【技术实现步骤摘要】
一种数据处理方法、装置、电子设备及存储介质
[0001]本公开涉及计算机
,具体而言,涉及一种数据处理方法、装置、电子设备及存储介质。
技术介绍
[0002]随着互联网技术的迅速发展,各行各业形成了海量数据。如何从海量数据中推荐精确的、及时的信息给予用户成为推荐系统所需解决的问题。
[0003]目前,各类推荐算法层出叠现,但是其推荐效果不尽相同。以拉新业务为例,在很多推荐算法中可以确定所推荐新用户的人数,然而,推荐的人数越多并不见得对应的推荐效果越好,也即,无法仅从推荐人数这一维度确定推荐效果。可见,如何对推荐效果进行评估是确保推荐算法有效性的根本保障。
技术实现思路
[0004]本公开实施例至少提供一种数据处理方法、装置、电子设备及存储介质,从两个层面对推荐效果进行评估,评估性能更佳。。
[0005]第一方面,本公开实施例提供了一种数据处理方法,包括:
[0006]获取至少一个被推荐用户的第一行为数据及第二行为数据;
[0007]将所述第一行为数据输入正向评估模型,确定用于正向评估推荐效果的第一评估分值,以及将所述第二行为数据输入反向评估模型,确定用于反向评估推荐效果的第二评估分值;
[0008]基于所述第一评估分值与所述第二评估分值,确定最终评估分值。
[0009]在一种可能的实施方式中,在所述至少一个被推荐用户为多个的情况下,所述确定用于反向评估推荐效果的第二评估分值,包括:
[0010]针对多个被推荐用户中的第一被推荐用户,确定所述 ...
【技术保护点】
【技术特征摘要】
1.一种数据处理方法,其特征在于,包括:获取至少一个被推荐用户的第一行为数据及第二行为数据;将所述第一行为数据输入正向评估模型,确定用于正向评估推荐效果的第一评估分值,以及将所述第二行为数据输入反向评估模型,确定用于反向评估推荐效果的第二评估分值;基于所述第一评估分值与所述第二评估分值,确定最终评估分值。2.根据权利要求1所述的方法,其特征在于,在所述至少一个被推荐用户为多个的情况下,所述确定用于反向评估推荐效果的第二评估分值,包括:针对多个被推荐用户中的第一被推荐用户,确定所述第一被推荐用户的第二行为数据及与所述第一被推荐用户关联的第二被推荐用户的第二行为数据;将所述第一被推荐用户的第二行为数据及第二被推荐用户的第二行为数据输入反向评估模型,确定所述第一被推荐用户对应的风险评估分值;将多个被推荐用户分别对应的风险评估分值进行汇总,确定所述第二评估分值。3.根据权利要求2所述的方法,其特征在于,在所述第二行为数据包括风险交易数据及风险属性数据的情况下,所述确定所述第一被推荐用户对应的风险评估分值,包括:在基于各个被推荐用户的风险交易数据确定所述第一被推荐用户与所述第二被推荐用户之间存在直接关联的情况下,确定所述第一被推荐用户对应的直接风险评估子分值;基于各个被推荐用户的风险属性数据,确定所述第一被推荐用户与所述多个被推荐用户中除所述第一被推荐用户之外的其他被推荐用户之间的间接风险评估子分值;基于所述第一被推荐用户对应的直接风险评估子分值及间接风险评估子分值,确定所述第一被推荐用户对应的风险评估分值。4.根据权利要求3所述的方法,其特征在于,所述确定所述第一被推荐用户对应的直接风险评估子分值,包括:在确定所述第一被推荐用户与至少一个所述第二被推荐用户之间存在直接关联的情况下,确定所述第一被推荐用户相对每个所述第二被推荐用户的直接风险评估子分值;将相对至少一个所述第二被推荐用户的直接风险评估子分值进行求和,确定所述第一被推荐用户对应的直接风险评估子分值。5.根据权利要求4所述的方法,其特征在于,在相对每个所述第二被推荐用户包括有多个直接风险评估子分值的情况下,所述确定所述第一被推荐用户相对每个所述第二被推荐用户的直接风险评估子分值,包括:针对每个所述第二被推荐用户,获取所述第一被推荐用户与所述第二被推荐用户之间的多个边权重系数;基于相对所述第二被推荐用户的多个直接风险评估子分值及与每个直接风险评估子分值对应的边权重系数之间的加权求和,确定所述第一被推荐用户相对所述第二被推荐用户的直接风险评估子分值。6.根据权利要求3所述的方法,其特征在于,所述确定所述第一被推荐用户与所述多个被推荐用户中除所述第一被推荐用户之外的其他被推荐用户之间的间接风险评估子分值,包括:针对所述多个被推荐用户中除所述第一被推荐用户之外的...
【专利技术属性】
技术研发人员:宋尚琨,汤韬,高鹏飞,聂艳峰,彭伟,潘婧,陈滢,赵金涛,郑建宾,金晓玲,
申请(专利权)人:中国银联股份有限公司,
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。