一种基于物品公平性的推荐模型训练方法及装置

本发明公开了一种基于物品公平性的推荐模型训练方法及装置，包括：构建用户和物品的ID嵌入表示及物品的多模态内容嵌入表示；基于物品之间的多模态语义相似度构建代价矩阵，利用基于物品曝光度的加权机制和公平性传输机制分别对最优传输中的源分布和目标分布进行重新定义，基于代价矩阵和传输矩阵构建最优传输损失；基于用户和物品的ID嵌入表示以及交互标签构建ID表征损失，基于用户的ID嵌入表示和物品的多模态内容嵌入表示以及交互标签构建为多模态内容表征损失，将三类损失构建为联合损失以对物品推荐模型进行训练。本发明能够有效改善冷门物品特征表示学习，实现推荐系统公平性与性能的协同提升，特别适用于冷启动及长尾物品推荐场景。