[发明专利]数据处理方法、装置和计算机可读存储介质

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取多个训练数据对以及训练数据对中每个数据的标记值，其中，每个训练数据对包括正样本数据和负样本数据；

将训练数据对中的正样本数据输入正样本训练模型、负样本数据输入负样本训练模型，并分别获得正样本数据和负样本数据对应的输出值，其中，所述正样本训练模型和负样本训练模型具有相同的模型参数；

根据同一损失函数以及所述标记值和所述输出值对正样本训练模型和负样本训练模型的模型参数进行相同的调整；

将多个推荐条目对应的特征数据输入到正样本训练模型或者负样本训练模型，并将每个推荐条目对应的输出值作为每个推荐条目的排序预估值；

根据排序预估值对推荐条目进行排序，包括：

获得推荐条目涉及的每个类别对应的β分布参数，其中，所述β分布参数包括正反馈参数和负反馈参数；

根据推荐条目涉及的每个类别中用户的已浏览条目和已点击条目的数量调整相应类别对应的β分布参数，使调整后的正反馈参数与已点击条目的数量成正相关关系、调整后的负反馈参数与已浏览条目的数量成正相关关系；

基于调整后的β分布参数对应的β分布调整相应类别的推荐条目的排序预估值；以及

采用调整后的排序预估值对推荐条目进行排序。

2.根据权利要求1所述的数据处理方法，其特征在于，以令同一损失函数的值最小化为训练目标、对正样本训练模型和负样本训练模型的模型参数进行相同的调整，其中，所述损失函数的值分别与正样本数据对应的输出值与标记值的差距、负样本数据对应的输出值与标记值的差距成正相关关系。

3.根据权利要求2所述的数据处理方法，其特征在于，所述损失函数的值还与同一训练数据对中的正样本数据对应的输出值和负样本数据对应的输出值之差成负相关关系。

4.根据权利要求3所述的数据处理方法，其特征在于，所述根据同一损失函数以及所述标记值和所述输出值对正样本训练模型和负样本训练模型的模型参数进行相同的调整包括：

以令同一损失函数最小化为目标，对正样本训练模型和负样本训练模型的模型参数进行相同的调整，其中，所述损失函数G为：

N表示训练数据对的数量、并且是正整数，i表示训练数据对的标识，y_1i表示第i个训练数据对中正样本数据对应的输出值，y_2i表示第i个训练数据对中负样本数据对应的输出值，t_1i表示第i个训练数据对中正样本数据的标记值，t_2i表示第i个训练数据对中负样本数据的标记值，m和λ的值均大于0。

5.根据权利要求1所述的数据处理方法，其特征在于，所述训练数据对中的正样本数据和负样本数据分别为用户在同一次浏览过程中点击的条目对应的特征数据和未点击的条目对应的特征数据。

6.根据权利要求1所述的数据处理方法，其特征在于，所述根据推荐条目涉及的每个类别中用户的已浏览条目和已点击条目的数量调整相应类别对应的β分布参数包括：

根据每个类别中用户的已点击条目的数量和已浏览条目的数量之比调整相应类别对应的正反馈参数，其中，每个类别的调整后的正反馈参数与该类别的已点击条目的数量和已浏览条目的数量之比成正相关关系。

7.根据权利要求6所述的数据处理方法，其特征在于，所述根据推荐条目涉及的每个类别中用户的已浏览条目和已点击条目的数量调整相应类别对应的β分布参数还包括：

根据每个类别的条目的排序预估值的平均值调整相应类别对应的正反馈参数，其中，每个类别的调整后的正反馈参数与相应类别的推荐条目的排序预估值的平均值成正相关关系。