[发明专利]一种基于推荐系统的数据处理方法以及装置

说明书

本发明实施例公开了一种基于推荐系统的数据处理方法以及装置，所述方法包括：获取至少一个具有待调节参数的在线推荐模型分别输出的推荐结果数据；当每个在线推荐模型的运行时间满足预设时间周期时，分别统计所述每个在线推荐模型分别输出的所述推荐结果数据所关联的实际业务评估值，并确定各所述待调节参数与各所述实际业务评估值之间的当前映射关系；根据所述当前映射关系和历史映射关系集合对所述每个在线推荐模型中的所述待调节参数进行优化调节。采用本发明，可缩短对模型参数的在线调节时间，并提高在线调节效率。

技术领域

本发明涉及互联网技术领域，尤其涉及一种基于推荐系统的数据处理方法以及装置。

背景技术

目前的推荐系统中通常都会有推荐模型，推荐模型是用于通过模型参数对输入值进行计算以输入针对每个用户的推荐列表，而每个推荐列表是否符合用户的兴趣则取决于模型参数的准确性，即需要为推荐模型寻找最准确的模型参数。

目前，调节模型参数的方式通常有两种：A/B测试和交错测试。A/B测试是指两种不同模型参数A和B的随机实验，A和B分别是受控实验中的新方案实验组和对照组，根据两组的业务效果衡量，并通过统计假设检验，可以确定哪一个模型参数的设置或调节是更优的。交错测试是A/B测试的一种推广，即把两个不同模型参数的推荐模型的输出结果(如推荐列表)随机掺杂在一起，并同时上线用于生产(如将推荐列表展示给用户)，而用户并不知道哪个推荐列表是由哪个推荐模型产生，然后根据用户的选择，反推出哪种推荐模型的模型参数的设置或调节更好。

虽然A/B测试和交错测试都可以用于在线调节，但是这两种方式都是针对两个模型参数之间的比较和确定，当有多个模型参数时，则需要进行多次的两两比较，导致在线调节时间过长；而且由于这两种方式中的所有预设的模型参数都是在运行推荐模型之前设置好的，所以在预设模型参数时是没有考虑到实际的业务效果的，进而可能出现所预设的部分模型参数所带来的业务效果十分差，而对这些模型参数进行测试只会降低模型参数的在线调节效率。

发明内容

本发明实施例提供一种基于推荐系统的数据处理方法以及装置，可缩短对模型参数的在线调节时间，并提高在线调节效率。

本发明实施例提供了一种基于推荐系统的数据处理方法，包括：

获取至少一个具有待调节参数的在线推荐模型分别输出的推荐结果数据；

当每个在线推荐模型的运行时间满足预设时间周期时，分别统计所述每个在线推荐模型分别输出的所述推荐结果数据所关联的实际业务评估值，并确定各所述待调节参数与各所述实际业务评估值之间的当前映射关系；

根据所述当前映射关系和历史映射关系集合对所述每个在线推荐模型中的所述待调节参数进行优化调节，并将所述当前映射关系添加至所述历史映射关系集合，以在下一个时间周期中继续对优化调节后的各待调节参数进行优化调节，直至存在优化调节后的待调节参数满足收敛条件时，将具有满足收敛条件的待调节参数的在线推荐模型确定为所述推荐系统的固定在线推荐模型。

本发明实施例还提供了一种基于推荐系统的数据处理装置，包括：

获取模块，用于获取至少一个具有待调节参数的在线推荐模型分别输出的推荐结果数据；

统计确定模块，用于当每个在线推荐模型的运行时间满足预设时间周期时，分别统计所述每个在线推荐模型分别输出的所述推荐结果数据所关联的实际业务评估值，并确定各所述待调节参数与各所述实际业务评估值之间的当前映射关系；

优化调节模块，用于根据所述当前映射关系和历史映射关系集合对所述每个在线推荐模型中的所述待调节参数进行优化调节，并将所述当前映射关系添加至所述历史映射关系集合，以在下一个时间周期中继续对优化调节后的各待调节参数进行优化调节，直至存在优化调节后的待调节参数满足收敛条件时，将具有满足收敛条件的待调节参数的在线推荐模型确定为所述推荐系统的固定在线推荐模型。