一種推薦的方法及伺服器的製造方法
2023-11-01 09:33:27
一種推薦的方法及伺服器的製造方法
【專利摘要】本發明實施例公布了一種推薦的方法及伺服器，所述方法通過預先設置的組合策略，對各個推薦系統發送的推薦列表進行組合，實現多個推薦模型或者系統給用戶反饋推薦結果，根據用戶反饋的選擇概率，更新所述組合後的推薦列表，實現實時評估，並接收用戶定期反饋的選擇結果，更新所述組合後的推薦列表，進而同時體現用戶的當前興趣和歷史興趣愛好。
【專利說明】一種推薦的方法及伺服器
【技術領域】
[0001] 本發明屬於數據處理領域，尤其涉及一種推薦的方法及伺服器。
【背景技術】
[0002] 在信息爆炸的今天，越來越多的商業系統引入推薦技術，從以前人找內容的模式 轉變成內容找人，滿足用戶個性化需求。單一的推薦系統推薦結果的效果有限，這點特別是 越來越多的推薦競賽中得到體現，競賽最終的獲獎者往往是採用多個推薦技術/模型或者 評分結果進行融合集成。以往的推薦更多類比成預測評分問題，但有學者認為推薦列表形 式可能更合適，以往的推薦系統效果不好評估，一般也是離線進行，實時的效果評估未被加 以利用。歷史喜好代表的是用戶一直以來的興趣愛好，在很長一段時間內一般是不會改變 的，可以通過分析用戶的歷史行為得到；而當前喜好代表的是用戶當前臨時的興趣愛好，一 般也是隨時間和外界環境而易變的。
[0003] 通常的現有技術一中，業務系統到推薦系統一般通過離線導入數據，用戶反饋是 用戶實時的數據反饋到推薦系統，用於更新推薦模型以提高將來的預測準確性。常用的用 戶反饋方式，有收藏、點擊、瀏覽（時間)、購買、打分、評論等行為。現有技術一的缺點在於， 技術比較單一，在推薦的準確性和計算的實時性方面難以兼顧。
[0004] 通常的現有技術二中，推薦組合技術通過離線訓練得到選擇模型，本質上還是單 一的推薦系統。推薦組合與後端推薦技術一般都是強相關，一起部署的。推薦組合技術：神 經網絡、案例式推理（Case-based reasoning, CBR)、決策樹等。現有技術二的缺點在於，推 薦技術不易擴展，每增加一種推薦技術則組合模型需要重新離線訓練，並且無法實時反饋 用戶的當前興趣。
【發明內容】
[0005] 本發明的目的在於提供一種推薦的方法及伺服器，解決存在多個推薦模型或系統 時，如何利用實時的評估效果對推薦列表進行更新，同時體現用戶的當前興趣和歷史興趣 愛好。
[0006] 第一方面，一種推薦的方法，所述方法包括：
[0007] 接收各個推薦系統發送的推薦列表；
[0008] 根據預先設置的組合策略，將所述推薦列表進行組合，將組合後的推薦列表呈現 給用戶，使得用戶根據所述組合後的推薦列表進行選擇；
[0009] 接收用戶反饋的選擇結果，根據所述選擇結果更新所述組合後的推薦列表。
[0010] 結合第一方面，在第一方面的第一種可能的實現方式中，所述根據預先設置的組 合策略，將所述推薦列表進行組合，包括：
[0011] 預先定義各個推薦系統發送的結果在所有推薦系統發送的結果中佔的比重； [0012] 根據所述比重，對各個推薦系統發送的推薦列表進行組合。
[0013] 結合第一方面或者第一方面的第一種可能的實現方式，在第一方面的第二種可能 的實現方式中，所述接收用戶反饋的選擇結果，根據所述選擇結果更新所述組合後的推薦 列表，包括：
[0014] 接收用戶反饋的選擇結果，根據所述選擇結果計算選擇概率；
[0015] 預先設置更新係數，根據所述選擇概率、更新係數和各個推薦系統的比重計算各 個推薦系統更新後的比重；
[0016] 根據所述更新後的比重更新組合後的推薦列表。
[0017] 結合第一方面的第二種可能的實現方式，在第一方面的第三種可能的實現方式 中，所述接收用戶反饋的選擇結果，根據所述選擇結果計算選擇概率，包括 ：
[0018] 計算所述選擇結果佔所述組合後的推薦列表所有的結果的比例，所述比例為選擇 概率；或者，
[0019] 預先設置用戶選擇的權重，根據所述用戶選擇的權重得到用戶選擇各個推薦系統 推薦的結果的權重佔組合後的推薦列表所有的結果的權重的比例，所述比例為選擇概率。
[0020] 結合第一方面或者第一方面的第一種可能的實現方式或者第一方面的第二種可 能的實現方式或者第一方面的第三種可能的實現方式，在第一方面的第四種可能的實現方 式中，所述方法還包括：
[0021] 接收用戶定期反饋的選擇結果，根據所述定期反饋的選擇結果，更新各個推薦系 統的推薦列表。
[0022] 第二方面，一種伺服器，所述伺服器包括：
[0023] 接收單元，用於接收各個推薦系統發送的推薦列表；
[0024] 組合單元，用於根據預先設置的組合策略，將所述推薦列表進行組合，將組合後的 推薦列表呈現給用戶，使得用戶根據所述組合後的推薦列表進行選擇；
[0025] 更新單元，用於接收用戶反饋的選擇結果，根據所述選擇結果更新所述組合後的 推薦列表。
[0026] 結合第二方面，在第二方面的第一種可能的實現方式中，所述組合單元具體用 於：
[0027] 預先定義各個推薦系統發送的結果在所有推薦系統發送的結果中佔的比重；
[0028] 根據所述比重，對各個推薦系統發送的推薦列表進行組合。
[0029] 結合第二方面或者第二方面的第一種可能的實現方式，在第二方面的第二種可能 的實現方式中，所述更新單元具體用於：
[0030] 接收用戶反饋的選擇結果，根據所述選擇結果計算選擇概率；
[0031] 預先設置更新係數，根據所述選擇概率、更新係數和各個推薦系統的比重計算各 個推薦系統更新後的比重；
[0032] 根據所述更新後的比重更新組合後的推薦列表。
[0033] 結合第二方面的第二種可能的實現方式，在第二方面的第三種可能的實現方式 中，所述更新單元中執行步驟接收用戶反饋的選擇結果，根據所述選擇結果計算選擇概率， 包括：
[0034] 計算所述選擇結果佔所述組合後的推薦列表所有的結果的比例，所述比例為選擇 概率；或者，
[0035] 預先設置用戶選擇的權重，根據所述用戶選擇的權重得到用戶選擇各個推薦系統 推薦的結果的權重佔組合後的推薦列表所有的結果的權重的比例，所述比例為選擇概率。
[0036] 結合第二方面或者第二方面的第一種可能的實現方式或者第二方面的第二種可 能的實現方式或者第二方面的第三種可能的實現方式，在第二方面的第四種可能的實現方 式中，所述伺服器還包括定期反饋單元，用於：
[0037] 接收用戶定期反饋的選擇結果，根據所述定期反饋的選擇結果，更新各個推薦系 統的推薦列表。
[0038] 與現有技術相比，本發明通過預先設置的組合策略，對各個推薦系統發送的推薦 列表進行組合，實現多個推薦模型或者系統給用戶反饋推薦結果，根據用戶反饋的選擇概 率，更新所述組合後的推薦列表，實現實時評估，並接收用戶定期反饋的選擇結果，更新所 述組合後的推薦列表，因為實時評估可以體現用戶的當前興趣，定期反饋可以體現用戶的 歷史興趣，因此本發明可以同時體現用戶的當前興趣和歷史興趣愛好。
【專利附圖】
【附圖說明】
[0039] 為了更清楚地說明本發明實施例中的技術方案，下面將對實施例中所需要使用的 附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對於本領 域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的 附圖。
[0040] 圖1是本發明實施例提供的一種推薦的方法的應用場景圖；
[0041] 圖2是本發明實施例提供的一種推薦的方法的方法流程圖；
[0042] 圖3是本發明實施例提供的一種推薦的方法的方法示意圖；
[0043] 圖4是本發明實施例提供的一種推薦的方法的方法示意圖；
[0044] 圖5是本發明實施例提供的一種伺服器的裝置結構圖；
[0045] 圖6是本發明實施例提供的一種伺服器的裝置結構圖。
【具體實施方式】
[0046] 為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對 本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，並 不用於限定本發明。
[0047] 以上所述僅為本發明的較佳實施例而已，並不用以限制本發明，凡在本發明的精 神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明的保護範圍之內。
[0048] 參考圖1，圖1是本發明實施例提供的一種推薦的方法的應用場景圖。如圖1所 示，用戶101根據伺服器102提供的推薦列表，從推薦列表中選擇感興趣的物品等，同時，用 戶101將選擇的結果實時反饋給伺服器102,伺服器102根據用戶實時反饋的選擇結果更新 系統，伺服器102下一次給用戶101推送的推薦列表中能及時反應出用戶101上一次的喜 好，並且伺服器102會定期接收用戶101反饋的選擇結果，伺服器102根據定期反饋的選擇 結果更新系統，使得伺服器102每次給用戶101推送的推薦列表中能同時反應用戶的歷史 興趣和當前興趣。
[0049] 參考圖2,圖2是本發明實施例提供的一種推薦的方法的方法流程圖。如圖2所 示，所述方法包括以下步驟：
[0050] 步驟201，接收各個推薦系統發送的推薦列表；
[0051] 具體的，如圖3所示，圖3是本發明實施例提供的一種推薦的方法的方法示意圖。 如圖3所示，推薦前端系統接收推薦系統1、推薦系統2、推薦系統3發送的推薦列表，所述 推薦前端系統根據組合策略將所述推薦系統1、推薦系統2、推薦系統3發送的推薦列表進 行組合，所述推薦前端系統將組合後的推薦列表發送給業務系統，使得所述業務系統將組 合後的推薦列表呈現給用戶。所述推薦前端系統接收用戶實時反饋的選擇概率，用於更新 所述組合後的推薦列表，同時，推薦系統1、推薦系統2、推薦系統3接收用戶定期反饋的選 擇結果，用於更新推薦系統1、推薦系統2、推薦系統3的推薦列表，每個推薦系統根據數據 庫計算的推薦結果不同，例如推薦系統1更多推薦的是兒童用品，推薦系統2更多推薦的電 子產品或者書籍或者衣服等領域。
[0052] 步驟202,根據預先設置的組合策略，將所述推薦列表進行組合，將組合後的推薦 列表呈現給用戶，使得用戶根據所述組合後的推薦列表進行選擇；
[0053] 可選地，所述根據預先設置的組合策略，將所述推薦列表進行組合，包括：
[0054] 預先定義各個推薦系統發送的結果在所有推薦系統發送的結果中佔的比重；
[0055] 根據所述比重，對各個推薦系統發送的推薦列表進行組合。
[0056] 具體的，假設推薦系統1發送給推薦前端系統的推薦列表A為{al，a2, a3}，推薦 系統2發送給推薦前端系統的推薦列表B為{bl，b2，b3}，推薦系統3發送給推薦前端系統 的推薦列表C為{cl，c2, c3}。根據預先設置的推薦結果的組合策略，假設推薦系統1、推 薦系統2、推薦系統3推薦的結果佔所有推薦系統推薦結果的比重都是1/3時，則組合後的 推薦列表可為{al，bl，c2}，假設推薦系統1、推薦系統2、推薦系統3推薦的結果佔所有推 薦系統推薦結果的比重分別是3/5、1/5、1/5時，則組合後的推薦列表可為{al，a2, a3, b2， c3}。
[0057] 同時，組合策略的比重可以自由定義，假設兒童節時，可以將推薦系統1的比重提 高，因為推薦系統1推薦的大多是兒童用品。
[0058] 步驟203,接收用戶反饋的選擇結果，根據所述選擇結果更新所述組合後的推薦列 表。
[0059] 可選地，所述接收用戶反饋的選擇結果，根據所述選擇結果更新所述組合後的推 薦列表，包括 ：
[0060] 接收用戶反饋的選擇結果，根據所述選擇結果計算選擇概率；
[0061] 預先設置更新係數，根據所述選擇概率、更新係數和各個推薦系統的比重計算各 個推薦系統更新後的比重；
[0062] 根據所述更新後的比重更新組合後的推薦列表。
[0063] 可選地，所述接收用戶反饋的選擇結果，根據所述選擇結果計算選擇概率，包括：
[0064] 計算所述選擇結果佔所述組合後的推薦列表所有的結果的比例，所述比例為選擇 概率；或者，
[0065] 預先設置用戶選擇的權重，根據所述用戶選擇的權重得到用戶選擇各個推薦系統 推薦的結果的權重佔組合後的推薦列表所有的結果的權重的比例，所述比例為選擇概率。 [0066] 具體的，初始化圖3中3個推薦系統，假設各個推薦系統的比重分別為Pi (t)、 P2(t)、P3(t)，
[0067]
【權利要求】
1. 一種推薦的方法，其特徵在於，所述方法包括： 接收各個推薦系統發送的推薦列表； 根據預先設置的組合策略，將所述推薦列表進行組合，將組合後的推薦列表呈現給用 戶，使得用戶根據所述組合後的推薦列表進行選擇； 接收用戶反饋的選擇結果，根據所述選擇結果更新所述組合後的推薦列表。
2. 根據權利要求1所述的方法，其特徵在於，所述根據預先設置的組合策略，將所述推 薦列表進行組合，包括： 預先定義各個推薦系統發送的結果在所有推薦系統發送的結果中佔的比重； 根據所述比重，對各個推薦系統發送的推薦列表進行組合。
3. 根據權利要求1或2所述的方法，其特徵在於，所述接收用戶反饋的選擇結果，根據 所述選擇結果更新所述組合後的推薦列表，包括： 接收用戶反饋的選擇結果，根據所述選擇結果計算選擇概率； 預先設置更新係數，根據所述選擇概率、更新係數和各個推薦系統的比重計算各個推 薦系統更新後的比重； 根據所述更新後的比重更新組合後的推薦列表。
4. 根據權利要求3所述的方法，其特徵在於，所述接收用戶反饋的選擇結果，根據所述 選擇結果計算選擇概率，包括： 計算所述選擇結果佔所述組合後的推薦列表所有的結果的比例，所述比例為選擇概 率；或者， 預先設置用戶選擇的權重，根據所述用戶選擇的權重得到用戶選擇各個推薦系統推薦 的結果的權重佔組合後的推薦列表所有的結果的權重的比例，所述比例為選擇概率。
5. 根據權利要求1-4任意一項所述的方法，其特徵在於，所述方法還包括： 接收用戶定期反饋的選擇結果，根據所述定期反饋的選擇結果，更新所述各個推薦系 統的推薦列表。
6. -種伺服器，其特徵在於，所述伺服器包括： 接收單元，用於接收各個推薦系統發送的推薦列表； 組合單元，用於根據預先設置的組合策略，將所述推薦列表進行組合，將組合後的推薦 列表呈現給用戶，使得用戶根據所述組合後的推薦列表進行選擇； 更新單元，用於接收用戶反饋的選擇結果，根據所述選擇結果更新所述組合後的推薦 列表。
7. 根據權利要求6所述的伺服器，其特徵在於，所述組合單元具體用於： 預先定義各個推薦系統發送的結果在所有推薦系統發送的結果中佔的比重； 根據所述比重，對各個推薦系統發送的推薦列表進行組合。
8. 根據權利要求6或7所述的伺服器，其特徵在於，所述更新單元具體用於： 接收用戶反饋的選擇結果，根據所述選擇結果計算選擇概率； 預先設置更新係數，根據所述選擇概率、更新係數和各個推薦系統的比重計算各個推 薦系統更新後的比重； 根據所述更新後的比重更新組合後的推薦列表。
9. 根據權利要求8所述的伺服器，其特徵在於，所述更新單元中執行步驟接收用戶反 饋的選擇結果，根據所述選擇結果計算選擇概率，包括： 計算所述選擇結果佔所述組合後的推薦列表所有的結果的比例，所述比例為選擇概 率；或者， 預先設置用戶選擇的權重，根據所述用戶選擇的權重得到用戶選擇各個推薦系統推薦 的結果的權重佔組合後的推薦列表所有的結果的權重的比例，所述比例為選擇概率。
10.根據權利要求6-9任意一項所述的伺服器，其特徵在於，所述伺服器還包括定期反 饋單元，用於： 接收用戶定期反饋的選擇結果，根據所述定期反饋的選擇結果，更新所述各個推薦系 統的推薦列表。
【文檔編號】G06F17/30GK104123284SQ201310145097
【公開日】2014年10月29日 申請日期:2013年4月24日 優先權日:2013年4月24日
【發明者】金洪波, 張弓 申請人:華為技術有限公司