一种推荐结果排序修正方法及装置，电子设备制造方法及图纸

本申请涉及一种推荐结果排序修正方法，属于计算机技术领域，解决现有技术中推荐排序方法中存在的推荐结果准确率低的问题。本申请实施例公开的推荐结果排序修正方法包括：获取当前用户对历史推荐结果的实时行为数据，根据所述实时行为数据，构造所述当前用户针对当前推荐结果执行预设行为的概率分布模型，并进一步根据所述概率分布模型的采样值，对所述当前推荐结果进行修正。本申请的排序修正方法，通过基于用户的实时行为统计量对推荐结果列表的排序进行修正，推荐结果基于用户的行为习惯获得，有效提升了推荐结果的准确率，同时，提升了用户体验。

【技术实现步骤摘要】
一种推荐结果排序修正方法及装置，电子设备
本申请涉及计算机
，特别是涉及一种推荐结果排序修正方法及装置，电子设备。
技术介绍
针对用户的个性化排序是推荐系统里面很重要的一个研究课题。随着网络平台业务的快速发展，每次用户在访问平台页面上的展位时，都有上百商家及产品被召回，进入到候选集展示给用户。现有技术中，推荐结果列表主要通过推荐模型，如Learntorank(排序学习)模型获取。Learntorank模型将机器学习技术应用到排序中，通过对每个用户的推荐结果排序问题抽象为最优化问题；数据源是过去一段时间内的用户行为日志，通过特征工程构造排序特征求解最优化问题。这种排序方法受限于系统采集的用户行为日志，因为用户的误点或者线上日志记录的问题，会导致得到的日志中会有很多噪声；基于行为日志训练机器学习模型，将会导致学习到的模型不准确，为了提升推荐效果，通常做法是对推荐结果列表的排序进行修正。现有技术中常用的修正方法包括：对于推荐结果列表进行人为干预，对曝光多次，但是一直没点击的推荐结果做降权处理；或者，在训练数据中增加用户-推荐结果维度的交叉特征。然而，基于点击率调权时，在推荐结果曝光次本文档来自技高网...

【技术保护点】
1.一种推荐结果排序修正方法，其特征在于，包括：获取当前用户对历史推荐结果的实时行为数据；根据所述实时行为数据，构造所述当前用户针对当前推荐结果执行预设行为的概率分布模型；根据所述概率分布模型的采样值，对所述当前推荐结果进行修正。

【技术特征摘要】
1.一种推荐结果排序修正方法，其特征在于，包括：获取当前用户对历史推荐结果的实时行为数据；根据所述实时行为数据，构造所述当前用户针对当前推荐结果执行预设行为的概率分布模型；根据所述概率分布模型的采样值，对所述当前推荐结果进行修正。2.根据权利要求1所述的方法，其特征在于，所述获取当前用户对历史推荐结果的实时行为数据的步骤，包括：获取当前用户对历史曝光的三级品类推荐结果所执行的实时行为数据。3.根据权利要求2所述的方法，其特征在于，所述实时行为数据包括：指定时间段内，对历史曝光的每个三级品类下的推荐结果执行预设行为的次数和不执行预设行为的次数。4.根据权利要求3所述的方法，其特征在于，所述根据所述实时行为数据，构造所述当前用户针对当前推荐结果执行预设行为的概率分布模型的步骤，包括：根据当前用户对历史曝光的每个三级品类下的推荐结果执行预设行为的次数和不执行预设行为的次数确定模型参数，构造所述当前用户针对相应三级品类推荐结果执行预设行为的概率分布模型。5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述概率分布模型的采样值，对所述当前推荐结果进行修正的步骤，包括：通过对所述概率分布模型对应的概率分布曲线进行随机采样，确定所述概率分布模型的采样值；将所述采样值与所述当前推荐结果的推荐得分的乘积，作为所述当前推荐结果...

【专利技术属性】
技术研发人员：赵鹏，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京,11