[发明专利]推荐系统策略迭代方法、装置及存储介质、服务器

说明书

本发明涉及数据分析、关系网络分析、智能推荐技术领域，本申请实施例提供的一种推荐系统策略迭代方法，包括：获取用户的访问请求，对所述访问请求进行清洗，确定有效访问请求，并确定所述访问请求对应用户执行的abtest实验层；基于各所述实验层的Hash算法确定各实验层内各有效访问请求执行的业务策略；统计各业务策略的执行数据，确定各实验层的最优执行策略，将最优执行策略确定为对应实验层的业务执行策略。在本申请中通过对用户请求流量清洗以及abtest用户请求进行测试的执行阈值进行动态调整，在保证abtest进行测试速度时，使得数据结果更为精准，实现了快速对推荐系统运行策略的迭代更新，优化系统的运行过程，提高用户访问过程中的流畅性能和体验感。

技术领域

本发明涉及数据分析、关系网络分析、智能推荐技术领域，具体涉及一种推荐系统策略迭代方法、装置及存储介质、服务器。

背景技术

ABtest是一种新兴的网页优化方法，可用于增加转化率、注册率等网页指标，已逐渐成为网站优化的主流方法。ABtest本质上是个分离式组间实验，进行ABtest首先需要建立一个测试页面(定义为B页面)，这个页面可能在标题字体、背景颜色、布局设置或者措辞等方面与原有页面(定义为A页面)有所不同，然后将这A页面、B页面以随机的方式同时推送给所有浏览用户，再统计通过A页面到达网站内页的用户占的百分比是多少，通过B页面到达内页的用户占的百分比是多少。假设A的是6％，B的是20％，那么说明新页面是得到用户喜欢的。如果对20％的结果还不满意，还可继续修改新页面，直到这个转化率不能够再提高为止。可见，ABtest是一个科学的统计方法，可清晰的掌握页面设计的用户接受度。

目前推荐系统策略迭代方法的算法多且麻烦，在推荐系统策略迭代过程中不能够获取到实时的数据，需要根据历史访问记录进行系统策略的更新，使得算法的验证过程不具备时效性；且现有流量控制和实时效果统计以及算法的验证过程通常是分别进行，不能够及时关联在一起，进而导致得到的系统策略不能够精准地体现用户的实际体验效果。

发明内容

为克服以上技术问题，特别是不能够及时获取到实时数据以及系统策略不能够精准地体现用户的实际体验效果的问题，特提出以下技术方案：

本发明实施例提供的一种推荐系统策略迭代方法，包括：

获取用户的访问请求，对所述访问请求进行清洗，确定有效访问请求，根据所述有效访问请求确定所述访问请求对应用户执行的abtest实验层的子层，所述子层包括召回层、排序层、规则层、展示层；

基于所述abtest实验层的子层的hash算法确定各所述子层内各所述有效访问请求执行的业务策略；

统计各所述子层内各所述业务策略的执行数据，确定各所述子层的最优执行策略，将所述最优执行策略确定为对应子层的业务执行策略。

可选地，所述获取用户的访问请求之前，包括：

获取历史abtest访问请求置信阈值，依据所述历史访问请求置信阈值确定当前abtest测试访问请求量；

获取当前有效用户请求量，当所述当前有效用户请求量位于预设置信阈值调整值之内，基于当前有效用户请求量和历史abtest用户请求置信阈值动态调整当前abtest测试用户请求量。

可选地，所述获取用户的访问请求之前，包括:

依据当前执行时段，确定在该执行时间段内所述当前abtest访问请求置信阈值。

可选地，所述根据所述有效访问请求确定所述访问请求对应用户执行的abtest实验层的子层，包括：

获取所述有效访问请求的访问ID信息，通过预设的Hash算法计算出所述访问ID信息对应的所述子层。