[发明专利]一种推荐系统整合方法及推荐系统

说明书

本发明涉及一种推荐系统整合方法及推荐系统，所述整合策略包括如下步骤：载入服务架构及配置文件；基于业务场景进行召回；载入融合策略，各业务场景均采用统一的融合策略；调用融合策略，各个召回器最终融合后的数据，累加后即为汇总后的数据；将汇总后的数据发送给用户。本发明，整合策略的兼容性高，可维护性好，针对不同业务场景，仅需相应调整个别参数的设置，即可由具有统一架构的融合器载入系统，使用方便，业务兼容性得到了提升，用户体验好，推荐内容更贴近用户所好。

技术领域

本发明涉及推荐系统中的数据融合(数据整合)技术领域，具体说是一种推荐系统整合方法及推荐系统。所述整合策略亦可称为融合策略。

背景技术

现有的推荐系统，包括两个主要的阶段：

第一个阶段是召回阶段，召回阶段的主要工作，是通过各种推荐算法，得到推荐数据，产生一个候选集，即由推荐数据构成的候选集，

召回阶段，涉及召回器模块及召回策略的设计；

第二个阶段是融合阶段，融合阶段的主要工作，是对候选集进行统一的排序，得到排序(精准排序)后的推荐数据，产生最终的推荐结果，

融合阶段，涉及融合器模块及融合策略的设计。

因此，融合阶段，使用何种整合策略(亦可称为融合策略)，将影响到最终的推荐结果，对整合策略的设计，现有技术中，通常有两种方式：

基于规则：通常会制定多种加权规则、或切换规则、或融合规则。基于规则对候选集进行处理，产生最终的推荐结果。

自动融合：以具体的业务指标为导向的，通过模型对候选集进行处理，产生统一的、最终的推荐结果。常用的模型有：机器学习算法GBDT，因子分解机FM，同时训练线性模型和深度模型Wide And Deep等等。

由于推荐系统属于面向B2C(Business-to-Customer)业务，流量大、数据多，在开发推荐系统时，由于融合策略(即融合算法)需要针对不同的应用场景进行相应修改，导致融合器模块(简称融合器)也需要反复改动，影响开发效率，故需要对融合器模块的设计进行优化。

以开发、改进音乐类App(酷我音乐APP)为例：

我们在设计推荐系统使用的融合器及基于规则的整合策略(融合策略)时发现，由于音乐类App版本的不断更新、迭代，App中包括的功能也在不断丰富、拓展，导致基于规则的整合策略需要兼容多种业务场景，例如：视频场景，音乐片段场景，私人电台场景，歌单场景，等等，这使得整合策略复杂程度越来越高，业务兼容性不足问题严重，影响开发效率。例如：

首先，需要确定哪些业务场景需要推荐系统的融入，

然后，每个业务场景设计对应的融合器及基于规则的整合策略，

如此一来，App功能越多，就会有更多的业务场景需要推荐系统的融入，相应的，就需要设计、开发对应的融合器及基于规则的整合策略，显然这种现有模式产生了业务兼容性不足的问题，影响开发效率。不同业务场景，都需要针对性的调整整合策略，这导致工作量大大增加。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种推荐系统整合方法及推荐系统，整合策略的兼容性高，可维护性好，针对不同业务场景，仅需相应调整个别参数的设置，即可由具有统一架构的融合器载入系统，使用方便，业务兼容性得到了提升，用户体验好，推荐内容更贴近用户所好。

为达到以上目的，本发明采取的技术方案是：

一种推荐系统整合方法，其特征在于，包括如下步骤：

载入服务架构及配置文件，具体包括：

调用启动脚本，所述启动脚本用于载入融合器的服务架构，用于载入融合策略的配置文件；