(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211082540.X (22)申请日 2022.09.06 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 李泽远　王健宗　 (74)专利代理 机构 深圳众鼎专利商标代理事务 所(普通合伙) 44325 专利代理师 姚章国 (51)Int.Cl. G06F 16/9535(2019.01) G06K 9/62(2022.01) G06N 3/08(2006.01) (54)发明名称 推荐模型生成方法、 装置、 计算机设备及存 储介质 (57)摘要 本发明涉及分类模型领域， 尤其涉及一种推 荐模型生成方法、 装置、 计算机设备及存储介质。 其方法包括： 获取数据集； 利用标签增强方法对 原始标签数据进行标签转化处理， 得到标签分布 数据； 通过初始 推荐模型对 标签分布数据进行标 签预测处理， 得到样本数据的预测标签数据； 根 据原始标签数据、 预测标签数据和标签 分布数据 确定初始 推荐模型的总损失函数； 根据总损失函 数对初始 推荐模型进行反向传播模 型训练， 得到 推荐模型。 本发明考虑了用户的打分习惯， 通过 该标签分布数据得到的预测标签更加接近物品 的真实标签， 基于该预测标签和原始标签以及标 签分布数据对初始推荐模型进行模 型训练， 提高 了推荐模型的输出 结果的准确性。 权利要求书2页 说明书8页 附图2页 CN 115422460 A 2022.12.02 CN 115422460 A 1.一种推荐模型生成方法， 其特 征在于， 包括： 获取数据集； 所述数据集包括样本数据和与所述样本数据对应的原 始标签数据； 利用标签增强方法对所述原 始标签数据进行 标签转化处理， 得到标签分布数据； 通过初始推荐模型对所述标签分布数据进行标签预测处理， 得到所述样本数据的预测 标签数据； 根据所述原始标签数据、 所述预测标签数据和所述标签分布数据确定所述初始推荐模 型的总损失函数； 根据所述总损失函数对所述初始推荐模型进行反向传播模型训练， 得到推荐模型。 2.如权利要求1所述的推荐模型生成方法， 其特征在于， 所述利用标签增强方法对所述 原始标签数据进行 标签转化处理， 得到标签分布数据， 包括： 获取所述样本数据的特 征空间； 基于所述特征空间， 利用高斯分布方法对所述原始标签数据进行归一化的标签转化处 理， 得到所述标签分布数据。 3.如权利要求1所述的推荐模型生成方法， 其特征在于， 所述利用标签增强方法对所述 原始标签数据进行 标签转化处理， 得到标签分布数据， 包括： 获取所述样本数据的特 征空间； 基于所述特征空间， 利用软聚类算法对所述原始标签数据进行聚类处理， 得到聚类数 据； 对所述聚类数据进行 标签转化处理， 得到所述标签分布数据。 4.如权利要求1所述的推荐模型生成方法， 其特征在于， 所述利用标签增强方法对所述 原始标签数据进行 标签转化处理， 得到标签分布数据， 包括： 获取所述样本数据的特 征空间； 根据所述特 征空间计算所述原 始标签数据的相似度数据； 通过拉普拉斯方法对所述相似度数据进行归一 化处理， 得到标签分布数据。 5.如权利要求4所述的推荐模型生成方法， 其特征在于， 所述通过拉普拉斯方法对所述 相似度数据进行归一 化处理， 得到标签分布数据， 包括： 通过所述拉普拉斯方法对所述相似度数据进行归一 化和对称处 理， 得到传播数据； 根据所述传播数据确定初始标签分布数据和与所述初始标签分布数据对应的迭代更 新方法； 基于所述迭代更新方法对所述初始标签分布数据进行迭代更新， 得到所述标签分布数 据。 6.如权利要求1所述的推荐模型生成方法， 其特征在于， 所述根据 所根据所述原始标签 数据、 所述预测标签数据和所述标签分布数据确定所述初始推荐模型的总损失函数， 包括： 根据所述原 始标签数据和所述预测标签数据确定所述初始推荐模型的第一损失函数； 根据所述标签分布数据和所述预测标签数据确定所述初始推荐模型的第二损失函数； 根据所述第一损失函数和所述第二损失函数确定所述总损失函数。 7.一种推荐模型生成装置， 其特 征在于， 包括： 数据集模块， 用于获取数据集； 所述数据集包括样本数据和与所述样本数据对应的原 始标签数据；权　利　要　求　书 1/2 页 2 CN 115422460 A 2标签分布数据模块， 用于利用标签增强方法对所述原始标签数据进行标签转化处理， 得到标签分布数据； 预测标签数据模块， 用于通过初始推荐模型对所述标签分布数据进行标签预测 处理， 得到所述样本数据的预测标签数据； 总损失函数模块， 用于根据所述原始标签数据、 所述预测标签数据和所述标签分布数 据确定所述初始推荐模型的总损失函数； 推荐模型模块， 用于根据所述总损失函数对所述初始推荐模型进行反向传播模型训 练， 得到推荐模型。 8.如权利要求7 所述的推荐模型生成装置， 其特 征在于， 所述标签分布数据模块， 包括： 特征空间单 元， 用于获取 所述样本数据的特 征空间； 第一标签分布数据单元， 用于基于所述特征空间， 利用高斯分布方法对所述原始标签 数据进行归一 化的标签转 化处理， 得到所述标签分布数据。 9.一种计算机设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器 上运行的计算机可读指令， 其特征在于， 所述处理器执行所述计算机可读指令时实现如权 利要求1至 6中任一项所述推荐模型生成方法。 10.一个或多个存储有计算机可读指令的可读存储介质， 其特征在于， 所述计算机可读 指令被一个或多个处理器执行时， 使得所述一个或多个处理器执行如权利要求 1至6中任一 项所述推荐模型生成方法。权　利　要　求　书 2/2 页 3 CN 115422460 A 3