面向物品推荐模型的两阶段动态正则化方法及系统

本发明提供一种面向物品推荐模型的两阶段动态正则化方法及系统，属于物品推荐模型优化技术领域，计算当前轮训练和前一轮训练在某个指标上取得的结果；获取当前轮训练在某个指标上取得结果与前一轮训练在同一指标上取得结果的差；根据放大系数对得到的差进行放大，并将放大后的差归一化；将某个指标连续T轮的归一化结果相乘，再将考量范围内所有评测指标得到的乘积相乘；计算1减去所有评测指标乘积的差，得到动态门控系数，将动态门控系数与交叉熵损失结果相乘，得到最终损失函数的值。本发明采用指标驱动的正则化策略，缓解优化目标与评测指标失准问题，提升复杂场景泛化能力；采用两阶段自适应门控机制，优化过程更贴合训练动态。