通过迭代堆叠有效训练深度序列推荐模型的方法及装置

摘要

本发明公开一种通过迭代堆叠有效训练深度序列推荐模型的方法及装置，包括：先使用部分数据在浅层序列推荐模型训练，然后通过迭代堆叠的方式，将前面浅层模型的网络结构块的参数作为新的顶层结构块的初始化，构造两倍深度的序列推荐模型，并加入新数据对新的模型进行微调，达到加速模型训练、节约训练时间成本的效果。通过这种迭代堆叠的方法，可根据需求逐渐从浅层序列推荐模型拓展为理想深度的序列推荐模型。为了适应不同的拓展需求，本发明提出两种堆叠方式，均能在保证精度的前提下加速训练。本发明针对序列推荐模型在实际应用中的训练成本高、重新训练新的深度模型难以及及时追踪用户兴趣新变化等问题具有较好的解决能力。