排序方法、装置和计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种排序方法、装置和计算机可读存储介质，涉及数据处理领域。排序方法包括：根据备选对象的用户操作数据和价值指数数据计算每个备选对象的第一排序指标；采用第一排序指标对备选对象进行第一排序；获取第一排序的结果中的部分备选对象，作为第二排序对象；采用预先训练的排序模型对第二排序对象重新进行第二排序，以便将第二排序对象按照第二排序结果的顺序推荐给用户。本发明专利技术的实施例在采用排序模型进行第二排序时，排序的对象并非全部备选对象、而是备选对象中的一部分对象，从而减少了排序模型的计算压力，提高了推荐效率。并且，用户在短时间内浏览的对象数量有限，因此本发明专利技术的方案并不会影响用户的使用体验。

Sorting method, device and computer readable storage medium

【技术实现步骤摘要】
排序方法、装置和计算机可读存储介质
本专利技术涉及数据处理领域，特别涉及一种排序方法、装置和计算机可读存储介质。
技术介绍
随着基于互联网的电子商务技术的不断发展，电子商务网站上展示的商品的数量呈爆炸式增长。根据用户的行为特点及时而准确的找出用户实时的购物兴趣，可以极大地优化用户的购物体验，同时也可以为电商网站带来点击广告收入，并使得购物成交额大幅增长。目前工业级个性化推荐系统主要分为召回和排序两个阶段。在召回阶段，可以根据等各种特征召回用户可能感兴趣的商品。在排序阶段，可以将用户的历史行为组合为特征，然后输入已经训练好的大规模神经网络。这个阶段会将用户的各种行为进行组合分析，对每个候选的商品进行打分，选出打分高的商品以优先推荐给用户。
技术实现思路
专利技术人对相关技术进行分析后发现，排序阶段能够将召回阶段所召回的商品进行较精准的排序。但因为模型复杂，召回的商品数量庞大，因此目前排序所用的耗时也比较高，从而降低了推荐的效率。本专利技术实施例所要解决的一个技术问题是：如何提高推荐效率。根据本专利技术一些实施例的第一个方面，提供一种排序方法，包括：根据备选对象的用户操作数据和价值指数数据计算每个备选对象的第一排序指标；采用第一排序指标对备选对象进行第一排序；获取第一排序的结果中的部分备选对象，作为第二排序对象；采用预先训练的排序模型对第二排序对象重新进行第二排序，以便将第二排序对象按照第二排序结果的顺序推荐给用户。在一些实施例中，获取第一排序的结果中第一排序指标最高的预设数量的对象，作为第二排序对象。在一些实施例中，根据备选对象的用户操作数据和价值指数数据计算每个备选对象的第一排序指标包括：采用预设公式计算每个备选对象的第一排序指标，其中，预设公式的自变量是根据用户操作数据和价值指数数据确定的。在一些实施例中，采用以下公式计算第一排序指标：其中，R1为备选对象的第一排序指标，n为备选对象的被点击次数，m为备选对象被曝光的次数，α为调节系数、并且0≤α≤1，bid为备选对象的广告出价值，gmv为备选对象的成交额。在一些实施例中，排序方法还包括：根据预设的反馈时间和排序模型的计算能力确定第二排序对象的数量。在一些实施例中，排序方法还包括：从用户点击日志、用户订单日志中的至少一个获取用户操作数据；从用户订单日志、广告竞价系统中的至少一个获取价值指数数据。在一些实施例中，用户操作数据包括用户对每个备选对象的点击数据、浏览数据、收藏数据、购买数据中的一种或多种；价值指数数据包括对象的广告出价信息、成交信息中的一种或多种。根据本专利技术一些实施例的第二个方面，提供一种排序装置，包括：第一排序指标计算模块，被配置为根据备选对象的用户操作数据和价值指数数据计算每个备选对象的第一排序指标；第一排序模块，被配置为采用第一排序指标对备选对象进行第一排序；第二排序对象获取模块，被配置为获取第一排序的结果中的部分备选对象，作为第二排序对象；第二排序模块，被配置为采用预先训练的排序模型对第二排序对象重新进行第二排序，以便将第二排序对象按照第二排序结果的顺序推荐给用户。在一些实施例中，第二排序对象获取模块进一步被配置为获取第一排序的结果中第一排序指标最高的预设数量的对象，作为第二排序对象。在一些实施例中，第一排序指标计算模块进一步被配置为采用预设公式计算每个备选对象的第一排序指标，其中，预设公式的自变量是根据用户操作数据和价值指数数据确定的。在一些实施例中，第一排序指标计算模块进一步被配置为采用以下公式计算第一排序指标：其中，R1为备选对象的第一排序指标，n为备选对象的被点击次数，m为备选对象被曝光的次数，α为调节系数、并且0≤α≤1，bid为备选对象的广告出价值，gmv为备选对象的成交额。在一些实施例中，排序装置还包括：第二排序对象数量确定模块，被配置为根据预设的反馈时间和排序模型的计算能力确定第二排序对象的数量。在一些实施例中，排序装置还包括：数据获取模块，被配置为从用户点击日志、用户订单日志中的至少一个获取用户操作数据；从用户订单日志、广告竞价系统中的至少一个获取价值指数数据。根据本专利技术一些实施例的第三个方面，提供一种排序装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器中的指令，执行前述任意一种排序方法。根据本专利技术一些实施例的第四个方面，提供一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现前述任意一种排序方法。上述专利技术中的一些实施例具有如下优点或有益效果：本专利技术的实施例在采用排序模型进行第二排序时，排序的对象并非全部备选对象、而是备选对象中的一部分对象，从而减少了排序模型的计算压力，提高了推荐效率。并且，用户在短时间内浏览的对象数量有限，因此本专利技术的方案并不会影响用户的使用体验。通过以下参照附图对本专利技术的示例性实施例的详细描述，本专利技术的其它特征及其优点将会变得清楚。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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性的前提下，还可以根据这些附图获得其他的附图。图1为根据本专利技术一些实施例的排序方法的流程示意图。图2为根据本专利技术一些实施例的排序模型训练方法的流程示意图。图3为根据本专利技术一些实施例的推荐方法的流程示意图。图4为根据本专利技术一些实施例的排序装置的结构示意图。图5为根据本专利技术一些实施例的排序装置的应用场景示意图。图6为根据本专利技术另一些实施例的排序装置的结构示意图。图7为根据本专利技术又一些实施例的排序装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本专利技术的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其本文档来自技高网...

【技术保护点】
1.一种排序方法，包括：/n根据备选对象的用户操作数据和价值指数数据计算每个备选对象的第一排序指标；/n采用第一排序指标对备选对象进行第一排序；/n获取第一排序的结果中的部分备选对象，作为第二排序对象；/n采用预先训练的排序模型对第二排序对象重新进行第二排序，以便将第二排序对象按照第二排序结果的顺序推荐给用户。/n

【技术特征摘要】
1.一种排序方法，包括：
根据备选对象的用户操作数据和价值指数数据计算每个备选对象的第一排序指标；
采用第一排序指标对备选对象进行第一排序；
获取第一排序的结果中的部分备选对象，作为第二排序对象；
采用预先训练的排序模型对第二排序对象重新进行第二排序，以便将第二排序对象按照第二排序结果的顺序推荐给用户。


2.根据权利要求1所述的排序方法，其中，获取第一排序的结果中第一排序指标最高的预设数量的对象，作为第二排序对象。


3.根据权利要求1所述的排序方法，其中，根据备选对象的用户操作数据和价值指数数据计算每个备选对象的第一排序指标包括：
采用预设公式计算每个备选对象的第一排序指标，其中，所述预设公式的自变量是根据用户操作数据和价值指数数据确定的。


4.根据权利要求3所述的排序方法，其中，采用以下公式计算第一排序指标：



其中，R1为备选对象的第一排序指标，n为备选对象的被点击次数，m为备选对象被曝光的次数，α为调节系数、并且0≤α≤1，bid为备选对象的广告出价值，gmv为备选对象的成交额。


5.根据权利要求1所述的排序方法，还包括：
根据预设的反馈时间和排序模型的计算能力确定第二排序对象的数量。


6.根据权利要...

【专利技术属性】
技术研发人员：刘逸博，李勇，姚亚飞，严严，包勇军，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11