本申请涉及数据处理，尤其涉及一种目标推荐模型的构建方法、装置、终端设备及计算机可读存储介质。
背景技术：
1、在相关技术中，若技术人员需要对产品进行预测以得到产品对应的推荐方案，往往需要分别采集不同产品下多个任务各自对应的样本数据，并基于采集到的各样本数据分别训练得到多个独立预测模型，进而再通过多个独立预测模型对各产品分别进行预测以输出预测结果，才能确定产品对应的推荐方案；此外，技术人员还可以通过对样本数据的标签进行权重设定，从而得到能够对不同产品进行预测的单一预测模型；
2、然而，采用上述多个独立预测模型对多个产品分别进行预测的方式，就会要求技术人员需要对多个预测模型进行独立训练，如此，在模型训练过程中就容易出现转化率的样本空间非常稀疏的情况，进而导致模型出现过拟合的情况；同样，采用对样本数据的标签进行权重设定的方式得到的单一预测模型，其在对不同产品各自对应的多任务预测时，往往会赋予不同任务相同的权重值，进而导致预测结果存在一定的偏差。
技术实现思路
1、本申请的主要目的在于提供一种目标推荐模型的构建方法、装置、终端设备及计算机可读存储介质，旨在能够得到对产品中多个任务进行准确预测的目标推荐模型。
2、为实现上述目的，本申请提供一种目标推荐模型的构建方法，所述目标推荐模型的构建方法包括步骤：
3、获取训练样本，并根据所述训练样本确定产品侧损失函数权重值和用户侧损失函数权重值；
4、根据所述产品侧损失函数权重值和所述用户侧损失函数权重值得到目标损失函数；
5、基于所述目标损失函数和所述训练样本对初始树状推荐模型进行训练得到目标推荐模型。
6、进一步地，所述根据所述训练样本确定产品侧损失函数权重值和用户侧损失函数权重值的步骤，包括：
7、确定所述训练样本对应的产品总点击率数值和产品总转化率数值；
8、基于所述产品总点击率数值和所述产品总转化率数值确定产品侧损失函数权重值。
9、进一步地，所述根据所述训练样本确定产品侧损失函数权重值和用户侧损失函数权重值的步骤，还包括：
10、确定所述训练样本对应的单一用户点击率数值和单一用户转化率数值；
11、根据所述单一用户点击率数值和所述单一用户转化率数值确定用户侧损失函数权重值。
12、进一步地，所述基于所述目标损失函数和所述训练样本对初始树状推荐模型进行训练得到目标推荐模型的步骤，包括：
13、获取初始树状推荐模型，并根据所述初始树状推荐模型和所述训练样本得到训练预测结果；
14、根据所述目标损失函数和所述训练预测结果得到损失函数值，并判断所述损失函数值是否大于或等于预设的损失函数阈值；
15、若判断到所述损失函数值大于或等于所述损失函数阈值，则对所述初始树状推荐模型进行优化得到优化树状推荐模型，并对所述优化树状推荐模型进行训练得到目标推荐模型。
16、进一步地，所述对所述初始树状推荐模型进行优化得到优化树状推荐模型的步骤，包括：
17、根据所述目标损失函数、所述训练样本及所述训练预测结果得到目标优化参数；
18、基于所述目标优化参数对所述初始树状推荐模型进行优化得到优化树状推荐模型。
19、进一步地，在所述基于所述目标损失函数和所述训练样本对初始树状推荐模型进行训练得到目标推荐模型的步骤之后，所述方法还包括：
20、获取目标产品；
21、根据所述目标推荐模型确定所述目标产品对应的产品推荐策略。
22、进一步地，所述根据所述目标推荐模型确定所述目标产品对应的产品推荐策略的步骤，包括：
23、确定所述目标产品对应的初始任务权重；
24、根据所述目标推荐模型对所述初始任务权重进行优化得到目标任务权重，并基于所述目标任务权重确定所述目标产品对应的产品推荐策略。
25、此外，为实现上述目的，本申请还提供一种目标推荐模型的构建装置，所述装置包括：
26、权重计算模块，用于获取训练样本，并根据所述训练样本确定产品侧损失函数权重值和用户侧损失函数权重值；
27、函数定义模块，用于根据所述产品侧损失函数权重值和所述用户侧损失函数权重值得到目标损失函数；
28、模型构建模块，用于基于所述目标损失函数和所述训练样本对初始树状推荐模型进行训练得到目标推荐模型。
29、此外，为实现上述目的，本申请还提供一种终端设备，所述终端设备包括：存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述的目标推荐模型的构建方法的步骤。
30、此外，为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的目标推荐模型的构建方法的步骤。
31、本申请实施例提供的目标推荐模型的构建方法、装置、终端设备及计算机可读存储介质，通过获取训练样本，并根据所述训练样本确定产品侧损失函数权重值和用户侧损失函数权重值；根据所述产品侧损失函数权重值和所述用户侧损失函数权重值得到目标损失函数；基于所述目标损失函数和所述训练样本对初始树状推荐模型进行训练得到目标推荐模型。
32、在本实施例中，当终端设备需要构建得到目标推荐模型时，终端设备首先获取目标产品对应的训练样本，并根据该训练样本确定目标产品对应的产品侧损失函数权重和用户侧损失函数权重，之后，终端设备基于该产品侧损失函数权重值和该用户侧损失函数权重值定义得到目标损失函数，最后，终端设备获取初始树状推荐模型，并通过该目标损失函数对该初始树状推荐模型进行训练，从而得到目标推荐模型。
33、如此，本申请利用树状结构模型基于少量样本数据即可完成训练的特点，解决了相关技术中技术人员在对多个模型进行独立训练时容易出现因样本稀疏而导致模型过拟合的情况，同时，本申请通过对目标损失函数的权重值重新进行定义，令训练得到的目标推荐模型能够对产品中多个任务分别赋予不同的权重值，进而避免了通过单一模型对不同任务进行预测时，模型会为不同任务赋予相同权重值的情况出现，达到了能够得到对产品中多个任务进行准确预测的目标推荐模型的技术效果。
1.一种目标推荐模型的构建方法，其特征在于，所述目标推荐模型的构建方法包括步骤：
2.如权利要求1所述的目标推荐模型的构建方法，其特征在于，所述根据所述训练样本确定产品侧损失函数权重值和用户侧损失函数权重值的步骤，包括：
3.如权利要求2所述的目标推荐模型的构建方法，其特征在于，所述根据所述训练样本确定产品侧损失函数权重值和用户侧损失函数权重值的步骤，还包括：
4.如权利要求1所述的目标推荐模型的构建方法，其特征在于，所述基于所述目标损失函数和所述训练样本对初始树状推荐模型进行训练得到目标推荐模型的步骤，包括：
5.如权利要求4所述的目标推荐模型的构建方法，其特征在于，所述对所述初始树状推荐模型进行优化得到优化树状推荐模型的步骤，包括：
6.如权利要求1所述的目标推荐模型的构建方法，其特征在于，在所述基于所述目标损失函数和所述训练样本对初始树状推荐模型进行训练得到目标推荐模型的步骤之后，所述方法还包括：
7.如权利要求6所述的目标推荐模型的构建方法，其特征在于，所述根据所述目标推荐模型确定所述目标产品对应的产品推荐策略的步骤，包括：
8.一种目标推荐模型的构建装置，其特征在于，所述装置包括：
9.一种终端设备，其特征在于，所述终端设备包括：存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的目标推荐模型的构建方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的目标推荐模型的构建方法的步骤。
