摘要
本发明公开一种基于生成对抗和知识蒸馏的轻量级多模推荐方法,首先生成对抗网络会根据用户的点击向量和购买向量进行对抗训练,生成出与原始用户数据相似的用户历史数据。然后将生成出来的数据分别输入到生成对抗网络中的判别器和学生模型中进行深度学习训练。接着判别器作为教师网络与学生网络进行交叉熵的损失函数的训练,直至学生网络输出能拟合教师网络的输出后,反向传播更新参数直至训练结束。最后用户只需要在云端下载最终的学生模型即可进行在线推荐,提升推荐的效率。本发明基于多模态的用户画像提高推荐的精确度,采用知识蒸馏和生成对抗解决推荐模型的轻量级部署问题,同时保证用户的隐私安全,实现推荐精度和计算效率之间的平衡。