一种基于最优传输的推荐系统公平增益模型训练方法及装置

本发明公开了一种基于最优传输的推荐系统公平增益模型训练方法和装置，包括：提取表征用户‑物品的高维交互的高维特征向量；将高维特征向量划分为干预组和控制组输入组间分布对齐模块，基于最优传输学习不同组之间的特征分布差异并构建分布对齐损失；将高维特征向量划分为干预组和控制组输入增益模型，分别输出预测响应值并构建组内拟合损失，同时基于干预组和控制组的预测响应值与真实响应值通过排序提升损失模块构建排序提升损失；将三类损失共同输入多目标学习损失优化模块进行动态学习以对增益模型进行训练优化。本发明能够兼顾因果效应估计准确性与推荐排序效率的全局优化，为推荐算法提供了更具动态适应性、因果解释性和实用性的技术方案。