[发明专利]推荐效果的评估方法、装置、电子设备及可读存储介质

说明书

本申请涉及人工智能技术领域，具体而言，本申请实施例提供了一种推荐效果的评估方法、装置、电子设备及可读存储介质。该方法包括：获取用户对待推荐对象的偏好数据；基于偏好数据，并基于交叉验证的方式确定待评估推荐算法的评估指标；基于评估指标对待评估推荐算法的推荐效果进行评估。基于本方案，能够对推荐算法的推荐效果进行有效评估，实现对推荐算法的有效甄别，保证推荐算法实际应用时的有效性。

技术领域

本申请涉及人工智能技术领域，具体而言，本申请涉及一种推荐效果的评估方法、装置、电子设备及可读存储介质。

背景技术

随着互联网和通讯技术的迅速发展，用户通过各类终端设备所接受到的数据的体量随着时间的推移也呈指数倍的增长，使得用户在海量的数据中采集和挖掘有价值的信息变得异常困难。推荐系统综合了数据挖掘、机器学习、人类行为学、人机交互等多个领域知识经验和思想，能够为每位用户提供精确的、及时的、有惊喜的个性信息服务。

目前，各类推荐算法层出叠现，但是其推荐效果不尽相同，因此如果能够提供对推荐算法的推荐效果进行有效评估，就能够对推荐算法进行有效甄别，保证推荐算法实际应用时的有效性。

发明内容

本申请的目的旨在至少能解决上述的技术缺陷之一。本申请所采用的技术方案如下：

第一方面，本申请实施例提供了一种推荐效果的评估方法，该方法包括：

获取用户对待推荐对象的偏好数据；

基于偏好数据，并基于交叉验证的方式确定待评估推荐算法的评估指标；

基于评估指标对待评估推荐算法的推荐效果进行评估。

可选地，基于偏好数据，并基于交叉验证的方式确定待评估推荐算法的评估指标，包括：

基于交叉验证的方式将偏好数据换划分为训练集以及测试集；

基于训练集对待评估推荐算法进行训练，并基于训练后的待评估推荐算法预测测试集中用户对测试集中待推荐对象的偏好预测数据；

基于偏好预测数据，并基于测试集中用户对测试集中待推荐对象的偏好数据，确定待评估推荐算法的评估指标。

可选地，基于交叉验证的方式将偏好数据换划分为训练集以及测试集，包括：

基于K折交叉验证的方式将偏好数据分为K组，并将K组中的一组指定为测试集，将除测试集以外的偏好数据指定为训练集。

可选地，基于K折交叉验证的方式将偏好数据分为K组，包括：

基于K折交叉验证的方式，并依照时间戳先后的顺序将偏好数据分为K组，其中K组中各组对应时长相等。

可选地，基于所述偏好预测数据，并基于所述测试集中用户对所述测试集中待推荐对象的偏好数据，计算待评估推荐算法的评估指标的值，包括：

基于所述偏好预测数据，并基于所述测试集中用户对所述测试集中待推荐对象的偏好数据，采用K折交叉验证的方式重复确定待评估推荐算法的评估指标的初始值；

将所述初始值的平均值确定为所述待评估推荐算法的评估指标的值。

可选地，评估指标包括评分准确度和/或使用准确度；

其中，评分准确度包括以下至少一项：

均方根误差；

平均绝对误差；

其中，使用准确度包括以下至少一项：

查准率；

真阳性率；

假阳性率；