数据处理和预测点击率的方法和装置

    公开(公告)号:CN117829373A

    公开(公告)日:2024-04-05

    申请号:CN202410101434.4

    申请日:2024-01-24

    摘要: 本公开的实施例公开了数据处理方法和装置。该方法的一具体实施方式包括:将特征ID集合在多张GPU卡的分片操作;在每张GPU卡中从一级缓存和二级缓存中查询各特征ID对应的嵌入向量参数;将各特征ID对应的嵌入向量参数在多张GPU卡间的还原;在每张GPU卡中基于各特征ID对应的嵌入向量参数训练点击率预测模型,得到嵌入向量参数的梯度;通过卡间通信实现嵌入向量参数的梯度在多张GPU卡间的分片操作;在每张GPU卡中通过参数优化器基于嵌入向量参数的梯度对各特征ID对应的嵌入向量参数进行优化,得到更新后的各特征ID对应的嵌入向量参数,并存入一级缓存和二级缓存。该实施方式实现了更大规模稀疏参数的存储和更新,保证模型训练效果。

    一种产品推荐方法和装置
    2.
    发明公开

    公开(公告)号:CN117453988A

    公开(公告)日:2024-01-26

    申请号:CN202210846271.3

    申请日:2022-07-19

    IPC分类号: G06F16/9535 G06N20/00

    摘要: 本发明公开了一种产品推荐方法和装置,涉及搜索推荐技术领域。该方法的一具体实施方式包括:响应于用户的产品推荐请求,根据用户标识获取待排序产品集合和用户行为数据,并通过用户特征模型对用户行为数据进行处理生成用户特征;根据待排序产品集合获取每个待排序产品的产品特征;根据用户特征和每个待排序产品的产品特征,通过产品排序模型生成产品排序结果;根据产品排序结果,从待排序产品集合中确定不少于一个待推荐产品,并将待推荐产品推荐给用户。该实施方式能够避免用户数据的滞后性,降低产品推荐的计算时间,提高产品推荐的效率,并且无需对用户数据进行压缩,能够对预估模型进行更新,提高了用户特征的准确性和产品推荐的效果。