[发明专利]一种确定推荐系统中排序模型的参数的方法及装置

说明书

本发明公开了一种确定推荐系统中排序模型的参数的方法及装置，涉及数据挖掘技术领域，主要目的在提高推荐系统的整体优化效果。本发明主要的技术方案为：获取用于训练排序模型的数据集；确定所述排序模型的待优化参数，所述待优化参数包括与所述排序模型直接相关的超参数和与所述排序模型非直接相关的其他参数；根据预置编码规则将所述超参数与其他参数进行组合编码，以确定所述排序模型的待优化参数的基因格式；初始时，根据所述基因格式随机生成预置数量的个体，得到种群；对所述种群进行迭代优化以基于所述数据集训练所述排序模型，直到种群中出现满足预设条件的个体；对于所述满足预设条件的个体进行解码，得到所述排序模型的最终优化参数。

技术领域

本发明涉及数据挖掘技术领域，尤其涉及一种确定推荐系统中排序模型的参数的方法及装置。

背景技术

在大数据时代，推荐系统可以为不同的客户提供个性化的推荐结果，从而更好的服务客户。推荐系统应用广泛，目前的推荐系统一般包括两部分：召回模块与排序模块。其中，召回模块主要是将商品进行过滤得到候选集，从而减少排序模块的计算量；排序模块则是对召回模块得到的候选集进行排序，将排序靠前的商品推荐给客户。

目前在工业界，排序模块主要用树模型来实现，例如随机森林、gbdt,、xgboost。然而，大部分树模型在使用时都有超参数需要设定。例如在使用随机森林模型时，我们需要指定“单棵树的最大深度”和“树的棵树”。在使用gbdt时，我们需要设定“学习率”等等一系列参数。对于超参数一般是通过专家经验对这些参数设置一组合适的值，之后再通过一定的优化算法不断调整参数的值，以求得到一组合适的超参数。但是，在对推荐系统中所使用排序模型的优化过程中，除了对超参数设置的优化外还需要考虑推荐系统应用于不同环境中存在的与排序模型不直接相关的一些其他参数，例如“训练集/测试集的切分率”，“K折交叉验证”K的取值等等参数，因此，利用专家经验结合现有优化算法对推荐系统中排序模型的相关参数的优化难以达到优化推荐系统的目的。

发明内容

鉴于上述问题，本发明提出了一种确定推荐系统中排序模型的参数的方法及装置，主要目的在于共同优化排序模型的超参数和其他参数，以提高对推荐系统的优化结果。

为达到上述目的，本发明主要提供如下技术方案：

一方面，本发明提供一种确定推荐系统中排序模型的参数的方法，具体包括：

获取用于训练排序模型的数据集；

确定所述排序模型的待优化参数，所述待优化参数包括与所述排序模型直接相关的超参数和与所述排序模型非直接相关的其他参数；

根据预置编码规则将所述超参数与其他参数进行组合编码，以确定所述排序模型的待优化参数的基因格式；

初始时，根据所述基因格式随机生成预置数量的个体，得到种群；

对所述种群进行迭代优化以基于所述数据集训练所述排序模型，直到种群中出现满足预设条件的个体；

对于所述满足预设条件的个体进行解码，得到所述排序模型的最终优化参数。

另一方面，本发明提供一种确定推荐系统中排序模型的参数的装置，具体包括：

获取单元，用于获取用于训练排序模型的数据集；

确定单元，用于确定所述排序模型的待优化参数，所述待优化参数包括与所述排序模型直接相关的超参数和与所述排序模型非直接相关的其他参数；

编码单元，用于根据预置编码规则将所述确定单元确定的超参数与其他参数进行组合编码，以确定所述排序模型的待优化参数的基因格式；

生成单元，用于初始时，根据所述编码单元确定的基因格式随机生成预置数量的个体，得到种群；