CN113642740A - 模型训练方法及装置、电子设备和介质 - Google Patents

Abstract

本公开提供了一种模型训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品，涉及计算机领域，尤其涉及深度学习技术领域。实现方案为：确定待训练模型的损失函数梯度的约束条件；对损失函数梯度的多个参数分别进行离散化取值，以获得多个参数组，该多个参数组中的每一个参数组包括该多个参数中的每一个参数离散化取值所获得的相应参数值，该多个参数组中的任意两个参数组之间至少一个参数的参数值不同；通过参数寻优方法确定满足约束条件的第一梯度值集合，第一梯度值集合中的每一个梯度值与该多个参数组分别对应；以及对待训练模型进行训练，以基于第一梯度值集合确定每次训练过程所对应的梯度值进行反向传播。

Description

模型训练方法及装置、电子设备和介质

技术领域

本公开涉及计算机领域，尤其涉及深度学习技术领域，具体涉及一种模型训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

随着人工智能的发展，机器学习模型应用的范围越来越广泛。而损失函数是机器学习模型中的重要组成部分。不同的学习任务所需要的损失函数有所不同。通常，依赖于专家经验，设计出相应的损失函数以进行模型训练。但是依赖专家经验所设计出的损失函数并不一定适用于任务本身，且迭代慢。

发明内容

本公开提供了一种模型训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种模型训练方法，包括：确定待训练模型的损失函数梯度的约束条件；对所述损失函数梯度的多个参数分别进行离散化取值，以获得多个参数组，其中所述多个参数组中的每一个参数组包括所述多个参数中的每一个参数离散化取值所获得的相应参数值，所述多个参数组中的任意两个参数组之间至少一个参数的参数值不同；通过参数寻优方法确定满足所述约束条件的第一梯度值集合，所述第一梯度值集合中的每一个梯度值与所述多个参数组分别对应；以及对所述待训练模型进行训练，以基于所述第一梯度值集合确定每次训练过程所对应的梯度值进行反向传播。

根据本公开的另一方面，提供了一种信息推荐方法，包括：基于本公开的一个方面所述的方法所训练得到的模型获取预测的用户对于待推荐信息的交互行为数据；以及基于所述交互行为数据对所述待推荐信息进行推荐，其中，所述交互行为数据包括以下项所组成的组中的至少一个：点击率、停留时长。

根据本公开的另一方面，提供了一种模型训练装置，包括：第一确定单元，配置为确定待训练模型的损失函数梯度的约束条件；离散化单元，配置为对所述损失函数梯度的多个参数分别进行离散化取值，以获得多个参数组，其中所述多个参数组中的每一个参数组包括所述多个参数中的每一个参数离散化取值所获得的相应参数值，所述多个参数组中的任意两个参数组之间至少一个参数的参数值不同；第二确定单元，配置为通过参数寻优方法确定满足所述约束条件的第一梯度值集合，所述第一梯度值集合中的每一个梯度值与所述多个参数组分别对应；以及训练单元，配置为对所述待训练模型进行训练，以基于所述第一梯度值集合确定每次训练过程所对应的梯度值进行反向传播。

根据本公开的另一方面，提供了一种信息推荐装置，包括：获取单元，配置为基于本公开的一个方面所述的方法所训练得到的模型获取预测的用户对于待推荐信息的交互行为数据；以及推荐单元，配置为用于基于所述交互行为数据对所述待推荐信息进行推荐，其中，所述交互行为数据包括以下项所组成的组中的至少一个：点击率、停留时长。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行根据本公开所述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行根据本公开所述的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现根据本公开所述的方法。

根据本公开的一个或多个实施例，不需要依赖专家经验和基础函数构建损失函数，而是更涉及模型训练的本质，即关键的是构建损失函数梯度而不是损失函数本身；而且通过参数寻优方法确定相应的梯度值集合，潜在搜索空间更大，可以构建出更适合任务本身的损失函数梯度。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开的实施例的模型训练方法的流程图；

图3示出了根据本公开的实施例的对参数进行离散化取的示意图；

图4示出了根据本公开的一个实施例的通过参数寻优确定满足约束条件的梯度值的流程图；

图5示出了根据本公开的另一个实施例的通过参数寻优确定满足约束条件的梯度值的流程图；

图6示出了根据本公开的实施例的通过插值方法确定相应的梯度值的示意图；

图7示出了根据本公开的实施例的信息推荐方法的流程图；

图8示出了根据本公开的实施例的模型训练装置的结构框图；

图9示出了根据本公开的实施例的信息推荐装置的结构框图；以及

图10示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行模型训练方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来输入相应的参数、约束条件等。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLEiOS、类UNIX操作系统、Linux或类Linux操作系统(例如Google Chrome OS)；或包括各种移动操作系统，例如MICROSOFT Windows Mobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，例如，基于图像、视频、语音、文本、数字信号等数据的目标检测与识别、信号转换等服务的应用程序，以处理从客户端设备101、102、103、104、105和106接收的语音交互、文本分类、图像识别或信息推荐等任务请求。服务器可以根据具体的深度学习任务，利用训练样本训练神经网络模型，并且可以对神经网络模型的超网络模块中的各个子网络进行测试，根据各个子网络的测试结果，确定用于执行深度学习任务的神经网络模型的结构和参数。可以将各种数据作为深度学习任务的训练样本数据，如图像数据、音频数据、视频数据或文本数据等。在神经网络模型的训练完成后，服务器120还可以通过模型搜索技术自动搜索出最优模型参数来执行相应的任务。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如参数值、梯度值等数据。数据存储库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

在推荐系统中，通常需要根据用户的信息需求，将用户感兴趣的信息、产品等推荐给用户。通常，可以通过机器学习的方法，基于用户特征学习用户的历史兴趣，从而获取到用户对待推荐信息的感兴趣程度。例如，在基于机器学习的信息推荐场景下，常见的学习任务可以包括CTR(Click-Through-Rate，点击率)预估任务、停留时长预估任务等。示例地，可以基于训练后的神经网络模型确定待推荐信息的CTR等兴趣指标，以基于该兴趣指标对用户进行信息推荐。

上述神经网络模型在训练之前需要设定损失函数Loss，以用来评价模型的预估值和真实值之间的误差程度。从而，在反向传播过程中基于该误差指导模型学习以调节相关参数。通常，可以依赖专家经验设计相应的损失函数(例如MSE均方误差损失函数)或在给定的函数空间进行寻找以组合得到损失函数。但是，依赖专家经验所设计出的损失函数并不一定适用于任务本身，且迭代慢；在给定的函数空间进行寻找以得到的损失函数的方式决定于给定的基础函数，搜索空间受限。

因此，根据本公开的实施例提供了一种模型训练方法。图2示出了根据本公开的实施例的模型训练方法的流程图。如图2所示，方法200可以包括：确定待训练模型的损失函数梯度的约束条件(步骤210)；对损失函数梯度的多个参数分别进行离散化取值，以获得多个参数组，其中多个参数组中的每一个参数组包括该多个参数中的每一个参数离散化取值所获得的相应参数值，多个参数组中的任意两个参数组之间至少一个参数的参数值不同(步骤220)；通过参数寻优方法确定满足约束条件的第一梯度值集合，第一梯度值集合中的每一个梯度值与多个参数组分别对应(步骤230)；以及对待训练模型进行训练，以基于第一梯度值集合确定每次训练过程所对应的梯度值进行反向传播(步骤240)。

根据本公开实施例的模型训练方法中，不需要依赖专家经验和基础函数构建损失函数，而是更涉及模型训练的本质，即关键的是构建损失函数梯度而不是损失函数本身；而且通过参数寻优方法确定相应的梯度值集合，潜在搜索空间更大，可以构建出更适合任务本身的损失函数梯度。

可以发现，对于机器学习任务，对模型训练的过程产生影响的是损失函数梯度，而非损失函数本身。因为不同的损失函数可能具有相同的梯度值，例如在损失函数上叠加任何常数。根据本公开实施例的模型训练方法可以直接获取损失函数梯度，而非损失函数本身，从而基于所获取到的梯度值对模型进行训练。

根据一些实施例，对损失函数梯度的多个参数分别进行离散化取值，以获得多个参数组可以包括：确定所述多个参数中的每一个参数的取值范围；以及在相应的取值范围内，基于预设的采样间隔对该多个参数分别进行离散化取值，以获得多个参数组。

示例地，为了有效地确定损失函数梯度值，可以对损失函数梯度相关联的参数进行离散化取值。为方便描述，示例地，损失函数可以表示为L(p，y)，其中p为模型预估值，y为样本标签。则，损失函数梯度即可表示为

则损失函数梯度的参数即为模型预估值p以及样本标签y。

可以理解的是，损失函数梯度的参数还可以包括其他数据参数，在此不作限制。

以下以损失函数梯度相关联的参数包括模型预估值p以及样本标签y为例进行描述。图3示出了根据本公开的实施例的对参数进行离散化取值的示意图，如图3所示，i轴表示样本标签，j轴表示模型预估值。首先，可以确定模型预估值p和样本标签y各自的取值范围。示例地，以推荐系统中的停留时长预估模型为例，其样本标签为用户在图文或者视频资源里的停留时长，一般在几秒到几小时之间。如果直接以原始样本标签进行模型训练，模型很难收敛或者充分学习，因此常见的处理方式是先进行时长截断(比如时长超过1小时的按1小时进行处理)，然后进行样本标签变换，以变换为适宜模型训练的范围或形式。常见的变换方式包括：将原始样本标签除以一个最大值(一般是上述提到的截断阈值)以归一化到0-1之间。通过变换后的样本标签进行模型训练所得到的模型预估值的范围一般也是一致的。因此，可以基于预设的样本变换方式确定相应参数的取值范围。或者，在可以直接使用原始样本标签进行模型训练的实施例中，也可以不经过变换处理而直接对原始样本标签数据和模型预估值在其相应的取值范围内进行离散化处理，以获得每一个参数所对应的离散的点值。

进一步地，还可以设置每一个参数的采样间隔，以基于该采样间隔在相应取值范围内进行离散化取值。例如，i轴(样本标签y)对应的离散坐标为0、1、…、(n-1)共n个坐标，j轴(模型预估值p)对应的离散坐标为0、1、…、(n-1)共n个坐标，n为正整数，则可以获得n*n个参数组。如图3所示，i轴和j轴上的每一个点即为离散采集点，对i轴和j轴进行离散化采集后所得到的每一个网格点即为所形成的参数组。每一个参数组所对应的损失函数梯度即为需要寻优的参数值，在上述示例中，该需要寻优的参数值包括n*n个。

可以理解的是，不同参数的采样间隔以及采样个数可以相同也可以不同，在此不作限制。

在获得了损失函数梯度相关的参数的离散化取值所形成的参数组之后，即可通过参数寻优方法确定满足约束条件的与上述参数组相对应的梯度值集合。

根据一些实施例，该损失函数梯度的约束条件可以根据以下公式表示：

其中，

表示为损失函数梯度，p表示为模型预估值，y表示为样本标签值。通过分析可以发现，只要损失函数梯度满足上述约束条件，相应的损失函数梯度所对应的损失函数即为合理的损失函数。

根据一些实施例，损失函数梯度的约束条件还可以在上述公式的基础上进一步根据以下公式表示：

其中，p1、p2、p3分别用于表示不同的模型预估值，y1、y2、y3分别用于表示不同的样本标签值。通过进一步限定约束条件，可以使得参数寻优过程的搜索效率更加高效。

可以理解的是，根据本公开的模型训练方法并不需要确定损失函数的具体形式，这里只是通过

表示为损失函数梯度的形式以及其相关联参数，即L(p，y)的具体函数形式并不需要设定。

根据一些实施例，如图4所示，通过参数寻优方法确定满足约束条件的第一梯度值集合(步骤230)可以包括：初始化以获得第一数量的梯度值集合，其中第一数量的梯度值集合中的每一个梯度值集合包括满足约束条件的多个梯度值，所述多个梯度值与所述多个参数组一一对应(步骤410)；分别基于所述第一数量的梯度值集合对所述待训练模型进行预训练，以得到相应的模型指标(步骤420)；以及将最优的模型指标所对应的梯度值集合作为所述第一梯度值集合(步骤430)。

示例地，在获得多个参数组之后，这些参数组所对应的损失函数梯度即为需要寻优的参数，可以使用通用的参数寻优方法获得与所述多个参数组一一对应的梯度值的集合，包括但不限于自动机器学习(AutoML)、进化学习(ES)、格点搜索(Grid Search)、随机搜索(Random Search)、贝叶斯优化(例如高斯过程)、变形虫算法(Amoeba或Nelder-Mead)、交叉熵方法(Cross-Entropy Method)等。通过参数寻优方法获得所述梯度值集合的示例可以包括：初始化以获得第一数量的梯度值集合。例如，可以随机生成多组满足上述损失函数梯度约束公式的梯度值集合；或者，也可以通过任意已知的损失函数公式获得满足上述约束函数梯度约束公式的梯度值集合。然后，可以分别使用每组梯度值进行模型预训练，得到模型指标，将最优的模型指标所对应的梯度值集合作为第一梯度值集合。

可以理解的是，这里的“预训练”过程是用于确定第一梯度值集合的训练过程，相区别于步骤240中的模型训练过程。

在一些实施例中，可以基于所确定的第一梯度值集合形成梯度曲面，以基于该梯度曲面确定训练过程中的相应的梯度值。

根据一些实施例，上述模型指标可以包括：正逆序比(PNR)、曲线下面积(AUC，例如ROC曲线面积)、均方根误差(RMSE)、平均绝对误差(MAE)等等任何合适的模型指标，在此不作限制。以上述时长预估为例，可以获得模型的正逆序比指标(PNR)，以根据模型指标选出最优的指标对应的一组梯度值。

根据一些实施例，如图5所示，通过参数寻优方法确定满足所述约束条件的第一梯度值集合还可以进一步包括：执行以下操作一次或多次(步骤510)：基于最优的模型指标所对应的梯度值集合中的多个梯度值生成新的第二数量的梯度值集合(步骤5101)；对新的第二数量的梯度值集合中的不满足约束条件的梯度值进行修正，以使其满足约束条件(步骤5102)；分别基于修正后的第二数量的梯度值集合对待训练模型进行预训练，以得到相应的模型指标(步骤5103)；以及确定最优的模型指标所对应的梯度值集合(步骤5104)；以及将最优的模型指标所对应的梯度值集合作为第一梯度值集合(步骤520)。

在一些示例中，步骤5101-5104的执行次数可以根据实际需求进行设置，例如，可以设置固定的次数值；或者也可以设置达到相应的指标需求，等等。

在参数寻优过程中，可以基于最优的模型指标所对应的梯度值集合中的多个梯度值生成新的第二数量的梯度值集合。具体地，可以对最优的模型指标所对应的梯度值集合中的多个梯度值分别进行相应的数学运算(例如通过阿米巴方法)，以得到新的梯度值集合。不同参数寻优方法的用于生成新的第二数量的梯度值集合的运算方式可能不同。例如，可以对最优的模型指标所对应的梯度值集合中的多个梯度值添加扰动，以生成新的第二数量的梯度值集合。

在例如通过添加扰动以生成新的梯度值集合的过程中，通常会存在不满足上述约束条件的梯度值生成。对于不满足上文提到的损失函数梯度约束公式的梯度值，可以丢弃或修正。但是丢弃会使得参数寻优的效率下降，因为可能很多候选梯度值会被丢弃。不同的参数寻优方法对参数(梯度值)添加扰动的方式不一样，即使初始化随机生成的参数满足约束，但是在扰动过程中，新的参数不一定满足约束，因此其会被丢弃。因此，根据一些实施例，对新的第二数量的梯度值集合中的不满足约束条件的梯度值进行修正可以包括：确定最大梯度值以及参数寻优方法所对应的最小梯度变化单位；以及基于该最大梯度值以及最小梯度变化单位对不满足约束条件的梯度值进行修正。通过对不满足约束条件的梯度值进行适当的修正，使其满足约束条件，可以使得寻优过程更加高效。

在一些实施例中，设定最大梯度值g_max>0，和最小梯度变化单位step>0。继续参考图3，i轴(样本标签y)对应的离散坐标为0、1、…、(n-1)共n个坐标，j轴(模型预估值p)对应的离散坐标为0、1、…、(n-1)共n个坐标。可以理解的是，i轴和j轴的离散点数量也可以不一致，这里不做限制。使用g(i,j)表示点(i,j)处所对应的损失函数梯度。如果只需要满足公式一所表示的约束条件，那么基于该最大梯度值以及最小梯度变化单位对不满足约束条件的梯度值进行修正可以包括：对于所有i＝j的参数组，其对应的梯度值g(i,j)可以设置为0；对于所有j>i的参数组，其对应的梯度值g(i,j)＝max(step,g(i,j))；对于所有j<i的参数组，其对应的梯度值g(i,j)＝min(-step,g(i,j)。通过对不满足约束条件的梯度值进行修正以使其满足约束条件，可以提高参数寻优的效率，使得寻优过程更加高效。

在一些实施例中，如果需要满足公式一以及公式二所表示的约束条件，那么基于该最大梯度值以及最小梯度变化单位对不满足约束条件的梯度值进行修正可以包括：对于所有i＝j的参数组，其对应的梯度值g(i,j)可以设置为0；对于所有j>i的参数组，令v＝max(g(i,j-1),g(i+1,j))+step，则其对应的梯度值g(i,j)＝max(v,g(i,j))；对于所有j<i的参数组，令v＝min(g(i-1,j),g(i,j+1))–step，则其对应的梯度值g(i,j)＝min(v,g(i,j))。

进一步地，在一些实施例中，所述约束条件还可以包括最大值约束条件，因为在获得了一组梯度值集合之后，相当于获得了一个梯度曲面，而在此梯度曲面的基础上统一增大相应的数值或增大相应的倍数，就会生成一个新的类似的梯度曲面。因此通过设定梯度最大值约束条件，可以进一步提高参数寻优的效率。示例地，可以统计所有梯度值g(i,j)的最大值(记为max)，将统计得到的所有梯度值g(i,j)乘以系数g_max/max，即可完成基于最大值约束条件的修正。

根据一些实施例，基于第一梯度值集合确定每次训练过程所对应的梯度值可以包括：在每次训练过程中，在前向传播完成后基于第一梯度值集合、通过插值方法确定当前训练过程所对应的梯度值。

通过参数寻优，我们可以得到各个离散化格参数组应的损失函数梯度。对于任何给定的(y,p)，可以通过插值方法得到点(y,p)所对应的梯度，该插值方法包括但不限于线性插值、拉格朗日插值、牛顿插值、三次埃尔米特插值等。如图6所示，假设离散化的间隔为s，图中各参数组应的损失函数梯度分别为:点(y₁,p₁)对应的梯度为g1、点(y₂,p₂)对应的梯度为g2、点(y₃,p₃)对应的梯度为g3、点(y₄,p₄)对应的梯度为g4。以线性插值为例，那么点(y,p)对应的损失函数梯度g可以由公式三所示：

g＝(s–d1)(g1(s–d2)/s+g3d2/s)/s+d1(g2(s–d2)/s+g4d2/s)/s (公式三)

其中，s为对坐标轴进行离散化的间隔，即图6中点(y₁,p₁)、(y₂,p₂)、(y₃,p₃)、(y₄,p₄)所形成正方形的边长，d1为点(y,p)距离点(y₁,p₁)和(y₃,p₃)所形成的边的长度值，d2为点(y₁,p₁)和(y₂,p₂)所形成的边的长度值。

在得到相应的梯度值之后，即可进行梯度值的反向传播，对模型进行训练。

根据本公开的实施例，如图7所示，还提供了一种信息推荐方法700，包括：基于前面所述的方法所训练得到的模型获取预测的用户对于待推荐信息的交互行为数据(步骤710)；以及基于所述交互行为数据对所述待推荐信息进行推荐(步骤720)。

所述交互行为数据包括以下项所组成的组中的至少一个：点击率、停留时长、完播率、互动率等。该互动率所对应的互动方式包括但不限于：点赞、回复、评论、收藏、分享、关注、打赏等。

在一些示例中，可以获取待推荐信息，例如直播视频、商品等。示例地，可以获取预定平台上的待推荐信息的数据，或者抓取相应平台或浏览器中国的待推荐信息的数据，以基于该数据将相应的待推荐信息推荐给相应的用户。

在一些示例中，可以对待推荐信息进行特征提取。例如，可以分别对每一个待推荐信息进行内容理解，以获得与其相对应的特征。在商品推场景下，该特征可以为商品的名称、类别、品牌、型号和颜色等等。以待推荐信息中包含口红为例，获得的特征可以为：口红(名称)、XX(品牌)、770(型号，即色号)、正红色(颜色)、美妆(类别)等。示例地，识别的商品类别也可以为唇妆等细粒度分类。在一些示例中，可以将提取的目标特征作为相对应的待推荐信息的标签数据。例如，可以通过基于深度学习的识别模型对相应的待推荐信息进行内容理解，以识别出该待推荐信息中的文本特征等。示例地，该识别模型可以为基于自然语言处理的模型，例如DSSM(Deep Structured Semantic Model)、BERT(BidirectionalEncoder Representation from Transformers)等。例如，可以获取待推荐信息中的文字数据，以获取相应的关键词。示例地，如果需识别的待推荐信息为图片，则可以识别图片中的文字数据，以基于关键词提取相应的目标特征。如果需识别的待推荐信息为短视频，则可以对该短视频进行取帧，以获得所提取的每一帧的图片；并对该图片中的文字进行识别，以获取文字数据。附加地或替换地，还可以将所述短视频中的语音数据提供语音识别技术(ASR)转换为文字数据。最后，基于关键词提取技术即可获得相应的目标特征。例如，也可以对待推荐信息中相应的视觉特征进行识别，例如基于ResNet101模型，以将识别的视觉特征转换为文字数据，从而获得相应的目标特征。

在获取到相应的特征之后，即可根据上面获取的模型进行相应的识别，以预测出用户对于该待推荐信息的兴趣程度，该兴趣程度可以通过预测的交互行为数据进行表征。该交互行为数据例如可以为点击率、停留时长等。从而，可以基于该预测的交互行为数据进行信息推荐，以匹配用户感兴趣的待推荐信息，以实现对不同用户生成不同的信息推荐效果，提升了用户的信息点击率。

根据本公开的实施例，如图8所示，还提供了一种模型训练装置800，包括：第一确定单元810，配置为确定待训练模型的损失函数梯度的约束条件；离散化单元820，配置为对所述损失函数梯度的多个参数分别进行离散化取值，以获得多个参数组，其中所述多个参数组中的每一个参数组包括所述多个参数中的每一个参数离散化取值所获得的相应参数值，所述多个参数组中的任意两个参数组之间至少一个参数的参数值不同；第二确定单元830，配置为通过参数寻优方法确定满足所述约束条件的第一梯度值集合，所述第一梯度值集合中的每一个梯度值与所述多个参数组分别对应；以及训练单元840，配置为对所述待训练模型进行训练，以基于所述第一梯度值集合确定每次训练过程所对应的梯度值进行反向传播。

这里，模型训练装置800的上述各单元810～840的操作分别与前面描述的步骤210～240的操作类似，在此不再赘述。

根据本公开的实施例，如图9所示，还提供了一种信息推荐装置900，包括：获取单元910，配置为基于前面所述的方法所训练得到的模型获取预测的用户对于待推荐信息的交互行为数据；以及推荐单元920，配置为用于基于所述交互行为数据对所述待推荐信息进行推荐。所述交互行为数据例如可以包括但不限于：点击率、停留时长、完播率、互动率等。该互动率所对应的互动方式包括但不限于：点赞、回复、评论、收藏、分享、关注、打赏。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

参考图10，现将描述可以作为本公开的服务器或客户端的电子设备1000的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图10所示，设备1000包括计算单元1001，其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序，来执行各种适当的动作和处理。在RAM 1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。

设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006、输出单元1007、存储单元1008以及通信单元1009。输入单元1006可以是能向设备1000输入信息的任何类型的设备，输入单元1006可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1007可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1008可以包括但不限于磁盘、光盘。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理，例如方法200或700。例如，在一些实施例中，方法200或700可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时，可以执行上文描述的方法200或700的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200或700。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (19)

1.一种模型训练方法，包括：

确定待训练模型的损失函数梯度的约束条件；

对所述损失函数梯度的多个参数分别进行离散化取值，以获得多个参数组，其中所述多个参数组中的每一个参数组包括所述多个参数中的每一个参数离散化取值所获得的相应参数值，所述多个参数组中的任意两个参数组之间至少一个参数的参数值不同；

通过参数寻优方法确定满足所述约束条件的第一梯度值集合，所述第一梯度值集合中的每一个梯度值与所述多个参数组分别对应；以及

对所述待训练模型进行训练，以基于所述第一梯度值集合确定每次训练过程所对应的梯度值进行反向传播。

2.如权利要求1所述的方法，其中，对所述损失函数梯度的多个参数分别进行离散化取值，以获得多个参数组包括：

确定所述多个参数中的每一个参数的取值范围；以及

在相应的取值范围内，基于预设的采样间隔对所述多个参数分别进行离散化取值，以获得所述多个参数组。

3.如权利要求1所述的方法，其中，通过参数寻优方法确定满足所述约束条件的第一梯度值集合包括：

初始化以获得第一数量的梯度值集合，其中所述第一数量的梯度值集合中的每一个梯度值集合包括满足所述约束条件的多个梯度值，所述多个梯度值与所述多个参数组一一对应；

分别基于所述第一数量的梯度值集合对所述待训练模型进行预训练，以得到相应的模型指标；以及

将最优的模型指标所对应的梯度值集合作为所述第一梯度值集合。

4.如权利要求3所述的方法，其中，通过参数寻优方法确定满足所述约束条件的第一梯度值集合还包括：

执行以下操作一次或多次：

基于所述最优的模型指标所对应的梯度值集合中的多个梯度值生成新的第二数量的梯度值集合；

对所述新的第二数量的梯度值集合中的不满足所述约束条件的梯度值进行修正，以使其满足所述约束条件；

分别基于修正后的所述第二数量的梯度值集合对所述待训练模型进行预训练，以得到相应的模型指标；以及

确定最优的模型指标所对应的梯度值集合；

将所述最优的模型指标所对应的梯度值集合作为所述第一梯度值集合。

5.如权利要求4所述的方法，其中，对所述新的第二数量的梯度值集合中的不满足所述约束条件的梯度值进行修正包括：

确定最大梯度值以及所述参数寻优方法所对应的最小梯度变化单位；以及

基于所述最大梯度值以及所述最小梯度变化单位对不满足所述约束条件的梯度值进行修正。

6.如权利要求1所述的方法，其中，基于所述第一梯度值集合确定每次训练过程所对应的梯度值包括：

在每次训练过程中，在前向传播完成后基于所述第一梯度值集合、通过插值方法确定当前训练过程所对应的梯度值。

7.如权利要求1所述的方法，其中，所述损失函数梯度的约束条件根据以下公式表示：

其中，

表示为所述损失函数梯度，p表示为模型预估值，y表示为样本标签值。

8.如权利要求7所述的方法，其中，所述损失函数梯度的约束条件进一步根据以下公式表示：

其中，p1、p2、p3分别用于表示模型预估值，y1、y2、y3分别用于表示样本标签值。

9.如权利要求3或4所述的方法，其中，所述模型指标包括由以下项所组成的组中的一个或多个：正逆序比、曲线下面积、均方根误差、平均绝对误差。

10.一种信息推荐方法，包括：

基于如权利要求1-9中任一项所述的方法所训练得到的模型获取预测的用户对于待推荐信息的交互行为数据；以及

基于所述交互行为数据对所述待推荐信息进行推荐。

11.一种模型训练装置，包括：

第一确定单元，配置为确定待训练模型的损失函数梯度的约束条件；

离散化单元，配置为对所述损失函数梯度的多个参数分别进行离散化取值，以获得多个参数组，其中所述多个参数组中的每一个参数组包括所述多个参数中的每一个参数离散化取值所获得的相应参数值，所述多个参数组中的任意两个参数组之间至少一个参数的参数值不同；

第二确定单元，配置为通过参数寻优方法确定满足所述约束条件的第一梯度值集合，所述第一梯度值集合中的每一个梯度值与所述多个参数组分别对应；以及

训练单元，配置为对所述待训练模型进行训练，以基于所述第一梯度值集合确定每次训练过程所对应的梯度值进行反向传播。

12.如权利要求11所述的装置，其中，所述离散化单元包括：

用于确定所述多个参数中的每一个参数的取值范围的单元；以及

用于在相应的取值范围内、基于预设的采样间隔对所述多个参数分别进行离散化取值以获得所述多个参数组的单元。

13.如权利要求11所述的装置，其中，所述第二确定单元包括：

用于初始化以获得第一数量的梯度值集合的单元，其中所述第一数量的梯度值集合中的每一个梯度值集合包括满足所述约束条件的多个梯度值，所述多个梯度值与所述多个参数组一一对应；

用于分别基于所述第一数量的梯度值集合对所述待训练模型进行预训练、以得到相应的模型指标的单元；以及

用于将最优的模型指标所对应的梯度值集合作为所述第一梯度值集合的单元。

14.如权利要求13所述的装置，其中，所述第二确定单元还包括：

用于执行以下操作一次或多次的单元：

基于所述最优的模型指标所对应的梯度值集合中的多个梯度值生成新的第二数量的梯度值集合；

对所述新的第二数量的梯度值集合中的不满足所述约束条件的梯度值进行修正，以使其满足所述约束条件；

分别基于修正后的所述第二数量的梯度值集合对所述待训练模型进行预训练，以得到相应的模型指标；以及

确定最优的模型指标所对应的梯度值集合；

用于将所述最优的模型指标所对应的梯度值集合作为所述第一梯度值集合的单元。

15.如权利要求11所述的装置，其中，所述训练单元包括：

用于在每次训练过程中、在前向传播完成后基于所述第一梯度值集合、通过插值方法确定当前训练过程所对应的梯度值的单元。

16.一种信息推荐装置，包括：

获取单元，配置为基于如权利要求1-9中任一项所述的方法所训练得到的模型获取预测的用户对于待推荐信息的交互行为数据；以及

推荐单元，配置为用于基于所述交互行为数据对所述待推荐信息进行推荐。

17.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项或权利要求10所述的方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项或权利要求10所述的方法。

19.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-9中任一项或权利要求10所述的方法。

Images