用于計算排序分及建立模型的方法、裝置及商品推薦系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本申請涉及排序技術(shù)，具體涉及一種用于計算待評價客體排序分的方法。本申請 同時提供一種用于計算待評價客體排序分的裝置，一種用于建立排序分計算模型的方法和 裝置，以及一種商品推薦系統(tǒng)。
【背景技術(shù)】
[0002] 隨著互聯(lián)網(wǎng)的普及和網(wǎng)站技術(shù)的發(fā)展，越來越多的用戶選擇在網(wǎng)上瀏覽、挑選、或 者購買自己需要的商品。在這種情況下，很多網(wǎng)站都不同程度地采用各種形式的推薦技術(shù) 向用戶進(jìn)行商品推薦，比較通用的做法是選取特定的排序因子，并按照預(yù)先設(shè)定的排序算 法計算待推薦商品的排序分，然后按照排序分值的高低選擇并推薦商品。
[0003] 在計算排序分的過程中所采用的排序因子是指，影響最終商品排序的因素，通常 可以選擇與商品相關(guān)的屬性作為排序因子，例如：價格、銷量、交易次數(shù)、買家數(shù)、熱搜詞次 數(shù)等；依據(jù)上述排序因子計算排序分的算法也是多種多樣的，通常根據(jù)應(yīng)用場景是否需要 引入新的排序因子，可以分為以下兩種實現(xiàn)方案：
[0004] 1)在日常排序場景（比如搜索，聚劃算等場景）下，影響最終排序結(jié)果的排序因 子較為穩(wěn)定，通常不會有新增排序因子融入進(jìn)來，因此通常采用建立模型的方式，而且模型 一般會設(shè)計的相對復(fù)雜，將每個特征（即：排序因子）與最終目標(biāo)的各種可能關(guān)系都考慮進(jìn) 來，并利用機(jī)器學(xué)習(xí)的方式來確定模型中的各個排序因子的權(quán)重系數(shù)。如果要在這種場景 下新增排序因子，通常需要修改已建立的模型，并重新求解模型中的所有排序因子的權(quán)重 系數(shù)。
[0005] 2)在新增業(yè)務(wù)排序因子較多的場景（例如，大促活動專場的排行榜場景）下，影響 最終排序結(jié)果的排序因子較多，并且需要根據(jù)業(yè)務(wù)場景的特點在原有的常規(guī)排序因子的基 礎(chǔ)上引入新的排序因子，例如，賣家的交易等級、賣家的VIP會員的膠易額等。因此通常 采用比較簡單的方法計算排序分，即：根據(jù)專家經(jīng)驗給定原有排序因子與新增排序因子之 間的權(quán)重系數(shù)（該權(quán)重系數(shù)反映了排序因子對最終排序結(jié)果的影響力），再用各個排序因 子的值與其權(quán)重系數(shù)相乘求和，得出最終的排序分，計算公式如下所示，其中Y為最終的排 序分，Wi為專家經(jīng)驗給出的排序因子A的權(quán)重系數(shù)。
[0006] Y = ￥^!+. . . +wnfn
[0007] 通過上面的描述可以看出，采用現(xiàn)有技術(shù)的第1)種方式引入新的排序因子，因為 模型的變化，需要重新采集大量的訓(xùn)練數(shù)據(jù)并采用機(jī)器學(xué)習(xí)算法進(jìn)行訓(xùn)練，重新計算新模 型的各個排序因子的權(quán)重系數(shù)值，然后才能依據(jù)該模型計算商品的排序分，整個過程比較 復(fù)雜；采用第2)種方式引入新的排序因子時，人工干預(yù)的因素比較大，排序因子的權(quán)重系 數(shù)完全依靠專家的主觀經(jīng)驗進(jìn)行設(shè)定，因此計算出來的排序分很可能不夠準(zhǔn)確，無法相對 客觀地反映商品實際的排序狀況。

【發(fā)明內(nèi)容】

[0008] 本申請?zhí)峁┮环N用于計算待評價客體排序分的方法和裝置，以解決現(xiàn)有技術(shù)無法 方便地引入新的排序因子、以及單純依賴專家經(jīng)驗設(shè)置權(quán)重系數(shù)導(dǎo)致排序分計算結(jié)果不準(zhǔn) 確的問題。本申請另外提供一種用于建立排序分計算模型的方法和裝置，以及一種商品推 薦系統(tǒng)。
[0009] 本申請?zhí)峁┮环N用于計算待評價客體排序分的方法，包括：
[0010] 獲取待評價客體的原始評分?jǐn)?shù)據(jù)、新增排序因子的值、以及以實際交互行為系統(tǒng) 中對應(yīng)每個待評價客體的歷史行為數(shù)據(jù)為根據(jù)，從中提取的對應(yīng)特定排序目標(biāo)的實際行為 數(shù)據(jù)；
[0011] 以根據(jù)所述實際行為數(shù)據(jù)得到的實際排序分布、和根據(jù)預(yù)先設(shè)定的排序分計算模 型得到的預(yù)測排序分布之間的差異最小化為優(yōu)化目標(biāo)，求解所述排序分計算模型中的新增 排序因子的權(quán)重系數(shù)；
[0012] 以所述待評價客體的原始評分?jǐn)?shù)據(jù)、所述新增排序因子的值以及計算得到的所述 新增排序因子權(quán)重系數(shù)的值為輸入，采用所述排序分計算模型計算所述待評價客體的排序 分。
[0013] 可選的，在所述排序分計算模型中，針對每個新增排序因子采用冪次項求和的表 示方式；
[0014] 相應(yīng)的，所述新增排序因子的權(quán)重系數(shù)是指權(quán)重系數(shù)序列，所述序列中的每個權(quán) 重系數(shù)都與所述新增排序因子的一個冪次項相對應(yīng)。
[0015] 可選的，所述針對每個新增排序因子采用冪次項求和的表示方式具體是指，采用 四冪次項求和的表示方式。
[0016] 可選的，當(dāng)所述交互行為系統(tǒng)為在線交易系統(tǒng)時，所述特定排序目標(biāo)為：點擊數(shù)、 交易量或者交易金額。
[0017] 可選的，所述實際排序分布和預(yù)測排序分布之間的差異具體是指，所述兩個分布 之間的KL距離。
[0018] 可選的，所述以根據(jù)所述實際行為數(shù)據(jù)得到的實際排序分布、和根據(jù)預(yù)先設(shè)定的 排序分計算模型得到的預(yù)測排序分布之間的差異最小化為優(yōu)化目標(biāo)，求解所述排序分計算 模型中的新增排序因子的權(quán)重系數(shù)，包括：
[0019] 通過計算待評價客體的所述實際行為數(shù)據(jù)與全部待評價客體的所述實際行為數(shù) 據(jù)總和的比值，獲取所述待評價客體的實際排序分布；
[0020] 以所述待評價客體的原始評分?jǐn)?shù)據(jù)、所述新增排序因子的值和所述新增排序因子 權(quán)重系數(shù)的當(dāng)前值為輸入，采用所述排序分計算模型計算所述待評價客體的預(yù)測排序分； 所述新增排序因子權(quán)重系數(shù)的當(dāng)前值是指，采用本方法上一次計算得到的所述權(quán)重系數(shù)的 值；
[0021] 以所述新增排序因子的權(quán)重系數(shù)為未知數(shù)，將所述待評價客體的原始評分?jǐn)?shù)據(jù)、 所述新增排序因子的值代入所述排序分計算模型，并根據(jù)得到的表達(dá)式與待評價客體的所 述預(yù)測排序分的總和，獲取以所述新增排序因子的權(quán)重系數(shù)表示的預(yù)測排序分布；
[0022] 獲取所述實際排序分布和所述預(yù)測排序分布之間的KL距離的表達(dá)式；
[0023] 以所述KL距離表達(dá)式的值最小化為優(yōu)化目標(biāo)，求解所述新增排序因子的權(quán)重系 數(shù)的值。
[0024] 可選的，所述以所述KL距離表達(dá)式的值最小化為優(yōu)化目標(biāo)，求解所述新增排序因 子的權(quán)重系數(shù)的值是指，采用隨機(jī)梯度下降算法或者邏輯回歸優(yōu)化算法求解。
[0025] 可選的，在所述獲取所述待評價客體的實際排序分布和所述計算所述待評價客體 的預(yù)測排序分的步驟后，執(zhí)行下述操作：
[0026] 通過計算所述待評價客體的預(yù)測排序分與全部待評價客體的預(yù)測排序分總和的 比值，獲取所述待評價客體的預(yù)測排序分布；
[0027] 計算所述實際排序分布和所述預(yù)測排序分布之間的KL距離值；
[0028] 判斷所述KL距離值與上次采用本方法計算得到的KL距離值相比較，其數(shù)值減小 的比例是否小于預(yù)先設(shè)定的閾值；
[0029] 若是，則在后續(xù)使用本方法計算待評價客體排序分的過程中，不再執(zhí)行所述求解 所述排序分計算模型中的新增排序因子的權(quán)重系數(shù)的步驟；相應(yīng)的，所述以所述待評價客 體的原始評分?jǐn)?shù)據(jù)、所述新增排序因子的值以及計算得到的所述新增排序因子權(quán)重系數(shù)的 值為輸入，采用所述排序分計算模型計算所述待評價客體的排序分是指，以最近一次計算 得到的所述新增排序因子權(quán)重系數(shù)的值為輸入進(jìn)行求解。
[0030] 可選的，在第一次執(zhí)行所述采用所述排序分計算模型計算所述待評價客體的預(yù)測 排序分的步驟時，將所述新增排序因子權(quán)重系數(shù)的當(dāng)前值設(shè)置為預(yù)先設(shè)定的初始值。
[0031] 可選的，在執(zhí)行所述求解所述排序分計算模型中的新增排序因子的權(quán)重系數(shù)的步 驟之前，執(zhí)行下述操作：
[0032] 判斷所述待評價客體的數(shù)目是否大于求解新增排序因子權(quán)重系數(shù)所需待評價客 體的預(yù)定數(shù)量；
[0033] 若是，按照所述待評價客體的原始評分?jǐn)?shù)據(jù)從大到小的順序，從中選擇所述預(yù)定 數(shù)量的待評價客體，作為后續(xù)使用本方法求解所述新增排序因子的權(quán)重系數(shù)所采用的待評 價客體。
[0034] 相應(yīng)的，本申請還提供一種用于計算待評價客體排序分的裝置，包括：
[0035] 數(shù)據(jù)獲取單元，用于獲取待評價客體的原始評分?jǐn)?shù)據(jù)、新增排序因子的值、以及以 實際交互行為系統(tǒng)中對應(yīng)每個待評價客體的歷史行為數(shù)據(jù)為根據(jù)，從中提取的對應(yīng)特定排 序目標(biāo)的實際行為數(shù)據(jù)；
[0036] 權(quán)重系數(shù)計算單元，用于以根據(jù)所述實際行為數(shù)據(jù)得到的實際排序分布、和根據(jù) 預(yù)先設(shè)定的排序分計算模型得到的預(yù)測排序分布之間的差異最小化為優(yōu)化目標(biāo)，求解所述 排序分計算模型中的新增排序因子的權(quán)重系數(shù)；
[0037] 排序分計算單元，用于以所述待評價客體的原始評分?jǐn)?shù)據(jù)、所述新增排序因子的 值以及計算得到的所述新增排序因子權(quán)重系數(shù)的值為輸入，采用所述排序分計算模型計算 所述待評價客體的排序分。
[0038] 可選的，所述權(quán)重系數(shù)計算單元和所述排序分計算單元采用的排序分計算模型 中，針對每個新增排序因子采用冪次項求和的表示方式。
[0039] 可選的，所述權(quán)重系數(shù)計算單元具體用于，以根據(jù)所述實際行為數(shù)據(jù)得到的實際 排序分布、和根據(jù)預(yù)先設(shè)定的排序分計算模型得到的預(yù)測排序分布之間的KL距離最小化 為優(yōu)化目標(biāo)，求解所述排序分計算模型中的新增排序因子的權(quán)重系數(shù)。
[0040] 可選的，所述權(quán)重系數(shù)計算單元包括：
[0041] 實際排序分布獲取子單元，用于通過計算待評價客體的所述實際行為數(shù)據(jù)與全部 待評價客體的所述實際行為數(shù)據(jù)總和的比值，獲取所述待評價客體的實際排序分布；
[0042] 預(yù)測排序分計算子單元，用于以所述待評價客體的原始評分?jǐn)?shù)據(jù)、所述新增排序 因子的值和所述新增排序因子權(quán)重系數(shù)的當(dāng)前值為輸入，采用所述排序分計算模型計算所 述待評價客體的預(yù)測排序分；所述新增排序因子權(quán)重系數(shù)的當(dāng)前值是指，采用本方法上一 次計算得到的所述權(quán)重系數(shù)的值；
[0043] 預(yù)測排序分布表達(dá)式獲取子單元，用于以所述新增排序因子的權(quán)重系數(shù)為未知 數(shù)，將所述待評價客體的原始評分?jǐn)?shù)據(jù)、所述新增排序因子的值代入所述排序分計算模型， 并根據(jù)得到的表達(dá)式與待評價客體的所述預(yù)測排序分的總和，獲取以所述新增排序因子的 權(quán)重系數(shù)表示的預(yù)測排序分布；
[0044] KL距離表達(dá)式獲取子單元，用于獲取所述實際排序分布和所述預(yù)測排序分布之間 的KL距離的表達(dá)式；
[0045] 權(quán)重系數(shù)求解子單元，用于以所述KL距離表達(dá)式的值最小化為優(yōu)化目標(biāo)，求解所 述新增排序因子的權(quán)重系數(shù)的值。
[0046] 可選的，所述權(quán)重系數(shù)求解子單元具體用于，采用隨機(jī)梯度下降算法或者邏輯回 歸優(yōu)化算法求解所述新增排序因子的權(quán)重系數(shù)。
[0047] 可選的，所述權(quán)重系數(shù)計算單元還包括：
[0048] 預(yù)測排序分布獲取子單元，用于在獲取所述待評價客體的實際排序分布和計算所 述待評價客體的預(yù)測排序分之后，通過計算所述待評價客體的預(yù)測排序分與全部待評價客 體的預(yù)測排序分總和的比值，獲取所述待評價客體的預(yù)測排序分布；
[0049] KL距離值計算子單元，用于計算所述實際排序分布和所述預(yù)測排序分布獲取子單 元輸出的預(yù)測排序分布之間的KL距離值；
[0050] KL距離值判斷子單元，用于判斷所述KL距離值與上次采用本方法計算得到的KL 距離值相比較，其數(shù)值減小的比例是否小于預(yù)先設(shè)定的閾值；若是，則在后續(xù)使用本裝置計 算待評價客體排序分的過程中，不再觸發(fā)所述權(quán)重系數(shù)計算單元及其子單元工作，相應(yīng)的， 所述排序分計算單元具體用于以所述待評價客體的原始評分?jǐn)?shù)據(jù)、所述新增排序因子的值 以及最近一次計算得到的所述新增排序因子權(quán)重系數(shù)的值為輸入進(jìn)行求解。
[0051] 可選的，第一次觸發(fā)所述預(yù)測排序分計算子單元工作時，將所述新增排序因子權(quán) 重系數(shù)的當(dāng)前值設(shè)置為預(yù)先設(shè)定的初始值。
[0052] 可選的，所述裝置還包括：
[0053] 客體數(shù)目判斷子單元，用于在觸發(fā)所述權(quán)重系數(shù)計算單元工作之前，判斷所述待 評價客體的數(shù)目是否大于求解新增排序因子權(quán)重系數(shù)所需待評價客體的預(yù)定數(shù)量；
[0054] 客體選擇子單元，用于當(dāng)所述客體數(shù)目判斷子單元的輸出為"是"時，按照所述待 評價客體的原始評分?jǐn)?shù)據(jù)從大到小的順序，從中選擇所述預(yù)定數(shù)量的待評價客體，作為后 續(xù)使用本方法求解所述新增排序因子的權(quán)重系數(shù)所采用的待評價客體。
[0055] 此外，本申請還提供一種用于建立排序分計算模型的方法，包括：
[0056] 獲取待評價客體的原始評分?jǐn)?shù)據(jù)、新增排序因子的值、以及以實際交互行為系統(tǒng) 中對應(yīng)每個待評價客體的歷史行為數(shù)據(jù)為根據(jù)，從中提取的對應(yīng)特定排序目標(biāo)的實際行為 數(shù)據(jù)；
[0057] 計算根據(jù)所述實際行為數(shù)據(jù)得到的實際排序分布、和采用預(yù)先設(shè)定的排序分計算 模型得到的預(yù)測排序分布之間的差