[发明专利]产品推荐准确度评价方法、装置、设备及存储介质

说明书

本发明涉及大数据，公开了一种产品推荐准确度评价方法，包括：获取用户浏览产品时的第一用户行为信息，包括用户行为特征以对应的发生次数；将第一用户行为信息输入预置行为权重模型进行预测，输出用户行为特征与用户浏览产品之间的关联度权重；获取待评价的包含排序信息的产品推荐信息以及对应的第二用户行为信息，结合关联度权重，计算用户账户与推荐产品的关联度系数，再结合推荐产品的排序信息，对产品推荐准确度评价，得到产品推荐模型的评价得分，得到评价等级。此外，本发明还涉及区块链技术，用户行为信息可存储于区块链中。通过关联度权重准确定位用户账号与推荐产品的关联度系数，计算得到的推荐模型对产品推荐准确度的评价等级更准确。

技术领域

本发明涉及大数据风险管控，尤其涉及一种产品推荐准确度评价方法、装置、设备及存储介质。

背景技术

得益与大数据时代的发展，在我们注册账号及使用一个app或者网站，尤其是购物类型的app或者网站，随着使用时间的延长，app或者网站总能越来越靠近我们的心，向我们推荐我们心仪的产品；而搜索引擎也能根据我们输入的内容从不同地方为我们推荐与输入内容相关的资料，解决我们的疑问。而有时候并非如此，购物网站推荐与用户相关度不高的产品，在搜索引擎输入关键字无法得到我们想要的答案，故对这些app、网站、搜索引擎等与信息推荐相关的系统进推荐优劣的评估也很必要。

当前已有多种衡量搜索引擎算法与推荐算法的指标，如准确率、精确率、召回率等，而归一化折损累积增益NDCG(Normalized Discounted Cumulative Gain，归一化折损累积增益)是一个常用于评价搜索引擎算法与推荐算法准确度的指标，NDCG为DCG(Discounted Cumulative Gain，折损累积增益)与IDCG(Idea Discounted CumulativeGain，理想折损累积增益)比值。输入一个关键词得到多种关联的推荐结果，或者根据用户的兴趣度向用户推荐多种商品，IDCG描述的是推荐结果如果在最佳排序方式下，计算得到的指标得分。对于搜索引擎来说，本身带有客观属性的关键词来说尚可客观描述与推荐结果的关联程度；而对于推荐算法，用户与推荐的商品则难以客观的描述两者的关联度高低，现有技术是通过用户对商品的已有评分作为两者的关联度评价，但对于没有评分的商品则难以定义该商品与用户的关联性，导致难以准确定义IDCG的值，影响NDCG对推荐算法的评估准确度。

发明内容

本发明的主要目的在于解决现有推荐模型评估技术对推荐模型的评估不够准确的问题。

本发明第一方面提供了一种产品推荐准确度评价方法，包括：

获取预置用户账户记录的用户浏览产品时的第一用户行为信息，其中，所述第一用户行为信息包括用户浏览产品时发生的多种用户行为特征以及每种用户行为特征的发生次数；

将所述第一用户行为信息输入预置行为权重模型进行预测，输出所述用户行为特征与所述用户浏览产品之间的关联度权重；

获取待评价的产品推荐模型向所述用户账户发送的产品推荐信息、所述用户账户记录的所述产品推荐信息对应的第二用户行为信息，其中，所述产品推荐信息包含有多种推荐产品的排序信息；

根据所述第二用户行为信息与所述关联度权重，计算所述用户账户与所述产品推荐信息中推荐产品的关联度系数；

根据所述关联度系数和所述推荐产品的排序信息，对所述产品推荐模型进行产品推荐准确度评价，得到评价得分；

根据所述评价得分与预置推荐模型的准确度评价规则，确定所述产品推荐模型对应的评价等级。

可选地，在本发明第一方面的第一种实现方式中，在所述将所述第一用户行为信息输入预置行为权重模型进行预测，输出所述用户行为特征与所述用户浏览产品之间的关联度权重之前，还包括：

获取训练数据宽表模板，其中，所述训练数据宽表模板包含多种用户行为特征对应的标题字段；