推荐系统中的模型确定方法、装置、电子设备和存储介质制造方法及图纸

本申请提供了一种推荐系统中的模型确定方法、装置、电子设备和存储介质，属于沙箱技术领域。所述方法包括：通过推荐引擎获取推荐请求日志，其中，所述推荐请求日志是基于推荐请求事件生成的，所述推荐请求日志中携带有所述推荐请求事件的实时特征；通过所述推荐引擎将所述推荐请求日志送入沙箱，其中，所述沙箱中的业务流程与实际业务流程相同，所述沙箱中的业务流程中包括目标推荐模型；通过所述目标推荐模型对所述实时特征进行分析，得到所述目标推荐模型输出的推荐结果；在确定所述推荐结果的监测指标满足预设条件的情况下，确定所述目标推荐模型能够应用于推荐系统中。本申请通过提高模型推荐结果与线上实际应用效果的一致性。

【技术实现步骤摘要】
推荐系统中的模型确定方法、装置、电子设备和存储介质
本申请涉及沙箱
，尤其涉及一种推荐系统中的模型确定方法、装置、电子设备和存储介质。
技术介绍
在推荐系统的工业场景的应用过程中，出于推荐效果持续优化的需要，业务方往往持续迭代更新模型，目前更新模式是过程为:技术人员进行线上流量的模拟，并将模拟后的流量进行存储，然后由技术人员根据离线存储好的流量数据进行模型流量请求，并记录模型的预测结果，对预测结果进行分析并与线上分析结果进行对比，以确定离线模型的预测效果。若迭代后的模型验证效果优于线上，则进行线上模型的替换。在离线模型预测过程中，由于实时特征及样本的差异，模型的离线预测结果无法保证与线上的实际应用效果完全一致。若采用离线的模型替换线上模型，并开启线上的小流量测试，会导致线上的实际业务由于模型的不同造成波动。
技术实现思路
本申请实施例的目的在于提供一种推荐系统中的模型确定方法、装置、电子设备和存储介质，以解决模型预测结果与实际应用效果不一致的问题。具体技术方案如下：第一方面，提供了一种推荐系统中的模型确定方法，所述方法包括：通过推荐引擎获取推荐请求日志，其中，所述推荐请求日志是基于推荐请求事件生成的，所述推荐请求日志中携带有所述推荐请求事件的实时特征；通过所述推荐引擎将所述推荐请求日志送入沙箱，其中，所述沙箱中的业务流程与实际业务流程相同，所述沙箱中的业务流程中包括目标推荐模型；通过所述目标推荐模型对所述实时特征进行分析，得到所述目标推荐模型输出的推荐结果；在确定所述推荐结果的监测指标满足预设条件的情况下，确定所述目标推荐模型能够应用于推荐系统中。可选地，所述通过所述目标推荐模型对所述实时特征进行分析，得到所述目标推荐模型输出的推荐结果包括：获取所述目标推荐模型基于所述推荐请求日志中的实时特征得到的初始推荐物品列表；通过运营策略对所述推荐物品列表进行信息分析，得到更新后的第一推荐物品列表，其中，所述信息分析包括查询聚合、重排序、人群定向；通过处理方案对所述第一推荐物品列表进行处理，得到第二推荐物品列表，其中，所述处理方案包括风险控制、业务兜底和财务分析；通过所述目标推荐模型输出所述第二推荐物品列表。可选地，在确定所述推荐结果的监测指标满足预设条件的情况下确定所述目标推荐模型能够应用于推荐系统中包括：通过监测系统对所述第二推荐物品列表进行数据分析，得到多个监测指标；在预设时长内所述多个监测指标满足预设指标条件的情况下，对所述目标推荐模型进行标注；通过标注后的目标推荐模型进行实际业务流程中的AB测试；在所述标注后的目标推荐模型测试通过的情况下，将所述标注后的目标推荐模型应用于所述推荐系统中。可选地，通过所述推荐引擎将所述推荐请求日志送入沙箱包括：通过所述推荐引擎将所述推荐请求日志送入日志聚合系统，得到多个待选推荐请求日志，其中，所述日志聚合系统用于收集、聚合和移动多个推荐请求日志；通过所述日志聚合系统将所述多个待选推荐请求日志送入消息队列，以通过所述消息队列将所述待选推荐请求日志输入所述沙箱的目标推荐模型中；配置所述沙箱所使用的流量比例，其中，所述流量比例用于从多个待选推荐请求事件中选取出推荐请求事件。可选地，通过推荐引擎获取推荐请求日志之前，所述方法还包括：在监测到推荐请求事件的情况下，对所述推荐请求事件携带的推荐请求数据进行推荐预处理，得到推荐预处理后的推荐请求事件，其中，所述推荐预处理包括风险决策、在线数据组装和模型特征准备；在所述推荐预处理后的推荐请求事件的流量经过所述推荐引擎的情况下，通过所述推荐引擎采用异步方式获取所述推荐请求日志，其中，所述推荐预处理后的推荐请求事件携带有所述推荐请求日志。可选地，所述实时特征包括离线特征，通过推荐引擎获取推荐请求日志之前，所述方法还包括：在监测到推荐请求事件的情况下，对所述推荐请求事件携带的推荐请求数据进行数据预处理，其中，所述数据预处理包括抽取、转换和加载；提取所述数据预处理后的推荐请求数据中的离线特征，其中，所述离线特征包括消费特征、风险特征、人口学属性和收益特征。可选地，通过所述目标推荐模型对所述实时特征进行分析之前，所述方法还包括：将样本实时特征输入初始推荐模型，得到所述初始推荐模型输出的预估推荐物品列表；在所述预估推荐物品列表与实际物品推荐列表不一致的情况下，调整所述初始推荐模型的参数，直至得到的预估推荐物品列表与所述实际物品推荐列表一致；将调整参数后的初始推荐模型作为所述目标推荐模型。第二方面，提供了一种推荐系统中的模型确定装置，所述装置包括：获取模块，用于通过推荐引擎获取推荐请求日志，其中，所述推荐请求日志是基于推荐请求事件生成的，所述推荐请求日志中携带有所述推荐请求事件的实时特征；送入模块，用于通过所述推荐引擎将所述推荐请求日志送入沙箱，其中，所述沙箱中的业务流程与实际业务流程相同，所述沙箱中的业务流程中包括目标推荐模型；分析模块，用于通过所述目标推荐模型对所述实时特征进行分析，得到所述目标推荐模型输出的推荐结果；确定模块，用于在确定所述推荐结果的监测指标满足预设条件的情况下，确定所述目标推荐模型能够应用于推荐系统中。第三方面，提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现任一所述的一种推荐系统中的模型确定方法步骤。第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现任一所述的一种推荐系统中的模型确定方法步骤。本申请实施例有益效果：本申请涉及推荐技术中的推荐系统架构领域，本申请实施例提供了一种推荐系统中的模型确定方法，服务器通过推荐引擎获取推荐请求日志，然后通过推荐引擎将推荐请求日志送入沙箱，通过目标推荐模型对实时特征进行分析，得到目标推荐模型输出的推荐结果，最后在确定推荐结果的监测指标满足预设条件的情况下，确定目标推荐模型能够应用于推荐系统中。在本申请中，服务器通过设置沙箱中的业务流程与实际业务流程相同，并采用推荐请求日志，可以使沙箱环境的全部流量来源于线上业务中推荐请求日志实时采集的结果，并在沙箱的模型验证环节使用同线上环境相同的系统处理逻辑，确保沙箱环境的请求数据和业务流程均与线上一致，提高了沙箱环境的模型实验的真实性，提高模型推荐结果与线上实际应用效果的一致性。当然，实施本申请的任一产品或方法并不一定需要同时达到以上的所有优点。附图说明为了更清楚地说明本申请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，对于本领域普通技术人员而言，在不付出创造性本文档来自技高网...

【技术保护点】
1.一种推荐系统中的模型确定方法，其特征在于，所述方法包括：/n通过推荐引擎获取推荐请求日志，其中，所述推荐请求日志是基于推荐请求事件生成的，所述推荐请求日志中携带有所述推荐请求事件的实时特征；/n通过所述推荐引擎将所述推荐请求日志送入沙箱，其中，所述沙箱中的业务流程与实际业务流程相同，所述沙箱中的业务流程中包括目标推荐模型；/n通过所述目标推荐模型对所述实时特征进行分析，得到所述目标推荐模型输出的推荐结果；/n在确定所述推荐结果的监测指标满足预设条件的情况下，确定所述目标推荐模型能够应用于推荐系统中。/n

【技术特征摘要】
1.一种推荐系统中的模型确定方法，其特征在于，所述方法包括：
通过推荐引擎获取推荐请求日志，其中，所述推荐请求日志是基于推荐请求事件生成的，所述推荐请求日志中携带有所述推荐请求事件的实时特征；
通过所述推荐引擎将所述推荐请求日志送入沙箱，其中，所述沙箱中的业务流程与实际业务流程相同，所述沙箱中的业务流程中包括目标推荐模型；
通过所述目标推荐模型对所述实时特征进行分析，得到所述目标推荐模型输出的推荐结果；
在确定所述推荐结果的监测指标满足预设条件的情况下，确定所述目标推荐模型能够应用于推荐系统中。


2.根据权利要求1所述的方法，其特征在于，所述通过所述目标推荐模型对所述实时特征进行分析，得到所述目标推荐模型输出的推荐结果包括：
获取所述目标推荐模型基于所述推荐请求日志中的实时特征得到的初始推荐物品列表；
通过运营策略对所述推荐物品列表进行信息分析，得到更新后的第一推荐物品列表，其中，所述信息分析包括查询聚合、重排序、人群定向；
通过处理方案对所述第一推荐物品列表进行处理，得到第二推荐物品列表，其中，所述处理方案包括风险控制、业务兜底和财务分析；
通过所述目标推荐模型输出所述第二推荐物品列表。


3.根据权利要求2所述的方法，其特征在于，在确定所述推荐结果的监测指标满足预设条件的情况下确定所述目标推荐模型能够应用于推荐系统中包括：
通过监测系统对所述第二推荐物品列表进行数据分析，得到多个监测指标；
在预设时长内所述多个监测指标满足预设指标条件的情况下，对所述目标推荐模型进行标注；
通过标注后的目标推荐模型进行实际业务流程中的AB测试；
在所述标注后的目标推荐模型测试通过的情况下，将所述标注后的目标推荐模型应用于所述推荐系统中。


4.根据权利要求1所述的方法，其特征在于，通过所述推荐引擎将所述推荐请求日志送入沙箱包括：
通过所述推荐引擎将所述推荐请求日志送入日志聚合系统，得到多个待选推荐请求日志，其中，所述日志聚合系统用于收集、聚合和移动多个推荐请求日志；
通过所述日志聚合系统将所述多个待选推荐请求日志送入消息队列，以通过所述消息队列将所述待选推荐请求日志输入所述沙箱的目标推荐模型中；
配置所述沙箱所使用的流量比例，其中，所述流量比例用于从多个待选推荐请求事件中选取出推荐请求事件。


5.根据权利要求1所述的方法，其特征在于，通过推荐引擎获取推荐请求日志之前，所述方法还包括：
在监测到推荐请求事...

【专利技术属性】
技术研发人员：战凯，
申请(专利权)人：北京明略昭辉科技有限公司，
类型：发明
国别省市：北京;11