一种基于负样本感知的推荐系统优化方法及装置

本发明公开了一种基于负样本感知的推荐系统优化方法及装置，所述优化方法包括：接收用户或系统提交的负样本优化请求，解析所述请求以确定优化目标和相关数据；通过批次内负样本共享机制扩展负样本池，共享同一训练批次内的负样本计算结果以降低计算开销；基于动态奖励边际调整机制，根据负样本的置信度动态调整其对模型训练的影响，其中置信度通过辅助轻量级序列推荐模型计算得出；根据优化结果更新模型参数，并通过适配器参数局部调整模型结构。本发明在扩展负样本池时，通过批次内共享机制，有效减少额外计算的开销，避免对模型其他部分的负面影响，极大地降低负样本处理过程中的时间和资源开销，能够在处理大规模数据时保持优异的计算性能。