基于样本回放的序列推荐模型的持续学习方法

摘要

本发明涉及一种基于样本回放的序列推荐模型的持续学习方法，涉及序列推荐技术领域,包括步骤一、构建序列推荐模型，利用初始数据对所述序列推荐模型进行训练；步骤二、基于物品类别平衡的样本选择策略对小部分具有代表性的范例样本进行采样；步骤三、对采样出来的范例样本进行软标签的计算与存储，以便参与下一次模型更新中参与蒸馏损失函数部分的计算；步骤四、利用所述序列推荐模型为用户提供准确的推荐服务，同时收集新周期内获得的新数据；步骤五、利用新周期内获得的新数据与之前存储的样本范例对所述序列推荐模型参数进行更新,有效解决了持续学习场景下使用神经网络序列推荐模型所面临灾难性遗忘的问题。