推荐算法的效果评价方法及装置制造方法及图纸

本公开涉及一种推荐算法的效果评价方法及装置。所述方法包括：获取基于目标用户提供的查询信息连续多次反馈的推荐数据，所述推荐数据包括按照关联度排序的多项推荐结果；获取每次反馈的N项推荐结果对应的N个关联度，并对该N个关联度进行加和计算，以得到连续多个加和结果；基于所述连续多个加和结果绘制指向所述目标用户的下降曲线，以根据所述下降曲线确定所述推荐算法对所述目标用户的效果。本公开可很好的反映出推荐效果的质量变化趋势。

Evaluation Method and Device for the Effect of Recommended Algorithms

【技术实现步骤摘要】
推荐算法的效果评价方法及装置
本公开涉及数据处理
，尤其涉及一种推荐算法的效果评价方法及装置。
技术介绍
在推荐算法的开发过程中存在对推荐算法的产出结果进行评估的问题。目前普遍采用的评估方法是人工评测。示例的，评测人员通过刷新某个推荐接口，然后对返回的前十个或者前二十个推荐结果的相关度进行打分，最终挑选出相关度低的结果反馈给开发者。但是，这种评估方法仅局限于筛选出不符合标准的结果，其无法很好的反映推荐效果的质量变化趋势。
技术实现思路
为克服相关技术中存在的问题，本公开实施例提供一种推荐算法的效果评价方法及装置。所述技术方案如下：根据本公开实施例的第一方面，提供一种推荐算法的效果评价方法，包括：获取基于目标用户提供的查询信息连续多次反馈的推荐数据，所述推荐数据包括按照关联度排序的多项推荐结果；获取每次反馈的N项推荐结果对应的N个关联度，并对该N个关联度进行加和计算，以得到连续多个加和结果；基于所述连续多个加和结果绘制指向所述目标用户的下降曲线，以根据所述下降曲线确定所述推荐算法对所述目标用户的效果。在一个实施例中，获取基于目标用户提供的查询信息连续多次反馈的推荐数据包括：获取当前次查询时基于所述目标用户提供的查询信息而返回的当前查询结果，所述当前查询结果显示为包括N项推荐结果的所述推荐数据；在所述当前查询结果为非首次获取的查询结果时，判断所述推荐数据中的N项推荐结果的关联度之和是否大于或者等于第一阈值；在所述N项推荐结果的关联度之和大于或者等于所述第一阈值时，继续获取基于所述目标用户提供的预设信息的查询结果，直至所述N项推荐结果的关联度之和小于所述第一阈值。在一个实施例中，获取基于目标用户提供的查询信息连续多次反馈的推荐数据包括：获取当前次查询时基于所述目标用户提供的查询信息而返回的当前查询结果，所述当前查询结果显示为包括N项推荐结果的所述推荐数据；在所述当前查询结果为非首次获取的查询结果时，判断所述推荐数据中的各项推荐结果的关联度是否大于或者等于第二阈值；在各项推荐结果的关联度均大于或者等于所述第二阈值时，继续获取基于所述目标用户提供的预设信息的查询结果，直至任一项所述推荐结果的关联度小于所述第二阈值。在一个实施例中，基于所述连续多个加和结果绘制指向所述目标用户的下降曲线包括：基于所述连续多个加和结果以及反馈次数绘制指向所述目标用户的下降曲线，并获取所述下降曲线的斜率变化数据。在一个实施例中，所述方法还包括：根据多个指向用户的下降曲线绘制整体下降曲线，以根据所述整体下降曲线确定所述推荐算法对所述多个用户的效果。根据本公开实施例的第二方面，提供一种推荐算法的效果评价装置，包括：数据获取模块，用于获取基于目标用户提供的查询信息连续多次反馈的推荐数据，所述推荐数据包括按照关联度排序的多项推荐结果；关联度计算模块，用于获取每次反馈的N项推荐结果对应的N个关联度，并对该N个关联度进行加和计算，以得到连续多个加和结果；第一绘制模块，用于基于所述连续多个加和结果绘制指向所述目标用户的下降曲线，以根据所述下降曲线确定所述推荐算法对所述目标用户的效果。在一个实施例中，所述数据获取模块包括：第一获取单元，用于获取当前次查询时基于所述目标用户提供的查询信息而返回的当前查询结果，所述当前查询结果显示为包括N项推荐结果的所述推荐数据；第一判断单元，用于在所述当前查询结果为非首次获取的查询结果时，，判断所述推荐数据中的N项推荐结果的关联度之和是否大于或者等于第一阈值；第一限定单元，用于在所述N项推荐结果的关联度之和大于或者等于所述第一阈值时，继续获取基于所述目标用户提供的预设信息的查询结果，直至所述N项推荐结果的关联度之和小于所述第一阈值。在一个实施例中，所述数据获取模块包括：第二获取单元，用于获取当前次查询时基于所述目标用户提供的查询信息而返回的当前查询结果，所述当前查询结果显示为包括N项推荐结果的所述推荐数据；第二判断单元，用于在所述当前查询结果为非首次获取的查询结果时，判断所述推荐数据中的各项推荐结果的关联度是否大于或者等于第二阈值；第二限定单元，用于在各项推荐结果的关联度均大于或者等于所述第二阈值时，继续获取基于所述目标用户提供的预设信息的查询结果，直至任一项所述推荐结果的关联度小于所述第二阈值。在一个实施例中，所述第一绘制模块包括：绘制单元，用于基于所述连续多个加和结果以及反馈次数绘制指向所述目标用户的下降曲线，并获取所述下降曲线的斜率变化数据。在一个实施例中，所述装置还包括：第二绘制模块，用于根据多个指向用户的下降曲线绘制整体下降曲线，以根据所述整体下降曲线确定所述推荐算法对所述多个用户的效果。根据本公开实施例的第三方面，提供一种推荐算法的效果评价装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行第一方面任一实施例所述方法的步骤。根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现第一方面任一实施例所述方法的步骤。本公开实施例所提供的技术方案可以包括以下有益效果：本公开技术方案可根据目标用户提供的查询信息获取到连续多次反馈的推荐数据，并基于每次反馈的推荐数据中的N项推荐结果的关联度值的加和结果来绘制指向目标用户的下降曲线，从而根据该下降曲线来确定当前的推荐算法对于该目标用户的推荐效果。由于该评估方法能反映出针对于目标用户的推荐效果的质量变化趋势，因此有助于提升推荐算法的整体效果。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。图1是根据示例性实施例示出的推荐算法的效果评价方法流程图一；图2是根据示例性实施例示出的获取推荐数据的具体方法流程图一；图3是根据示例性实施例示出的获取推荐数据的具体方法流程图二；图4是根据示例性实施例示出的推荐算法的效果评价方法流程图二；图5a是根据示例性实施例示出的推荐算法的效果评价装置的模块图一；图5b是根据示例性实施例示出的推荐算法的效果评价装置的模块图二；图5c是根据示例性实施例示出的推荐算法的效果评价装置的模块图三；图5d是根据示例性实施例示出的推荐算法的效果评价装置的模块图四；图5e是根据示例性实施例示出的推荐算法的效果评价装置的模块图五；图6是根据示例性实施例示出的用于推荐算法的效果评价装置的框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。本公开实施例所提供的技术方案涉及一种推荐算法的效果评价方法，可用于对推荐算法的产出结果进行评估。相关技术中，评测人员可通过刷新某个推荐接口，然后对返回的前十个或者前二十个推荐结果的相关度进行打分，最终挑选出相关度低的结果反馈给开发者。但是这种评估方法仅局限于筛选出不符合标准的结果，其无法很好的反映推荐效果的质量变化趋势。基于此，本公开技术本文档来自技高网...

【技术保护点】
1.一种推荐算法的效果评价方法，其特征在于，包括：获取基于目标用户提供的查询信息连续多次反馈的推荐数据，所述推荐数据包括按照关联度排序的多项推荐结果；获取每次反馈的N项推荐结果对应的N个关联度，并对该N个关联度进行加和计算，以得到连续多个加和结果；基于所述连续多个加和结果绘制指向所述目标用户的下降曲线，以根据所述下降曲线确定所述推荐算法对所述目标用户的效果。

【技术特征摘要】
1.一种推荐算法的效果评价方法，其特征在于，包括：获取基于目标用户提供的查询信息连续多次反馈的推荐数据，所述推荐数据包括按照关联度排序的多项推荐结果；获取每次反馈的N项推荐结果对应的N个关联度，并对该N个关联度进行加和计算，以得到连续多个加和结果；基于所述连续多个加和结果绘制指向所述目标用户的下降曲线，以根据所述下降曲线确定所述推荐算法对所述目标用户的效果。2.根据权利要求1所述的方法，其特征在于，获取基于目标用户提供的查询信息连续多次反馈的推荐数据包括：获取当前次查询时基于所述目标用户提供的查询信息而返回的当前查询结果，所述当前查询结果显示为包括N项推荐结果的所述推荐数据；在所述当前查询结果为非首次获取的查询结果时，判断所述推荐数据中的N项推荐结果的关联度之和是否大于或者等于第一阈值；在所述N项推荐结果的关联度之和大于或者等于所述第一阈值时，继续获取基于所述目标用户提供的预设信息的查询结果，直至所述N项推荐结果的关联度之和小于所述第一阈值。3.根据权利要求1所述的方法，其特征在于，获取基于目标用户提供的查询信息连续多次反馈的推荐数据包括：获取当前次查询时基于所述目标用户提供的查询信息而返回的当前查询结果，所述当前查询结果显示为包括N项推荐结果的所述推荐数据；在所述当前查询结果为非首次获取的查询结果时，判断所述推荐数据中的各项推荐结果的关联度是否大于或者等于第二阈值；在各项推荐结果的关联度均大于或者等于所述第二阈值时，继续获取基于所述目标用户提供的预设信息的查询结果，直至任一项所述推荐结果的关联度小于所述第二阈值。4.根据权利要求1所述的方法，其特征在于，基于所述连续多个加和结果绘制指向所述目标用户的下降曲线包括：基于所述连续多个加和结果以及反馈次数绘制指向所述目标用户的下降曲线，并获取所述下降曲线的斜率变化数据。5.根据权利要求1所述的方法，其特征在于，还包括：根据多个指向用户的下降曲线绘制整体下降曲线，以根据所述整体下降曲线确定所述推荐算法对所述多个用户的效果。6.一种推荐算法的效果评价装置，其特征在于，包括：数据获取模块，用于获取基于目标用户提供的查询信息连续多次反馈的推荐数据，所述推荐数据包括按照关联度排序的多项推荐结果；关联度计算模块，用...

【专利技术属性】
技术研发人员：金斌，
申请(专利权)人：无线生活杭州信息科技有限公司，
类型：发明
国别省市：浙江,33