推荐算法优化方法、装置及系统制造方法及图纸

本发明专利技术公开了一种推荐算法优化方法、装置及系统，属于计算机技术领域。所述方法包括：获取统计的各个推荐算法的效果数据；根据每个推荐算法的所述效果数据在各个推荐算法中的比重获取每个推荐算法的流量分流概率；根据所述流量分流概率为每个推荐算法分配流量请求。本发明专利技术通过实时获取每个推荐算法的推荐成功率自动为每个推荐算法分配流量，解决了现有技术中在优化的过程中，需要人工为推荐算法分配流量，优化周期长的问题；达到了可以大大降低优化周期，提高优化效率及准确率的效果。

【技术实现步骤摘要】
推荐算法优化方法、装置及系统
本专利技术涉及计算机
，特别涉及一种推荐算法优化方法、装置及系统。
技术介绍
推荐系统的推荐引擎中通常会同时运行多个推荐算法，在离线时统计每个推荐算 法的效果数据；然后基于离线统计的结果，调整每个推荐算法的流量分配，从而进一步优化 整体的推荐效果。 传统的推荐算法优化的流程如下：确定新推荐算法以及对应的少量流量；待推荐 引擎准备好后，管理人员在前端为该新推荐算法进行流量分配；观察该新推荐算法的推荐 效果，若推荐效果较优，则管理人员继续将流量分配给该新推荐算法；重复上面的流程直到 将流量都分配给推荐效果最好的推荐算法。 在实现本专利技术的过程中，专利技术人发现上述技术至少存在以下问题：在优化的过程 中，需要人工根据推荐效果为推荐算法分配流量，优化周期长。
技术实现思路
为了解决现有技术中在优化的过程中，需要人工为推荐算法分配流量，优化周期 长的问题，本专利技术实施例提供了一种推荐算法优化方法、装置及系统。所述技术方案如下： 第一方面，提供了一种推荐算法优化方法，所述方法包括： 获取统计的各个推荐算法的效果数据，所述效果数据用于反映每个推荐算法在相 同的统计时间窗口所对应的推荐成功率； 根据每个推荐算法的所述效果数据在各个推荐算法中的比重获取每个推荐算法 的流量分流概率； 根据所述流量分流概率为每个推荐算法分配流量请求。 第二方面，提供了一种推荐算法优化装置，所述装置包括： 获取模块，用于获取统计的各个推荐算法的效果数据，所述效果数据用于反映每 个在相同的统计时间窗口所对应的推荐成功率； 计算模块，用于根据所述获取模块获取的每个推荐算法的所述效果数据在各个推 荐算法中的比重获取每个推荐算法的流量分流概率； 分配模块，用于根据所述计算模块计算得到的所述流量分流概率为每个推荐算法 分配流量请求。 第三方面，提供了一种推荐算法优化系统，所述系统包括服务器和至少一个终 端； 所述服务器包括如第二方面所述的推荐算法优化装置。 本专利技术实施例提供的技术方案带来的有益效果是： 通过获取统计的各个推荐算法的效果数据；根据每个推荐算法的效果数据计算每 个推荐算法的流量分流概率；根据每个推荐算法的流量分流概率为每个推荐算法分配流量 请求；解决了现有技术中在优化的过程中，需要人工为推荐算法分配流量，优化周期长的问 题；这里推荐算法的效果数据反映了推荐算法的推荐成功率，由于可以根据统计的每个推 荐算法的推荐成功率自动为每个推荐算法分配流量，能更好的为推荐成功率较高的推荐算 法分配较多的流量，从而达到了可以大大降低优化周期，提高优化效率及准确率的效果。 【附图说明】 为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使 用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于 本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他 的附图。 图1是本专利技术一个实施例中提供的推荐算法优化方法所涉及的实施环境的示意 图； 图2是本专利技术一个实施例中提供的推荐算法优化方法的方法流程图； 图3A是本专利技术另一个实施例中提供的推荐算法优化方法的方法流程图； 图3B是本专利技术部分实施例中提供的对选取的各个时间段所对应的推荐成功率进 行统计的统计示意图； 图4是部分实施例中所涉及的服务器的内部结构关系的示意图； 图5是一个实施例中为流量请求分配推荐算法的过程的流程图； 图6是本专利技术一个实施例中提供的推荐算法优化装置的结构示意图； 图7是本专利技术另一个实施例中提供的推荐算法优化装置的结构示意图； 图8是本专利技术部分实施例中提供的服务器的结构示意图； 图9是本专利技术一个实施例中提供的推荐算法优化系统的示意图。 【具体实施方式】 为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方 式作进一步地详细描述。文中所讲的至少一个是指一个、两个或两个以上。 请参见图1所示，其示出了本专利技术一个实施例中提供的推荐算法优化方法所涉及 的实施环境的示意图。该实施环境可以包括服务器120和至少一个终端140,服务器120可 以通过有线网络方式或无线网络方式与终端140连接。 服务器120具有向终端140推荐业务的功能，比如可以根据该终端用户在浏览器 中的浏览内容、搜索内容以及用户的操作等信息为该用户推荐相应的业务。该服务器120 可以是一台服务器，或者由若干台服务器组成的服务器集群，或者是一个云计算服务中心。 该服务器140可以是推荐系统的后台服务器。 终端140可以对服务器120发送的推荐业务进行响应，比如点击浏览该推荐业 务。终端140通常可以包括智能手机、平板电脑、智能电视、电子书阅读器、MP3播放器 (Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面 3)、 MP4 (Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面 4)播放器、膝上型便携计算机和台式计算机等等。 请参见图2所示，其示出了本专利技术一个实施例中提供的推荐算法优化方法的方法 流程图。该推荐算法优化方法主要以应用于图1所示的实施环境中的服务器120中进行举 例说明。该推荐算法优化方法可以包括： 201，获取统计的各个推荐算法的效果数据，效果数据用于反映每个推荐算法在相 同的统计时间窗口所对应的推荐成功率； 202,根据每个推荐算法的效果数据在各个推荐算法中的比重获取每个推荐算法 的流量分流概率； 203,根据流量分流概率为每个推荐算法分配流量请求。 综上所述，本专利技术实施例提供的推荐算法优化方法，通过获取统计的各个推荐算 法的效果数据；根据每个推荐算法的效果数据计算每个推荐算法的流量分流概率；根据流 量分流概率为每个推荐算法分配流量请求；解决了现有技术中在优化的过程中，需要人工 为推荐算法分配流量，优化周期长的问题；这里推荐算法的效果数据反映了推荐算法的推 荐成功率，由于可以根据统计的每个推荐算法的推荐成功率自动为每个推荐算法分配流 量，能更好的为推荐成功率较高的推荐算法分配较多的流量，从而达到了可以大大降低优 化周期，提高优化效率及准确率的效果。 请参见图3A所示，其示出了本专利技术一个实施例中提供的推荐算法优化方法的方 法流程图。该推荐算法优化方法主要以应用于图1所示的实施环境中的服务器120中进行 举例说明。该推荐算法优化方法可以包括： 301，对于每一个推荐算法，获取推荐算法在属于统计时间窗口内的至少两个互相 重叠的时间段所对应的推荐成功率，互相重叠的每个时间段具有相同的统计结束时刻和不 同的统计开始时刻； 这里所讲的推荐算法可用于为终端提供推荐业务的服务。在实际应用中，提供推 荐业务的服务器中通常可以包含有多个推荐算法，当终端向该服务器发送流量请求时，月艮 务器则可以为该流量请求选择一个推荐算法，根据该推荐算法为该流量请求确定出推荐结 果，并将推荐结果发送给终端，这样，终本文档来自技高网...

【技术保护点】
一种推荐算法优化方法，其特征在于，所述方法包括：获取统计的各个推荐算法的效果数据，所述效果数据用于反映每个推荐算法在相同的统计时间窗口所对应的推荐成功率；根据每个推荐算法的所述效果数据在各个推荐算法中的比重获取每个推荐算法的流量分流概率；根据所述流量分流概率为每个推荐算法分配流量请求。

【技术特征摘要】
1. 一种推荐算法优化方法，其特征在于，所述方法包括： 获取统计的各个推荐算法的效果数据，所述效果数据用于反映每个推荐算法在相同的 统计时间窗口所对应的推荐成功率； 根据每个推荐算法的所述效果数据在各个推荐算法中的比重获取每个推荐算法的流 量分流概率； 根据所述流量分流概率为每个推荐算法分配流量请求。2. 根据权利要求1所述的方法，其特征在于，所述获取统计的各个推荐算法的效果数 据，包括： 对于每一个推荐算法，获取所述推荐算法在属于所述统计时间窗口内的至少两个互相 重叠的时间段所对应的推荐成功率，互相重叠的每个时间段具有相同的统计结束时刻和不 同的统计开始时刻； 将互相重叠的每个时间段所对应的推荐成功率和与所述时间段对应的权重相乘，得到 乘积，将每个乘积相加得到的和值确定为所述推荐算法在所述统计时间窗口的效果数据。3. 根据权利要求2所述的方法，其特征在于，所述获取所述推荐算法在属于所述统计 时间窗口内的至少两个互相重叠的时间段所对应的推荐成功率，包括： 获取所述推荐算法在每个时间段中对应的响应动作和推荐结果，所述响应动作是至少 一个终端在所述时间段内对根据所述推荐算法确定的推荐结果的成功响应，所述推荐结果 是在所述时间段内根据所述推荐算法确定的推荐结果； 统计所述响应动作的数量与所述推荐结果的数量； 将所述响应动作的数量除以所述推荐结果的数量得到的商值确定为所述推荐算法在 所述时间段内的推荐成功率。4. 根据权利要求2或3所述的方法，其特征在于，所述根据每个推荐算法的所述效果数 据在各个推荐算法中的比重获取每个推荐算法的流量分流概率，包括： 将每个推荐算法的所述效果数据相加，得到和值； 对于每一个推荐算法，将所述推荐算法的效果数据除以所述和值，得到所述推荐算法 的流量分流概率。5. 根据权利要求4所述的方法，其特征在于，所述根据所述流量分流概率为每个推荐 算法分配流量请求，包括： 在预定时间段内根据所述流量分流概率为每个推荐算法分配流量请求，所述预定时间 段为本次的所述统计结束时刻与下一次的统计结束时刻之间的时间段。6. -种推荐算法优化装置，其特征在于，所述装置包括： 获取模块，用于获取统计的...

【专利技术属性】
技术研发人员：程章敏，
申请(专利权)人：深圳市腾讯计算机系统有限公司，
类型：发明
国别省市：广东;44