本申请公开了一种推荐方法、推荐装置、电子设备及计算机可读存储介质，所述方法包括：响应于推荐请求，向多个推荐模型发送所述推荐请求；所述多个推荐模型之间的建模约束条件之间是非互斥的；接收所述多个推荐模型分别反馈的所述推荐请求对应的推荐结果及所述推荐结果对应的预测概率；所述预测概率表征预测概率对应的推荐结果被采纳的可能性；将不小于预测推荐阈值的预测概率对应的推荐结果作为所述推荐请求的最终推荐结果。本申请提供的推荐方法是一种基于建模约束条件非互斥的多个推荐模型混合部署的推荐方法，解决了现有的推荐方法存在的因调整建模约束条件而导致的推荐模型效果差及推荐模型部署不灵活的问题。型效果差及推荐模型部署不灵活的问题。型效果差及推荐模型部署不灵活的问题。
【技术实现步骤摘要】
推荐方法与推荐装置、电子设备及计算机可读存储介质
[0001]本申请涉及人工智能
，尤其涉及一种推荐方法、推荐装置、电子设备以及计算机可读存储介质。
技术介绍
[0002]随着信息技术和互联网的发展，信息过载已经成为消费者和生产者共同面对的挑战，推荐系统能够帮助用户快速发现有用的信息，推荐系统不需要用户提供明确的需求，而是通过根据大数据分析建立的推荐模型为用户推荐用户可能感兴趣的信息，比如：物品、电影、道具等。推荐系统被广泛应用于电子商务领域、线上服务领域、游戏领域等多种领域中。
[0003]现有的推荐方法是将样本进行互斥分流形成多个子样本集合，然后分别对各个子样本集合进行推荐模型的构建。每一个推荐模型有其对应的建模约束条件，当推荐模型因部署需求，需要调整建模约束条件时，一方面，使得推荐模型的干扰因素随着样本的增多而增加，或者推荐模型的训练样本随着建模约束条件的限缩而下降，导致模型推荐效果变差；另一方面，建模约束条件的调整需重新部署和评估推荐模型，导致推荐模型部署不够灵活。
[0004]因此，现有的推荐方法存在因调整建模约束条件而导致的推荐模型效果差及推荐模型部署不灵活的问题。
技术实现思路
[0005]本申请提供一种推荐方法、推荐装置、电子设备及计算机可读存储介质，以解决现有的推荐方法存在因调整建模约束条件而导致的推荐模型效果差及推荐模型部署不灵活的问题。
[0006]本申请实施例提供了一种推荐方法，包括：
[0007]响应于推荐请求，向多个推荐模型发送所述推荐请求；所述多个推荐模型之间的建模约束条件之间是非互斥的；
[0008]接收所述多个推荐模型分别反馈的所述推荐请求对应的推荐结果及所述推荐结果对应的预测概率；所述预测概率表征预测概率对应的推荐结果被采纳的可能性；
[0009]将不小于预测推荐阈值的预测概率对应的推荐结果作为所述推荐请求的最终推荐结果。
[0010]可选的，所述方法还包括：根据推荐模型的建模约束条件拟合并构建推荐模型。
[0011]可选的，所述根据推荐模型的建模约束条件拟合并构建推荐模型，包括：
[0012]以历史时段中所述建模约束条件对应的样本集合作为训练数据，对所述推荐模型进行训练；
[0013]获取达到预设标准的所述推荐模型，所述预设标准包括预设的准确率标准和/或预设的召回率标准。
[0014]可选的，所述方法还包括：为每个所述推荐模型配置一个守护进程，所述守护进程用于承载所述推荐模型对所述推荐请求的计算。
[0015]可选的，所述方法还包括：获取推荐模型服务列表；处于所述推荐模型服务列表中的所述推荐模型为守护进程运行成功的所述推荐模型。
[0016]可选的，所述方法还包括：响应于所述推荐请求，从所述推荐模型服务列表中获取多个所述推荐模型。
[0017]可选的，所述方法还包括：根据所述推荐模型配置的所述守护进程的运行状况，增加或剔除所述推荐模型。
[0018]可选的，所述方法还包括：构建所述推荐请求对应的计时器，所述计时器上设置有限制所述推荐模型反馈所述推荐请求对应的推荐结果的时间的时间阈值。
[0019]可选的，所述响应于推荐请求，向多个推荐模型发送所述推荐请求，包括：响应于所述推荐请求，向多个所述推荐模型发送所述推荐请求并同时启动所述推荐请求对应的计时器。
[0020]可选的，所述方法还包括：根据所述计时器初步筛选所述推荐请求对应的推荐结果，具体为：
[0021]若所述推荐模型反馈所述推荐请求对应的推荐结果的时间超出所述时间阈值，则所述推荐结果为无效结果；
[0022]若所述推荐模型反馈所述推荐请求对应的推荐结果的时间未超出所述时间阈值，则所述推荐结果为有效结果。
[0023]可选的，所述方法还包括：根据配置指令，对所述推荐模型针对所述推荐请求对应的推荐结果的预测概率进行配置。
[0024]可选的，所述方法还包括：响应于多个推荐请求，所述推荐模型分别反馈每个所述推荐请求对应的推荐结果及所述推荐结果对应的预测概率。
[0025]可选的，所述将不小于预测推荐阈值的预测概率对应的推荐结果作为所述推荐请求的最终推荐结果，包括：
[0026]将不小于预测推荐阈值的预测概率对应的所述推荐结果按照所述预测概率由大到小进行排序；
[0027]按照预设的所述推荐结果数量，将排序在前的一个或者多个所述推荐结果作为所述推荐请求的最终推荐结果。
[0028]本申请实施例还提供了一种推荐装置，包括：推荐请求发送单元、推荐结果接收单元、推荐结果选择单元；
[0029]所述推荐请求发送单元，用于响应于推荐请求，向多个推荐模型发送所述推荐请求；所述多个推荐模型之间的建模约束条件之间是非互斥的；
[0030]所述推荐结果接收单元，用于接收所述多个推荐模型分别反馈的所述推荐请求对应的推荐结果及所述推荐结果对应的预测概率；所述预测概率表征预测概率对应的推荐结果被采纳的可能性；
[0031]所述推荐结果选择单元，用于将不小于预测推荐阈值的预测概率对应的推荐结果作为所述推荐请求的最终推荐结果。
[0032]本申请实施例还提供了一种电子设备，包括：存储器、处理器；
[0033]所述存储器，用于存储一条或多条计算机指令；
[0034]所述处理器，用于执行所述一条或多条计算机指令，以实现上述方法。
[0035]本申请实施例还提供了一种计算机可读存储介质，其上存储有一条或多条计算机指令，该指令被处理器执行时，执行上述方法。
[0036]与现有技术相比，本申请提供的推荐方法，通过向建模约束条件非互斥的多个推荐模型发送推荐请求，建模约束条件非互斥的多个推荐模型会针对所述推荐请求，分别反馈所述推荐请求对应的推荐结果，同时反馈所述推荐结果对应的预测概率，预测概率的大小表示对应的推荐结果被采纳的可能性大小，因此可以根据预测概率的大小筛选最终的推荐结果。本申请提供的推荐方法是一种基于建模约束条件非互斥的多个推荐模型混合部署的推荐方法，一方面，该推荐方法并不依赖于某一个建模约束条件下的推荐模型，在需要调整推荐模型的建模约束条件时，可以针对新的建模约束条件构建一个新的推荐模型，并不需要对原推荐模型进行建模约束条件的调整，或者在调整其中一个推荐模型的建模约束条件时，由于不同推荐模型的建模约束条件之间是非互斥的，因此，不会影响任何一个推荐模型的推荐效果；另一个方面，该推荐方法是基于多个推荐模型混合部署的推荐方法，新构建的推荐模型只要部署在原推荐模型集合中即可，或者只需要对需要调整的推荐模型的建模约束条件进行调整，并不需要对原推荐模型或者其他推荐模型进行重新部署与评估，因此，推荐模型的部署更加灵活。本申请提供的推荐方法解决了现有的推荐方法存在的因调整建模约束条件而导致的推荐模型效果差及推荐模型部署不灵活的问题。
附图说明
[0037]图1是本申请实施例提供的一种推荐方法的应用系统图；
...
【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：响应于推荐请求，向多个推荐模型发送所述推荐请求；所述多个推荐模型之间的建模约束条件之间是非互斥的；接收所述多个推荐模型分别反馈的所述推荐请求对应的推荐结果及所述推荐结果对应的预测概率；所述预测概率表征预测概率对应的推荐结果被采纳的可能性；将不小于预测推荐阈值的预测概率对应的推荐结果作为所述推荐请求的最终推荐结果。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据推荐模型的建模约束条件拟合并构建推荐模型。3.根据权利要求2所述的方法，其特征在于，所述根据推荐模型的建模约束条件拟合并构建推荐模型，包括：以历史时段中所述建模约束条件对应的样本集合作为训练数据，对所述推荐模型进行训练；获取达到预设标准的所述推荐模型，所述预设标准包括预设的准确率标准和/或预设的召回率标准。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：为每个所述推荐模型配置一个守护进程，所述守护进程用于承载所述推荐模型对所述推荐请求的计算。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：获取推荐模型服务列表；处于所述推荐模型服务列表中的所述推荐模型为守护进程运行成功的所述推荐模型。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：响应于所述推荐请求，从所述推荐模型服务列表中获取多个所述推荐模型。7.根据权利要求5所述的方法，其特征在于，所述方法还包括：根据所述推荐模型配置的所述守护进程的运行状况，增加或剔除所述推荐模型。8.根据权利要求1所述的方法，其特征在于，所述方法还包括：构建所述推荐请求对应的计时器，所述计时器上设置有限制所述推荐模型反馈所述推荐请求对应的推荐结果的时间的时间阈值。9.根据权利要求8所述的方法，其特征在于，所述响应于推荐请求，向多个推荐模型发送所述推荐请求，包括：响应于所述推荐请求，向多个所述推荐模型发送所述推荐请求并同时启动所述推荐请求对应的计时器。10.根据权利要求8所述的方法，其特征在于，所述方法还包括：根据所述计时器初步筛选所述...
【专利技术属性】
技术研发人员：徐帅，刘勇成，胡志鹏，袁思思，程龙，
申请(专利权)人：网易杭州网络有限公司，
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。