模型训练方法、物品推荐方法、装置、服务器和存储介质
知识产权简介
推荐系统旨在挖掘用户的个性化喜好内容。多模态推荐系统利用了物品端特有的文本和图像等数据来辅助挖掘用户兴趣。尽管有着多模态信息的协助,但大多数的模型仍然极大地依赖于物品的ID的向量表示的学习。当物品的交互记录较为稀疏时,物品的ID的向量表示难以表征,且由于每个物品的ID的向量表示的独特性,阻碍了相关物品之间的信息交融,使得对多模态推荐模型难以训练,得到的多模态推荐模型性能不优。另外,多模态推荐模型所占用的空间会随着物品规模的上升而不断增加,占据较大的存储资源。本专利利用多模态特征离散化技术产生的多个离散化字段作为物品的全新表征,替代掉物品的ID的向量表示,从而克服了物品的ID的向量表示在多模态推荐模型训练中的困难,优化了得到的多模态推荐模型的性能 。
转化前景
本专利可服务于目前主流的多个多模态推荐模型,有效提升其线上的推理和服务能力,为相关产品带来更好的用户体验和性能指标。