公开(公告)号：CN110119474B

公开(公告)日：2022-10-18

申请号：CN201810470144.1

申请日：2018-05-16

Applicant: 华为技术有限公司

Inventor： 董振华 ,  原博文 ,  刘志容 ,  林智仁 ,  冯新华 ,  何秀强 ,  唐兴

IPC: G06F16/9535

Abstract: 本申请提供了推荐模型训练方法、基于推荐模型的预测方法及装置，该方法包括：获取至少一个样本数据，根据所述每一个样本数据的特征集合获取至少一个特征子集；根据每一个特征子集的属性来确定条件集合中每一个特征子集对应的条件；其中，条件集合包括至少两个条件，至少两个条件分别指示特征子集不同的属性，每一个特征子集的属性与每一个特征子集对应的条件所指示的属性一致；利用每一个特征子集以及每一个特征子集对应的标签，分别训练模型集合中每一个特征子集对应的条件所对应的推荐模型。实施本发明实施例有利于训练出更好的推荐模型，提高推荐内容的预测的准确性。

公开(公告)号：CN113508378B

公开(公告)日：2024-07-05

申请号：CN201980093319.4

申请日：2019-10-31

Applicant: 华为技术有限公司

Inventor： 张智尧 ,  祝宏 ,  董振华 ,  何秀强 ,  原博文

IPC: G06F16/9535

Abstract: 一种推荐模型的训练方法、推荐方法、装置及计算机可读介质，应用于人工智能(AI)领域中。该训练方法包括：获取至少一个第一训练样本；通过插补模型对第一用户的属性信息和第一推荐对象的信息进行处理，获取第一训练样本的插补预测标签，其中，插补模型的模型参数是基于至少一个第二训练样本进行训练得到的，第二训练样本是在当第二推荐对象为随机展示给第二用户的情况下获得的；以第一用户的属性信息和第一推荐对象的信息作为推荐模型的输入，以第一训练样本的插补预测标签作为推荐模型的目标输出值进行训练，得到训练后的推荐模型。该能够减轻训练数据偏置对推荐模型训练的影响，提高推荐模型的准确性。

公开(公告)号：CN110119474A

公开(公告)日：2019-08-13

申请号：CN201810470144.1

申请日：2018-05-16

Applicant: 华为技术有限公司

Inventor： 董振华 ,  原博文 ,  刘志容 ,  林智仁 ,  冯新华 ,  何秀强 ,  唐兴

IPC: G06F16/9535

Abstract: 本申请提供了推荐模型训练方法、基于推荐模型的预测方法及装置，该方法包括：获取至少一个样本数据，根据所述每一个样本数据的特征集合获取至少一个特征子集；根据每一个特征子集的属性来确定条件集合中每一个特征子集对应的条件；其中，条件集合包括至少两个条件，至少两个条件分别指示特征子集不同的属性，每一个特征子集的属性与每一个特征子集对应的条件所指示的属性一致；利用每一个特征子集以及每一个特征子集对应的标签，分别训练模型集合中每一个特征子集对应的条件所对应的推荐模型。实施本发明实施例有利于训练出更好的推荐模型，提高推荐内容的预测的准确性。

公开(公告)号：CN113508378A

公开(公告)日：2021-10-15

申请号：CN201980093319.4

申请日：2019-10-31

Applicant: 华为技术有限公司

Inventor： 张智尧 ,  祝宏 ,  董振华 ,  何秀强 ,  原博文

IPC: G06F16/9535

Abstract: 一种推荐模型的训练方法、推荐方法、装置及计算机可读介质，应用于人工智能(AI)领域中。该训练方法包括：获取至少一个第一训练样本；通过插补模型对第一用户的属性信息和第一推荐对象的信息进行处理，获取第一训练样本的插补预测标签，其中，插补模型的模型参数是基于至少一个第二训练样本进行训练得到的，第二训练样本是在当第二推荐对象为随机展示给第二用户的情况下获得的；以第一用户的属性信息和第一推荐对象的信息作为推荐模型的输入，以第一训练样本的插补预测标签作为推荐模型的目标输出值进行训练，得到训练后的推荐模型。该能够减轻训练数据偏置对推荐模型训练的影响，提高推荐模型的准确性。