一种物品推荐模型训练方法、装置、终端设备、存储介质以及物品推荐方法

本发明公开了一种物品推荐模型训练方法、装置、终端设备、存储介质以及物品推荐方法，属于物品推荐技术领域，上述物品推荐模型训练方法为：获取若干历史二部图；根据历史二部图对待训练的物品推荐模型进行迭代训练，直至总损失函数收敛；其中，在每次迭代时，根据当前历史二部图和待训练物品推荐模型，生成候选节点集和各候选节点对应的判别分数，再根据判别分数生成困难负样本集，最后基于困难负样本集，计算当前的总损失函数的值，若当前的总损失函数不收敛，则调整当前物品推荐模型的训练参数后继续进行训练。通过实施本发明，能够解决现有技术中模型训练所使用的负样本设置简单，使得训练出的模型存在对用户的物品推荐精度较低的问题。