一种基于特征权重模型推荐系统及推荐结果可解释性方法技术方案

本发明专利技术涉及到一种基于特征权重模型推荐系统的推荐结果可解释性方法，该方法融合多路召回策略名、排序模型TopK权重特征和后处理规则名实现推荐系统推荐结果的可解释性，当产生推荐请求时，推荐系统会经过召回、排序和后处理过程处理待推荐物料，获得推荐结果返回给请求方，还涉及到一种基于特征权重模型推荐系统。本发明专利技术方法和系统可有效解释物料ID在推荐结果存在的原因和相对位置顺序的原因，避免了推荐结果完全黑盒性质的不可解释，从这个角度完善了推荐系统可解释性。完善了推荐系统可解释性。完善了推荐系统可解释性。

【技术实现步骤摘要】
一种基于特征权重模型推荐系统及推荐结果可解释性方法


[0001]本专利技术涉及到人工智能，特别涉及到一种基于特征权重模型推荐系统的推荐结果可解释性方法。

技术介绍

[0002]推荐系统越来越深入到人们的日常生活当中，面向广大用户联接成千上万的物料资源数据，为每个人带来专属的推荐结果空间，达到千人千面的个性化推荐效果。
[0003]推荐系统一般包含召回、排序和后处理等几个主要过程或模块，推荐结果往往是这些过程或模块综合作用的结果，但在一些领域或行业，对于推荐结果可解释性越发提出了清晰而细致的要求，这对于我们深入理解推荐系统内部过程或模型的作用域和输入输出提出了新的挑战。
[0004]中国专利技术专利202110151400.2公开了一种基于知识图谱的可解释推荐系统，该专利技术专利提供了很高的预测精度，同时提高非常搞笑的解释目的，具有很高的实用价值和推广价值。但是该方面采用了基于知识图谱的可推荐系统，属于一种推荐解释方案情形，应用范围有限。除此之外，现有推荐系统的召回过程可以归纳为多路(模型或策略)召回和单一深度模型召回，排序过程一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征权重模型推荐系统的推荐结果可解释性方法，其特征在于，该方法融合多路召回策略名、排序模型TopK权重特征和后处理规则名实现推荐系统推荐结果的可解释性，有效解释物料ID在推荐结果中存在的原因和相对位置顺序排列的原因，该方法具体包括实现步骤：第一步，推荐请求，当产生推荐请求时，推荐系统经过后续召回、排序和后处理过程处理待推荐物料；第二步，召回过程，获得多路召回的召回策略名；第三步，排序过程，获得排序模型TopK权重特征，并记录单次排序预测时的特征值，筛选出本次排序预测的重点特征；第四步，后处理过程，获得后处理过程作用在推荐结果上的各类规则名；第五步，获得推荐结果，解释推荐结果，基于召回策略名、排序重点特征和后处理规则名完成解释；第六步，完成推荐结果的可解释呈现，将获得的推荐结果返回给请求方。2.根据权利要求1所述的一种基于特征权重模型推荐系统的推荐结果可解释性方法，其特征在于，所述第二步中推荐系统的采用多路召回过程，记录下召回结果集中各个物料ID产生的召回策略名recall_name、召回策略权重recall_weight和相对位置顺序recall_position。3.根据权利要求1所述的一种基于特征权重模型推荐系统的推荐结果可解释性方法，其特征在于，所述第三步中将召回结果传入排序过程，通过排序模型预测召回结果各个物料ID的点击概率，以此作为将重新排序的依据，获得排序结果，该过程中涉及到排序模型的模型选择、特征工程、模型训练和模型预测流程。4.根据权利要求3所述的一种基于特征权重模型推荐系统的推荐结果可解释性方法，其特征在于，所述排序模型选择中，选择可体现特征权重的排序模型，包括有LR模型，LR模型公式：上式中，x表示特征Feature，xi表示某一个特征值，wi表示该特征对应的特征权重，经过对所有特征值feature_value进行归一化操作，将特征值域空间压缩为[0,1]，对LR模型进行训练，获得所有特征Feature对应的特征权重w。5.根据权利要求4所述的一种基于特征权重模型推荐系统的推荐结果可解释性方法，其特征在于，在特征工程中，进行特征选择、特征预处理、特征构造、特征交叉及特征后处理环节获得最后待输入排序模型的特征Feature和特征值feature_value。6.根据权利要求4所述的一种基于特征权重模型推荐系统的推荐结果可解释性方法，其特征在于，在对LR模型进行训练时，将特征Feature输入排序模型，通...

【专利技术属性】
技术研发人员：谢志军，刘文海，于敬，石京京，王灿，丁佼，李文聪，陈运文，纪达麒，
申请(专利权)人：达而观信息科技上海有限公司，
类型：发明
国别省市：