一种推荐方法、电子设备技术

本发明专利技术公开了一种推荐方法，其中，方法包括：步骤S1：在场景中新建版本，并在该版本中保存若干不同的推荐策略组合；步骤S2：选中一个推荐策略组合，采用自动机器学习平台对选中的所述推荐策略组合执行模型训练，得到推荐版本；步骤S3：测试所述推荐版本，得到推荐结果；步骤S4：根据所述推荐结果对比场景并分析模型训练信息，得到分析结果，若确认该分析结果，则将当前的推荐结果作为最优推荐结果，否则，修改相应的策略组合参数，再返回执行步骤S2，直至得到最优推荐结果。本发明专利技术基于场景版本的技术，引用自动特征工程，并对推荐中的召回和排序策略进行逐场景版本迭代训练，为精细化调整推荐策略提供了有效的手段，提高推荐的准确度。度。度。

【技术实现步骤摘要】
一种推荐方法、电子设备


[0001]本专利技术涉及人工智能领域，尤其是一种推荐方法、电子设备。

技术介绍

[0002]推荐系统是互联网时代的一种信息检索工具，自上世纪90年代起，人们便认识到了推荐系统的价值，经过了二十多年的积累和沉淀，推荐系统逐渐成为一门独立的学科在学术研究和业界应用中都取得了很多成果，而如何利用推荐系统向用户推荐符合用户需求的信息，即较为合适的推荐方法，这是本领域技术人员一直追求的目标。
[0003]现以电商领域为例，在电商领域中，如何将适当的产品在合适的时间推荐给合适的用户，这是一个较难克服的问题，在一次销售过程，是由卖品、卖方、买方和平台组成，而推荐方法则是辅助平台将卖品推荐给买方，在这其中，推荐方法的好坏关系着卖方的成单量与平台的收益，最直接的表面就是平台的GMV，为了解决现有技术中存在的推荐方法不能向用户推荐较为合适的产品的问题，就需要描述用户的特征，匹配卖品特性。现在一般的做法是根据用户的本体信息(如性别、年龄、地域)、购买习惯来推荐相应的卖品，但这些关键的用户特性与卖品特性，是随着时间、空间不断变化的，因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种推荐方法，其特征在于，包括以下步骤：步骤S1：在场景中新建版本，并在该版本中保存若干不同的推荐策略组合；步骤S2：选中一个推荐策略组合，采用自动机器学习平台对选中的所述推荐策略组合执行模型训练，得到推荐版本；步骤S3：测试所述推荐版本，得到推荐结果；步骤S4：根据所述推荐结果对比场景并分析模型训练信息，得到分析结果，若确认该分析结果，则将当前的推荐结果作为最优推荐结果，否则，修改相应的策略组合参数，再返回执行步骤S2，直至得到最优推荐结果。2.根据权利要求1所述的推荐方法，其特征在于，所述步骤S1中的所述场景为新建场景。3.根据权利要求2所述的推荐方法，其特征在于，所述步骤S1包括：设置场景名称；选择数据源；以及设定推荐数据量。4.根据权利要求1所述的推荐方法，其特征在于，所述推荐策略组合包括召回策略、召回模型、排序策略和排序模型。5.根据权利要求1所述的推荐方法，其特征在于，所述步骤S2中，所述自动机器学习平台包括场景应用和机器学习模块，所述场景应用调用机器学习模块，将选中的所述推荐策略组合数据，作为参数发送给机器学习模块，所述机器学习模块采用自动机器学习技术执行模型训练。6.根据权利要求1所述的推荐方法，其特征在于，所述推荐方法还包括，步骤S5：将所述最优推荐结果作为场景版本上线，并将上线的场景版本接入业务系统。7.根据权利要求6所述的推荐方法，其特征在于，在所述场景版本上线之前，还包括：重建若干第一新版本，若干所述第一新版本选择从所述当前场景版本中克隆，利用所述自动机器学习平台分别对若干所述第一新版本执行模型训练、...

【专利技术属性】
技术研发人员：简仁贤，马永宁，刘晓辉，
申请(专利权)人：竹间智能科技上海有限公司，
类型：发明
国别省市：