CN113407846A - 推荐模型的更新方法及装置 - Google Patents

Abstract

本申请公开了一种推荐模型的更新方法及装置。方法的一具体实施方式包括：基于预训练的推荐模型，确定候选对象集合中的每个候选对象的推荐评分；调整候选对象集合中可能被推荐模型低估的候选对象的推荐评分，得到校正评分；根据候选对象集合中的每个候选对象的最终评分，生成推荐信息；根据针对于推荐信息的反馈信息，更新推荐模型。本申请使得更新后的推荐模型可以解决针对于长尾对象的低估问题，并且提高了推荐模型在面对利用‑探索困境时的探索效率。

Description

推荐模型的更新方法及装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及一种推荐模型的更新方法及装置。

背景技术

深度学习技术的应用极大推动了推荐系统的发展。采用深度学习技术的推荐系统的基本思想是，利用深度神经网络的表达能力，从用户的历史行为中学习用户偏好和对象属性。深度学习模型常常以监督学习的方式利用用户在推荐对象上的反馈信息进行训练。以点击率预测模型为例，商品曝光与否依赖于点击率预估模型的预估结果；而曝光商品的点击情况又影响到点击率预估模型的更新训练。于是，也就形成了关于点击率预估模型的训练-预估的迭代闭环。在这一闭环中，逐步更新迭代的点击率预估模型往往会聚焦于少量高点击率的商品；与之相对的，大量的长尾商品难以获得足够的曝光量。这就导致了点击率被点击率预测模型低估的商品难以获得足够的曝光机会，进而也就失去了其应得的点击量，造成了长尾商品的点击率低估问题。

发明内容

本申请实施例提出了一种推荐模型的更新方法及装置。

第一方面，本申请实施例提供了一种推荐模型的更新方法，包括：基于预训练的推荐模型，确定候选对象集合中的每个候选对象的推荐评分；调整候选对象集合中可能被推荐模型低估的候选对象的推荐评分，得到校正评分；根据候选对象集合中的每个候选对象的最终评分，生成推荐信息；根据针对于推荐信息的反馈信息，更新推荐模型。

在一些实施例中，上述基于预训练的推荐模型，确定候选对象集合中的每个候选对象的推荐评分，包括：对于候选对象集合中的每个候选对象，执行如下操作：通过推荐模型，得到该候选对象的表示向量和初始评分；以表示向量的长度表征初始评分的不确定性，确定该候选对象的推荐评分。

在一些实施例中，上述以表示向量的长度表征初始评分的不确定性，确定该候选对象的推荐评分，包括：以初始评分为均值，以表示向量的长度为标准差，构造对应于该候选对象的正态分布信息；从正态分布信息中采样得到该候选对象的推荐评分。

在一些实施例中，上述调整候选对象集合中可能被推荐模型低估的候选对象的推荐评分，得到校正评分，包括：对于候选对象集合中的每个候选对象，响应于确定该候选对象的推荐评分不大于第一阈值，且推荐信息对应的历史推荐信息中该候选对象的推荐次数不大于第二阈值，基于预设方式调整该候选对象的推荐评分，得到该候选对象的校正评分，其中，推荐次数与校正评分相比于推荐评分的调整幅度之间呈负相关。

在一些实施例中，上述基于预设方式调整该候选对象的推荐评分，得到该候选对象的校正评分，包括：基于该候选对象的推荐次数和预设参数，得到调整系数；根据调整系数和该候选对象的推荐评分，得到该候选对象的校正评分。

在一些实施例中，上述方法还包括：通过更新后的推荐模型执行后续的推荐任务。

在一些实施例中，候选对象集合中的每一个候选对象的推荐评分表征该候选对象被推荐的情况下，用户针对于该候选对象的点击率。

第二方面，本申请实施例提供了一种推荐模型的更新装置，包括：确定单元，被配置成基于预训练的推荐模型，确定候选对象集合中的每个候选对象的推荐评分；校正单元，被配置成调整候选对象集合中可能被推荐模型低估的候选对象的推荐评分，得到校正评分；生成单元，被配置成根据候选对象集合中的每个候选对象的最终评分，生成推荐信息；更新单元，被配置成根据针对于推荐信息的反馈信息，更新推荐模型。

在一些实施例中，确定单元，进一步被配置成：对于候选对象集合中的每个候选对象，执行如下操作：通过推荐模型，得到该候选对象的表示向量和初始评分；以表示向量的长度表征初始评分的不确定性，确定该候选对象的推荐评分。

在一些实施例中，确定单元，进一步被配置成：以初始评分为均值，以表示向量的长度为标准差，构造对应于该候选对象的正态分布信息；从正态分布信息中采样得到该候选对象的推荐评分。

在一些实施例中，校正单元，进一步被配置成：对于候选对象集合中的每个候选对象，响应于确定该候选对象的推荐评分不大于第一阈值，且推荐信息对应的历史推荐信息中该候选对象的推荐次数不大于第二阈值，基于预设方式调整该候选对象的推荐评分，得到该候选对象的校正评分，其中，推荐次数与校正评分相比于推荐评分的调整幅度之间呈负相关。

在一些实施例中，校正单元，进一步被配置成：基于该候选对象的推荐次数和预设参数，得到调整系数；根据调整系数和该候选对象的推荐评分，得到该候选对象的校正评分。

在一些实施例中，上述装置还包括：执行单元，被配置成通过更新后的推荐模型执行后续的推荐任务。

在一些实施例中，候选对象集合中的每一个候选对象的推荐评分表征该候选对象被推荐的情况下，用户针对于该候选对象的点击率。

第三方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面任一实现方式描述的方法。

第四方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面任一实现方式描述的方法。

本申请实施例提供的推荐模型的更新方法及装置，通过基于预训练的推荐模型，确定候选对象集合中的每个候选对象的推荐评分；调整候选对象集合中可能被推荐模型低估的候选对象的推荐评分，得到校正评分；根据候选对象集合中的每个候选对象的最终评分，生成推荐信息；根据针对于推荐信息的反馈信息，更新推荐模型，从而使得更新后的推荐模型可以解决对于长尾对象的低估问题，并且提高了推荐模型在面对利用-探索困境时的探索效率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请推荐模型的更新方法的一个实施例的流程图；

图3是根据本实施例的推荐模型的更新方法的应用场景的示意图；

图4是根据本申请的推荐模型的更新方法的又一个实施例的流程图；

图5是根据本申请的不确定性建模方法的一个实施例的流程图；

图6是根据本申请的不确定性建模方法的又一个实施例的流程图；

图7是根据本申请的推荐模型的更新装置的一个实施例的结构图；

图8是适于用来实现本申请实施例的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的推荐模型的更新方法及装置的示例性架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。终端设备101、102、103之间通信连接构成拓扑网络，网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102、103可以是支持网络连接从而进行数据交互和数据处理的硬件设备或软件。当终端设备101、102、103为硬件时，其可以是支持网络连接，信息获取、交互、显示、处理等功能的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如获取用户通过终端设备101、102、103发送的请求信息，向用户推荐对象的后台处理服务器。服务器中设置有推荐模型，通过调整可能被推荐模型低估的候选对象的推荐评分，增加被低估的候选对象(例如长尾商品)的推荐机会。可选的，服务器可以将所确定的推荐对象反馈至终端设备。作为示例，服务器105可以是云端服务器。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

还需要说明的是，本申请的实施例所提供的推荐模型的更新方法可以由服务器执行，也可以由终端设备执行，还可以由服务器和终端设备彼此配合执行。相应地，推荐模型的更新装置包括的各个部分(例如各个单元)可以全部设置于服务器中，也可以全部设置于终端设备中，还可以分别设置于服务器和终端设备中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。当推荐模型的更新方法运行于其上的电子设备不需要与其他电子设备进行数据传输时，该系统架构可以仅包括推荐模型的更新方法运行于其上的电子设备(例如服务器或终端设备)。

继续参考图2，示出了推荐模型的更新方法的一个实施例的流程200，包括以下步骤：

步骤201，基于预训练的推荐模型，确定候选对象集合中的每个候选对象的推荐评分。

本实施例中，推荐模型的更新方法的执行主体(例如图1中的终端设备或服务器)可以基于预训练的推荐模型，确定候选对象集合中的每个候选对象的推荐评分。

推荐模型基于目标用户的操作请求，从候选对象集合中选取匹配目标用户的目标对象。候选对象集合中的每个候选对象的推荐评分用于表征在该候选对象被推荐至目标用户的情况下，目标用户触发该候选对象的可能性，每个候选对象的推荐评分与被触发的可能性呈正相关。在具体的应用场景中，目标用户触发候选对象的方式例如可以是点击、查阅、浏览等方式。

推荐模型可以利用机器学习方法，从目标用户关于候选对象的历史行为中学习目标用户的偏好信息和候选对象的属性信息。具体的，首先上述执行主体收集各用户关于对象的历史行为(例如，从电商平台数据库中收集个用于关于商品对象的历史行为数据)，构造训练样本集。其中，训练样本集中的训练样本包括对象的属性信息和用户关于候选对象的历史行为。然后，利用机器学习方法，以对象的属性信息为输入，以用户关于对象的历史行为期望输出，训练得到推荐模型，以根据对象的属性信息预测用户触发对象的可能性，进而向用户推荐对象。

其中，推荐模型可以采用能够实现推荐功能的各种深度学习模型，包括但不限于是循环神经网络、卷积神经网络、残差神经网络。

候选对象集合中的候选对象可以是任意的对象，包括但不限于是各种商品、书籍、视频数据、广告等对象，推荐模型用于根据目标用户的搜索、浏览等请求信息，确定对象集合中的每个对象的推荐评分。

步骤202，调整候选对象集合中可能被推荐模型低估的候选对象的推荐评分，得到校正评分。

本实施例中，上述执行主体可以调整候选对象集合中可能被推荐模型低估的候选对象的推荐评分，得到校正评分。

候选对象被推荐与否依赖于推荐模型的预估结果(推荐评分)，而目标用户针对于被推荐的候选对象的反馈信息又影响到推荐模型的更新训练。于是，也就形成了关于推荐模型的训练-预估的迭代闭环。在这一闭环中，逐步更新迭代的推荐模型往往会聚焦于少量高推荐率的对象；与之相对的，大量长尾对象(例如长尾商品)难以获得足够的推荐次数，导致长尾对象的曝光量(推荐次数)不足、推荐评分失准、反馈信息缺失等问题。

但是，推荐模型基于深度学习模型训练得到，其信息处理过程存在不可解释性。推荐模型对于候选对象集合中的候选对象的预估可能存在低估的情况。可以理解，针对于推荐评分较高的候选对象，被推荐的可能性较大，从而针对于推荐评分较高的候选对象的反馈信息充足，基本不可能被推荐模型低估。针对于推荐评分较低的候选对象，被推荐的可能性较小，从而针对于推荐评分较低的候选对象的反馈信息缺乏，在多次更新迭代的过程中可能被推荐模型低估。

作为示例，上述执行主体可以设置推荐评分阈值，将候选对象集合中推荐评分低于推荐评分阈值的候选对象确定为可能被推荐模型低估的候选对象，调高被推荐模型低估的候选对象的推荐评分。

其中，调高被推荐模型低估的候选对象的推荐评分的方式例如可以是基于推荐评分与调整幅度呈负相关的原则调整被低估的候选对象的推荐评分，通过乘以预设调整系数的方式调整被低估的候选对象的推荐评分，通过增加预设数值的方式调整被低估的候选对象的推荐评分。

在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式执行上述步骤202：

对于候选对象集合中的每个候选对象，响应于确定该候选对象的推荐评分不大于第一阈值，且推荐信息对应的历史推荐信息中该候选对象的推荐次数不大于第二阈值，基于预设方式调整该候选对象的推荐评分，得到该候选对象的校正评分。其中，推荐次数与校正评分相比于推荐评分的调整幅度之间呈负相关。

其中，第一阈值、第二阈值用于控制调整推荐评分的候选对象的方位，可以根据实际情况具体设置，在此不做限定。在实践中，推荐次数的确定可以预设时间长度为限制，将预设时间长度所表征的历史时间段内该候选对象被推荐的次数确定为推荐次数。

在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式具体执行推荐评分的校正过程：首先，基于该候选对象的推荐次数和预设参数，得到调整系数；然后，根据调整系数和该候选对象的推荐评分，得到该候选对象的校正评分。

作为示例，预设参数包括第一参数α和第二参数β。其中，第一参数α和第二参数β均大于零，用于控制推荐评分的校正力度，其具体数值可根据实际情况具体设置。调整系数可以通过如下公式计算得到：

其中，c_i表征该候选对象的推荐次数。

进而，将该候选对象的推荐评分与调整系数相乘，得到该候选对象的校正评分。

上述推荐评分的校正策略根据候选对象的推荐次数，对推荐评分进行调整。调整对象为推荐评分较低且推荐次数较少的候选对象。调整方式为对这些候选对象的评分进行上调，推荐次数越小，上调幅度越大，以旨在扶持潜在被低估的候选对象，给予它们一定的推荐机会。

预训练的推荐模型在训练-预估的迭代过程中，会面临探索-利用困境，也即在迭代过程中，是充分利用现有的推荐模型的预估结果(推荐评分)，还是探索更多的信息以更好地更新推荐模型。

由于上述校正策略直接介入到推荐评分和后续步骤203的生成推荐信息之间，所以几乎适用于已有的所有深度学习模型的探索策略。通过上述通用的、可解释的校正策略，可以提升推荐模型的探索效率，在迭代过程中最大化累计步骤204所涉及的反馈信息所表征的、推荐模型的奖励。

步骤203，根据候选对象集合中的每个候选对象的最终评分，生成推荐信息。

本实施例中，上述执行主体可以根据候选对象集合中的每个候选对象的最终评分，生成推荐信息。

对于候选对象集合中的每个候选对象，当该候选对象的推荐评分未被调整时，其最终评分为推荐评分；当该候选对象的推荐评分被调整时，其最终评分为校正评分。

本实施例中，上述执行主体可以将最终评分较高的候选对象确定为待推荐对象，也可以直接将最终评分最高的候选对象确定为待推荐对象，以生成推荐信息。

通过步骤202针对于可能被低估的候选对象的推荐评分的调整，使得被低估的候选对象的最终评分可能成为评分较高、或最高的候选对象，从而具有成为待推荐对象的机会。

步骤204，根据针对于推荐信息的反馈信息，更新推荐模型。

本实施例中，上述执行主体可以根据针对于推荐信息的反馈信息，更新推荐模型。

其中，反馈信息例如可以是用户针对于推荐信息所表征的候选对象的点击、浏览、观看、购买等对推荐模型正向奖励的操作信息，或者是忽略等负向奖励的操作信息。可以理解，基于正向的激励信息更新推荐模型可以使得更新后的推荐模型关注于推荐信息所表征的候选对象，而该候选对象可能是经过校正策略调整推荐评分的、被推荐模型低估的候选对象。从而使得更新后的推荐模型可以解决长尾商品的低估问题。

作为示例，上述执行主体可以基于预设数量阈值，当收集到超过预设数量阈值的反馈信息时，根据反馈信息更新推荐模型。

作为又一示例，上述执行主体可以基于预设时间段，收集预设时间段内的反馈信息，根据反馈信息更新推荐模型。

其中，推荐模型的更新过程可以参照推荐模型的训练过程，采用机器学习算法，以推荐信息所表征的对象的属性信息为输入，以反馈信息为期望输出，更新推荐模型。

在推荐模型的应用过程中，上述执行主体可以基于上述步骤201-204所示的更新过程，进行推荐模型的训练-预估的迭代过程，在进行模型更新时，以上次迭代过程得到更新后的推荐模型作为本次更新过程的预训练的推荐模型。

在本实施例的一些可选的实现方式中，在得到更新后的推荐模型后，上述执行主体可以通过更新后的推荐模型执行后续的推荐任务。其中，推荐任务可以是向目标用户推荐商品、广告、视频、书籍等对象的推荐任务。基于更新后的推荐模型可以解决长尾对象的低估问题。

在本实施例的一些可选的实现方式中，候选对象集合中的每一个候选对象的推荐评分表征该候选对象被推荐的情况下，用户针对于该候选对象的点击率。

本实现方式中，当推荐模型所预测的候选对象的点击率越高，该候选对象被推荐至目标用户的可能性越大。

继续参见图3，图3是根据本实施例的推荐模型的更新方法的应用场景的一个示意图300。在图3的应用场景中，目标用户301通过终端设备302浏览电商平台的过程中，向服务器303发起了搜索请求。服务器303中部署有预训练的推荐模型304。在接收到搜索请求后，服务器303首先基于预训练的推荐模型304，确定候选对象集合305中的每个候选对象的推荐评分。然后，调整候选对象集合中可能被推荐模型低估的候选对象的推荐评分，得到校正评分。然后，根据候选对象集合中的每个候选对象的最终评分，生成推荐信息，并将推荐信息反馈至终端设备302。对于候选对象集合中的每个候选对象，当该候选对象的推荐评分未被调整时，其最终评分为推荐评分；当该候选对象的推荐评分被调整时，其最终评分为校正评分。最后，根据目标用户301针对于推荐信息的反馈信息，更新推荐模型。

本申请的上述实施例提供的方法，通过基于预训练的推荐模型，确定候选对象集合中的每个候选对象的推荐评分；调整候选对象集合中可能被推荐模型低估的候选对象的推荐评分，得到校正评分；根据候选对象集合中的每个候选对象的最终评分，生成推荐信息；根据针对于推荐信息的反馈信息，更新推荐模型，从而使得更新后的推荐模型可以解决针对于长尾对象的低估问题，并且提高了推荐模型在面对利用-探索困境时的探索效率。

在本实施例的一些可选的实现方式中，上述执行主体可以对推荐模型得到的每个候选对象的初始评分进行不确定性建模，以确定每个候选对象的推荐评分。具体的，上述执行主体可以通过如下方式执行上述步骤201：

对于候选对象集合中的每个候选对象，执行如下操作：

第一，通过推荐模型，得到该候选对象的表示向量和初始评分。

深度学习模型可以拆解为表示层(representation layer)和仿射层(affinelayer)两部分。在对样本进行模型预估的时候，首先通过表示层处理候选对象的属性信息，得到候选对象的表示向量(也即deep representation，深度表示)；然后，利用仿射层对表示向量做仿射变换，以得到最终的模型输出，也即候选对象的初始评分。

第二，以表示向量的长度表征初始评分的不确定性，确定该候选对象的推荐评分。

本实施例中，上述执行主体在得到每个候选对象的表示向量后，计算每个表示向量的长度。作为示例，对于候选对象集合中的每个候选对象，上述执行主体可以计算该候选对象的表示向量的L2范数，作为该候选对象的表示向量的长度。可以理解，每个候选对象的表示向量的长度一般不同。

推荐模型所得到的初始评分存在不确定性，对于候选对象集合中的每个候选对象，当该候选对象的表示向量的长度越大，表明该候选对象的初始评分的不确定性越大；当该候选对象的表示向量的长度越小，表明该候选对象的初始评分的不确定性越小。

以候选对象的表示向量表征候选对象的初始评分的不确定性的原理在于，数学上，表示向量是模型输出关于仿射层参数的梯度。梯度越大(L2范数越大)，则代表模型在该候选对象上的预估越敏感，模型参数的微小扰动会引起预估值的剧烈变化。

对于候选对象集合中的每个候选对象，上述执行主体可以根据该候选对象的表示向量的长度，对该候选对象的初始评分进行处理，得到该候选对象的推荐评分。作为示例，当该候选对象的表示向量的长度较小时，也即该候选对象的初始评分的不确定性较小时，直接将该候选对象的初始评分确定为推荐评分；当该候选对象的表示向量的长度较大时，也即该候选对象的初始评分的不确定性较大时，在该候选对象的初始评分所处的预设数值范围内随机选取数值作为该候选对象的推荐评分。

在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式执行上述第二步骤：

首先，以初始评分为均值，以表示向量的长度为标准差，构造对应于该候选对象的正态分布信息；然后，从正态分布信息中采样得到该候选对象的推荐评分。

作为示例，上述执行主体可以从正态分布信息中进行随机采样，得到该候选对象的推荐评分。

现有的深度学习模型的不确定性建模方法都需要对深度学习模型的结构、参数、训练过程或预估过程做较大幅度的修改，难以复用现有模型。例如，贝叶斯神经网络需要为模型的每一个权重参数添加对应的方差参数；蒙特卡洛Dropout需要添加Dropout层。由于在真实应用场景中已经部署了大量的深度学习模型，如果不能复用现有模型，会极大影响深度学习模型的不确定性建模方法的适用范围。

相比于贝叶斯神经网络、蒙特卡洛Dropout等不确定性建模方法，上述基于深度表示的不确定性建模方法完全不改变现有深度学习模型的参数、结构和训练方式，仅仅在预估过程中添加了一次针对于表示向量的采样过程，提高了不确定性建模方法的通用性。

继续参考图4，示出了根据本申请的推荐模型的更新方法的一个实施例的示意性流程400，包括以下步骤：

步骤401，对于候选对象集合中的每个候选对象，执行如下操作：

步骤4011，通过推荐模型，得到该候选对象的表示向量和初始评分。

步骤4012，以初始评分为均值，以表示向量的长度为标准差，构造对应于该候选对象的正态分布信息。

步骤4013，从正态分布信息中采样得到该候选对象的推荐评分。

步骤4014，响应于确定该候选对象的推荐评分不大于第一阈值，且推荐信息对应的历史推荐信息中该候选对象的推荐次数不大于第二阈值，基于该候选对象的推荐次数和预设参数，得到调整系数。

步骤4015，根据调整系数和该候选对象的推荐评分，得到该候选对象的校正评分。

步骤402，根据候选对象集合中的每个候选对象的最终评分，生成推荐信息。

对于候选对象集合中的每个候选对象，当该候选对象的推荐评分未被调整时，其最终评分为推荐评分；当该候选对象的推荐评分被调整时，其最终评分为校正评分。

步骤403，根据针对于推荐信息的反馈信息，更新推荐模型。

从本实施例中可以看出，与图2对应的实施例相比，本实施例中的推荐模型的更新方法的流程400具体说明了初始评分的不确定性建模过程，推荐评分的校正过程，提高了不确定性建模的通用性，解决了针对于长尾对象的低估问题，并且提高了推荐模型在面对利用-探索困境时的探索效率。

继续参考图5，示出了根据本申请的不确定性建模方法的一个实施例的示意性流程500，包括以下步骤：

步骤501，通过推荐模型，得到候选对象的表示向量和初始评分。

本实施例中，不确定性建模方法的执行主体(例如图1中的服务器)可以通过推荐模型，得到候选对象的表示向量和初始评分。其中，候选对象例如可以是预设候选对象集合中的每个候选对象。

推荐模型对应的深度学习模型可以拆解为表示层(representation layer)和仿射层(affine layer)两部分。在对样本进行模型预估的时候，首先通过表示层处理候选对象的属性信息，得到候选对象的表示向量(也即deep representation，深度表示)；然后，利用仿射层对表示向量做仿射变换，以得到最终的模型输出，也即候选对象的初始评分。

步骤502，以表示向量的长度表征初始评分的不确定性，对候选对象的初始评分进行不确定性建模。

本实施例中，上述执行主体可以表示向量的长度表征初始评分的不确定性，对候选对象的初始评分进行不确定性建模。

推荐模型所得到的初始评分存在不确定性，当候选对象的表示向量的长度越大，表明候选对象的初始评分的不确定性越大；当候选对象的表示向量的长度越小，表明候选对象的初始评分的不确定性越小。

以候选对象的表示向量表征候选对象的初始评分的不确定性的原理在于，数学上，表示向量是模型输出关于仿射层参数的梯度。梯度越大(L2范数越大)，则代表模型在该候选对象上的预估越敏感，模型参数的微小扰动会引起预估值的剧烈变化。

上述执行主体可以根据候选对象的表示向量的长度，对候选对象的初始评分进行处理，得到候选对象的推荐评分。作为示例，当候选对象的表示向量的长度较小时，也即候选对象的初始评分的不确定性较小时，直接将候选对象的初始评分确定为推荐评分；当候选对象的表示向量的长度较大时，也即候选对象的初始评分的不确定性较大时，在候选对象的初始评分所处的预设数值范围内随机选取数值作为候选对象的推荐评分。

在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式执行上述步骤502：

首先，以初始评分为均值，以表示向量的长度为标准差，构造对应于该候选对象的正态分布信息，对候选对象的初始评分进行不确定性建模。

不确定性建模方法完全不改变现有深度学习模型的参数、结构和训练方式，仅仅在预估过程中添加了一次针对于表示向量的采样过程，提高了不确定性建模方法的通用性。

本申请的上述实施例提供的方法，通过推荐模型，得到候选对象的表示向量和初始评分；以表示向量的长度表征初始评分的不确定性，对候选对象的初始评分进行不确定性建模，提高了不确定性建模的通用性。

继续参考图6，示出了根据本申请的不确定性建模方法的又一个实施例的示意性流程600，包括以下步骤：

步骤601，通过推荐模型，得到候选对象的表示向量和初始评分。

步骤602，以初始评分为均值，以表示向量的长度为标准差，构造对应于该候选对象的正态分布信息，对候选对象的初始评分进行不确定性建模。

在本实施例的一些可选的实现方式中，上述执行主体还可以执行如下步骤，以完成推荐模型的训练-预估的迭代过程。包括：

步骤603，从正态分布信息中采样得到候选对象的推荐评分。

步骤604，根据候选对象集合中的每个候选对象的推荐评分，生成推荐信息。

本实施例中，上述执行主体均可参照步骤601-603所示的方式得到候选对象集合中的每个候选对象的推荐评分。

步骤605，根据针对于推荐信息的反馈信息，更新推荐模型。

其中，步骤604-步骤605可以参照步骤203-204的方式执行，在此不再赘述。

继续参考图7，作为对上述各图所示方法的实现，本申请提供了一种推荐模型的更新装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图7所示，推荐模型的更新装置包括：确定单元701，被配置成基于预训练的推荐模型，确定候选对象集合中的每个候选对象的推荐评分；校正单元702，被配置成调整候选对象集合中可能被推荐模型低估的候选对象的推荐评分，得到校正评分；生成单元703，被配置成根据候选对象集合中的每个候选对象的最终评分，生成推荐信息；更新单元704，被配置成根据针对于推荐信息的反馈信息，更新推荐模型。

在一些实施例中，确定单元701，进一步被配置成：对于候选对象集合中的每个候选对象，执行如下操作：通过推荐模型，得到该候选对象的表示向量和初始评分；以表示向量的长度表征初始评分的不确定性，确定该候选对象的推荐评分。

在一些实施例中，确定单元701，进一步被配置成：以初始评分为均值，以表示向量的长度为标准差，构造对应于该候选对象的正态分布信息；从正态分布信息中采样得到该候选对象的推荐评分。

在一些实施例中，校正单元702，进一步被配置成：对于候选对象集合中的每个候选对象，响应于确定该候选对象的推荐评分不大于第一阈值，且推荐信息对应的历史推荐信息中该候选对象的推荐次数不大于第二阈值，基于预设方式调整该候选对象的推荐评分，得到该候选对象的校正评分，其中，推荐次数与校正评分相比于推荐评分的调整幅度之间呈负相关。

在一些实施例中，校正单元702，进一步被配置成：基于该候选对象的推荐次数和预设参数，得到调整系数；根据调整系数和该候选对象的推荐评分，得到该候选对象的校正评分。

在一些实施例中，上述装置还包括：执行单元(图中未示出)，被配置成通过更新后的推荐模型执行后续的推荐任务。

在一些实施例中，候选对象集合中的每一个候选对象的推荐评分表征该候选对象被推荐的情况下，用户针对于该候选对象的点击率。

本实施例中，推荐模型的更新装置中的确定单元基于预训练的推荐模型，确定候选对象集合中的每个候选对象的推荐评分；校正单元调整候选对象集合中可能被推荐模型低估的候选对象的推荐评分，得到校正评分；生成单元根据候选对象集合中的每个候选对象的最终评分，生成推荐信息；更新单元根据针对于推荐信息的反馈信息，更新推荐模型，从而使得更新后的推荐模型可以解决对于长尾对象的低估问题，并且提高了推荐模型在面对利用-探索困境时的探索效率。

下面参考图8，其示出了适于用来实现本申请实施例的设备(例如图1所示的设备101、102、103、105)的计算机系统800的结构示意图。图8示出的设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图8所示，计算机系统800包括处理器(例如CPU，中央处理器)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM803中，还存储有系统800操作所需的各种程序和数据。处理器801、ROM802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

以下部件连接至I/O接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。

特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被处理器801执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，程序设计语言包括面向目标的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在客户计算机上执行、部分地在客户计算机上执行、作为一个独立的软件包执行、部分在客户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到客户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器，包括确定单元、校正单元、生成单元和更新单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，校正单元还可以被描述为“调整候选对象集合中可能被推荐模型低估的候选对象的推荐评分，得到校正评分的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该计算机设备：基于预训练的推荐模型，确定候选对象集合中的每个候选对象的推荐评分；调整候选对象集合中可能被推荐模型低估的候选对象的推荐评分，得到校正评分；根据候选对象集合中的每个候选对象的最终评分，生成推荐信息；根据针对于推荐信息的反馈信息，更新推荐模型。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (16)

1.一种推荐模型的更新方法，包括：

基于预训练的推荐模型，确定候选对象集合中的每个候选对象的推荐评分；

调整所述候选对象集合中可能被所述推荐模型低估的候选对象的推荐评分，得到校正评分；

根据所述候选对象集合中的每个候选对象的最终评分，生成推荐信息；

根据针对于所述推荐信息的反馈信息，更新所述推荐模型。

2.根据权利要求1所述的方法，其中，所述基于预训练的推荐模型，确定候选对象集合中的每个候选对象的推荐评分，包括：

对于所述候选对象集合中的每个候选对象，执行如下操作：

通过所述推荐模型，得到该候选对象的表示向量和初始评分；

以所述表示向量的长度表征所述初始评分的不确定性，确定该候选对象的推荐评分。

3.根据权利要求2所述的方法，其中，所述以所述表示向量的长度表征所述初始评分的不确定性，确定该候选对象的推荐评分，包括：

以所述初始评分为均值，以所述表示向量的长度为标准差，构造对应于该候选对象的正态分布信息；

从所述正态分布信息中采样得到该候选对象的推荐评分。

4.根据权利要求1所述的方法，其中，所述调整所述候选对象集合中可能被所述推荐模型低估的候选对象的推荐评分，得到校正评分，包括：

对于所述候选对象集合中的每个候选对象，响应于确定该候选对象的推荐评分不大于第一阈值，且所述推荐信息对应的历史推荐信息中该候选对象的推荐次数不大于第二阈值，基于预设方式调整该候选对象的推荐评分，得到该候选对象的校正评分，其中，推荐次数与校正评分相比于推荐评分的调整幅度之间呈负相关。

5.根据权利要求4所述的方法，其中，所述基于预设方式调整该候选对象的推荐评分，得到该候选对象的校正评分，包括：

基于该候选对象的推荐次数和预设参数，得到调整系数；

根据所述调整系数和该候选对象的推荐评分，得到该候选对象的校正评分。

6.根据权利要求1-5中任一项所述的方法，其中，还包括：

通过更新后的推荐模型执行后续的推荐任务。

7.根据权利要求1-5中任一项所述的方法，其中，所述候选对象集合中的每一个候选对象的推荐评分表征该候选对象被推荐的情况下，用户针对于该候选对象的点击率。

8.一种推荐模型的更新装置，包括：

确定单元，被配置成基于预训练的推荐模型，确定候选对象集合中的每个候选对象的推荐评分；

校正单元，被配置成调整所述候选对象集合中可能被所述推荐模型低估的候选对象的推荐评分，得到校正评分；

生成单元，被配置成根据所述候选对象集合中的每个候选对象的最终评分，生成推荐信息；

更新单元，被配置成根据针对于所述推荐信息的反馈信息，更新所述推荐模型。

9.根据权利要求8所述的装置，其中，所述确定单元，进一步被配置成：

对于所述候选对象集合中的每个候选对象，执行如下操作：通过所述推荐模型，得到该候选对象的表示向量和初始评分；以所述表示向量的长度表征所述初始评分的不确定性，确定该候选对象的推荐评分。

10.根据权利要求9所述的装置，其中，所述确定单元，进一步被配置成：

以所述初始评分为均值，以所述表示向量的长度为标准差，构造对应于该候选对象的正态分布信息；从所述正态分布信息中采样得到该候选对象的推荐评分。

11.根据权利要求8所述的装置，其中，所述校正单元，进一步被配置成：

对于所述候选对象集合中的每个候选对象，响应于确定该候选对象的推荐评分不大于第一阈值，且所述推荐信息对应的历史推荐信息中该候选对象的推荐次数不大于第二阈值，基于预设方式调整该候选对象的推荐评分，得到该候选对象的校正评分，其中，推荐次数与校正评分相比于推荐评分的调整幅度之间呈负相关。

12.根据权利要求11所述的装置，其中，所述校正单元，进一步被配置成：

基于该候选对象的推荐次数和预设参数，得到调整系数；根据所述调整系数和该候选对象的推荐评分，得到该候选对象的校正评分。

13.根据权利要求8-12中任一项所述的装置，其中，还包括：

执行单元，被配置成通过更新后的推荐模型执行后续的推荐任务。

14.根据权利要求8-12中任一项所述的装置，其中，所述候选对象集合中的每一个候选对象的推荐评分表征该候选对象被推荐的情况下，用户针对于该候选对象的点击率。

15.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。

16.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

Images