所述泛化模型包括输入层、 隐藏层及输出层，所述方法包括： 获取推荐对象样本的文本内容对应的内容向量，所述推荐对象样本标注有用于表征所 述推荐对象样本的目标向量序列，所述目标向量序列包括多个具有点击数据的第一推荐对 象所对应的第一推荐对象向量； 将获取的所述内容向量输入至所述输入层，以通过所述输入层传递至所述隐藏层； 通过所述隐藏层，调用激活函数得到对应所述内容向量的隐层特征； 通过所述输出层，对得到的所述隐层特征进行预测，得到对应所述推荐对象样本的向 量序列； 其中，所述向量序列包括多个具有点击数据的第二推荐对象所对应的第二推荐对象向 量，用于供基于所述第二推荐对象向量，对所述推荐对象样本进行推荐； 获取所述向量序列与所述目标向量序列的差异，并基于所述差异更新所述泛化模型的 模型参数。 2.如权利要求1所述的方法，其特征在于，所述获取推荐对象样本的文本内容对应的内 容向量，包括： 对所述推荐对象样本的文本内容进行分词处理，得到所述文本内容的多个词语； 分别对得到的各个所述词语进行词向量转换处理，得到对应各个所述词语的词语向 量； 对得到的各个所述词语的词语向量加权求平均，得到对应所述文本内容的内容向量。 3.如权利要求1所述的方法，其特征在于，所述获取推荐对象样本的文本内容对应的内 容向量，包括： 对所述推荐对象样本的文本内容进行关键词提取处理，得到对应所述文本内容的多个 关键词； 分别对各所述关键词进行词向量转换处理，得到对应的关键字向量； 对各所述关键词向量进行加权求平均，得到对应所述文本内容的内容向量。 4.如权利要求1所述的方法，其特征在于，所述方法还包括： 获取预设时间段内推荐对象样本集合中各推荐对