【技术实现步骤摘要】
推荐模型的效果评估方法及装置
[0001]本申请涉及计算机
，尤其涉及一种推荐模型的效果评估方法及装置。
技术介绍
[0002]当前，以抖音、快手为例的短视频平台，大量使用去中心化的推荐模型(推荐算法)进行内容分发。为了设计更好的推荐模型，现有技术中，在设计好推荐模型之后，通常会采用快速迭代配合线上A/B Test的方式，并在用户授权的情况下，线上获取用户的行为日志，然后根据用户的行为日志来评估相关指标，然后根据相关指标来对设计的推荐模型进行评估。比如，通过用户行为指标来对推荐模型进行评估，其中，用户行为指标包括曝光量、浏览量、点击率、点赞量、评论量、转发量、完播率等。又比如，通过评估产品生态指标对推荐模型进行评估，包括日活跃用户数量、渗透率、人均停留时长等。
[0003]然而，专利技术人发现，现有的推荐模型评估方法，在评估时，仅仅采用的是产品内孤立的用户行为日志的，而一些其他相关数据被忽略，导致现有的评估方式得到的评估结果不准确。
技术实现思路
[0004]有鉴于此，现提供一种推荐模型的效果评...
【技术保护点】
【技术特征摘要】
1.一种推荐模型的效果评估方法，其特征在于，包括：获取待测用户集中的每一个待测用户对待测动态集中的每一个推荐数据的第一历史互动数据和历史行为日志，并根据所述第一历史互动数据和所述历史行为日志确定所述每一个待测用户对每一个推荐数据的文本情感值；获取所述每一个待测用户对待测动态集中的每一个推荐数据的上传者的第二历史互动数据和历史关系数据，并根据所述第一历史互动数据、所述第二历史互动数据和所述历史关系数据确定所述每一个待测用户对每一个推荐数据的上传者的用户情感值；根据所述文本情感值及所述用户情感值确定所述每一个待测用户对每一个推荐数据的情感倾向值；根据第一预设数量的待测用户分别对第二预设数量的推荐数据的情感倾向值确定推荐模型的推荐效果。2.根据权利要求1所述的推荐模型的效果评估方法，其特征在于，所述获取待测用户集中的每一个待测用户对待测动态集中的每一个推荐数据的第一历史互动数据和历史行为日志，并根据所述第一历史互动数据和所述历史行为日志确定所述每一个待测用户对每一个推荐数据的文本情感值包括：获取待测用户集中的每一个待测用户对待测动态集中的每一个推荐数据的第一历史互动数据，并根据所述第一历史互动数据确定所述每一个待测用户对每一个推荐数据的第一情感值；获取所述每一个待测用户对待测动态集中的每一个推荐数据的历史行为日志，并根据所述历史行为日志确定所述每一个待测用户对每一个推荐数据的第二情感值；根据所述第一情感值与所述第二情感值确定所述每一个待测用户对每一个推荐数据的文本情感值。3.根据权利要求2所述的推荐模型的效果评估方法，其特征在于，所述第一历史互动数据包括历史评论数据及历史弹幕数据，所述根据所述第一历史互动数据确定所述每一个待测用户对每一个推荐数据的第一情感值包括：基于词典的中文文本情感分析算法分别对所述历史评论数据及所述历史弹幕数据进行情感分析，得到评论情感值与弹幕情感值；根据所述评论情感值与所述弹幕情感值确定所述每一个待测用户对每一个推荐数据的第一情感值。4.根据权利要求2所述的推荐模型的效果评估方法，其特征在于，所述历史行为日志包括历史正向行为数据与历史负向行为数据，所述根据所述历史行为日志确定所述每一个待测用户对每一个推荐数据的第二情感值包括：根据所述历史正向行为数据与所述历史负向行为数据确定所述每一个待测用户对每一个推荐数据的第二情感值。5.根据权利要1所述的推荐模型的效果评估方法，其特征在于，所述获取所述每一个待测用户对待测动态集中的每一个推荐数据的上传者的第二历史互动数据和历史关系数据，并根据所述第一历史互动数据、所述第二历史互动数据和所述历史关系数据确定所述每一个待测用户对每一个推荐数据的上传者的用户情感值包括：获取所述每一个待测用户对待测动态集中的每一个推荐数据的上传者的第二历史互
动数据，并根据所述第二历史互动数据确定所述每一个待测用户对每一个推荐数据的上传者的第三情感值；获取所述每一个待测用户对待测动态集中的每一个推荐数据的第一历史互动数据，并根据所述第一历史互动数据及所述第一历史互动数据的数量确定所述每一个待测用户对每一个推荐数据的上传者的第四情感值；获取所述每一个待测用户与待测动态集中的每一个推荐数据的上传者的历史关系数据，并根据所述历史关系数据确定所述每一个待测用户对每一个推荐数据的上传者的第五情感值；根据...
【专利技术属性】
技术研发人员：程浩宇，沈湘，
申请(专利权)人：上海幻电信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。