本公开是关于一种数据处理方法、装置及存储介质。该方法包括：确定初始推荐模型的当前权重参数；其中，推荐模型包括至少一个待融合目标，每个待融合目标对应一个权重参数，各个待融合目标分别对应不同的推荐结果；基于当前权重参数和针对目标用户生成的扰动噪声参数，得到目标用户对应的扰动权重参数；基于扰动权重参数对各个待融合目标对应的推荐结果进行融合处理，得到目标用户对应的扰动推荐结果；基于扰动推荐结果和当前权重参数，得到目标权重参数；基于目标权重参数对初始推荐模型进行更新，得到目标推荐模型。大大降低了推荐系统的维护成本；不再局限于固定权重；离线计算好权重参数后实时部署到线上，能够实现个性化、场景化的推荐。场景化的推荐。场景化的推荐。
【技术实现步骤摘要】
数据处理方法、装置及存储介质
[0001]本公开涉及计算机通信领域，尤其涉及一种数据处理方法、装置及存储介质。
技术介绍
[0002]随着当今技术的飞速发展，互联网上的数据量也与日俱增，人们越来越感觉在海量数据面前束手无策。一般可以通过设置推荐系统来解决信息过载的问题。推荐系统的主要特点在人们没有明确的目的，或者目的是模糊的情况下，将用户的历史行为，或者用户的兴趣偏好，或者用户的人口统计学特征发送给推荐算法，然后运用推荐算法来产生用户可能感兴趣的项目列表，这时，用户是被动的。
[0003]由于单个目标存在数据偏差，因此，当前的推荐系统往往会考虑多个目标共同建模。如何对多个目标进行融合来决定内容最终的排序是亟待解决的问题。相关技术中，推荐系统是通过人工设置的参数决定不同目标的权重，该方式不仅过于依赖规则设计，而且需要依赖人工进行参数调节，维护成本高，且固定权重，缺少个性化、场景化。
技术实现思路
[0004]为克服相关技术中存在的问题，本公开提供一种数据处理方法、装置及存储介质。以克服推荐系统通过人工设置的参数决定不同目标的权重，导致过于依赖规则设计，而且需要依赖人工进行参数调节，维护成本高，且固定权重，缺少个性化、场景化的问题。
[0005]根据本公开实施例的第一方面，提供一种数据处理方法，包括：
[0006]确定初始推荐模型的当前权重参数；其中，推荐模型包括至少一个待融合目标，每个所述待融合目标对应一个权重参数，各个所述待融合目标分别对应不同的推荐结果；
[0007]基于所述当前权重参数和针对目标用户生成的扰动噪声参数，得到所述目标用户对应的扰动权重参数；
[0008]基于所述扰动权重参数对各个所述待融合目标对应的推荐结果进行融合处理，得到所述目标用户对应的扰动推荐结果；
[0009]基于所述扰动推荐结果和所述当前权重参数，得到目标权重参数；
[0010]基于所述目标权重参数对所述初始推荐模型进行更新，得到目标推荐模型。
[0011]在一些实施例中，所述基于所述扰动推荐结果和所述当前权重参数，得到目标权重参数，包括：
[0012]接收所述目标用户基于所述扰动推荐结果返回的反馈参数；
[0013]基于各个所述目标用户对应的所述反馈参数、各个所述目标用户对应的所述扰动噪声参数以及所述当前权重参数，得到所述目标权重参数。
[0014]在一些实施例中，所述基于各个所述目标用户对应的所述反馈参数、各个所述目标用户对应的所述扰动噪声参数以及所述当前权重参数，得到所述目标权重参数，包括：
[0015]基于各个所述目标用户对应的所述反馈参数和所述扰动噪声参数，对所述当前权重参数进行更新，得到更新权重参数；
[0016]确定所述更新权重参数与所述当前权重参数之间的偏差值；
[0017]在所述偏差值小于所述预设偏差阈值的情况下，将所述更新权重参数确定为所述目标权重参数。
[0018]在一些实施例中，所述方法还包括：
[0019]在所述偏差值大于或者等于预设偏差阈值的情况下，基于各个所述目标用户对应的所述反馈参数和所述扰动噪声参数，继续对所述当前权重参数进行更新，直至所述偏差值小于所述预设偏差阈值。
[0020]在一些实施例中，所述基于各个所述目标用户对应的所述反馈参数和所述扰动噪声参数，对所述当前权重参数进行更新，得到更新权重参数，包括：
[0021]基于各个所述目标用户对应的所述反馈参数和所述扰动噪声参数，确定各个所述目标用户对应的扰动反馈参数；
[0022]基于各个所述扰动反馈参数之间的和值和所述目标用户的个数，确定权重更新因子；
[0023]基于所述权重更新因子对所述当前权重参数进行更新，得到所述更新权重参数。
[0024]在一些实施例中，所述基于所述扰动权重参数对各个所述待融合目标对应的推荐结果进行融合处理，得到所述目标用户对应的扰动推荐结果，包括：
[0025]基于所述扰动权重参数，对各个所述待融合目标输出的推荐结果进行加权处理，得到所述待融合目标对应的加权推荐结果；
[0026]基于各个所述加权推荐结果，确定所述目标用户对应的所述扰动推荐结果。
[0027]在一些实施例中，所述方法还包括：
[0028]将待推荐内容的特征参数，分别输入所述目标推荐模型中对应的所述待融合目标；
[0029]基于所述待融合目标对应的所述目标权重参数，对所述待融合目标输出的推荐结果进行加权处理，得到所述待融合目标对应的预测推荐结果；
[0030]基于各个所述预测推荐结果，确定所述待推荐内容对应的目标推荐结果。
[0031]根据本公开实施例的第二方面，提供一种数据处理装置，包括：
[0032]第一确定模块，配置为确定初始推荐模型的当前权重参数；其中，推荐模型包括至少一个待融合目标，每个所述待融合目标对应一个权重参数，各个所述待融合目标分别对应不同的推荐结果；
[0033]第二确定模块，配置为基于所述当前权重参数和针对目标用户生成的扰动噪声参数，得到所述目标用户对应的扰动权重参数；
[0034]融合模块，配置为基于所述扰动权重参数对各个所述待融合目标对应的推荐结果进行融合处理，得到所述目标用户对应的扰动推荐结果；
[0035]第三确定模块，配置为基于所述扰动推荐结果和所述当前权重参数，得到目标权重参数；
[0036]第一更新模块，配置为基于所述目标权重参数对所述初始推荐模型进行更新，得到目标推荐模型。
[0037]在一些实施例中，所述第三确定模块，配置为：
[0038]接收所述目标用户基于所述扰动推荐结果返回的反馈参数；
[0039]基于各个所述目标用户对应的所述反馈参数、各个所述目标用户对应的所述扰动噪声参数以及所述当前权重参数，得到所述目标权重参数。
[0040]在一些实施例中，所述第三确定模块，配置为：
[0041]基于各个所述目标用户对应的所述反馈参数和所述扰动噪声参数，对所述当前权重参数进行更新，得到更新权重参数；
[0042]确定所述更新权重参数与所述当前权重参数之间的偏差值；
[0043]在所述偏差值小于所述预设偏差阈值的情况下，将所述更新权重参数确定为所述目标权重参数。
[0044]在一些实施例中，所述装置还包括：
[0045]第二更新模块，配置为在所述偏差值大于或者等于预设偏差阈值的情况下，基于各个所述目标用户对应的所述反馈参数和所述扰动噪声参数，继续对所述当前权重参数进行更新，直至所述偏差值小于所述预设偏差阈值。
[0046]在一些实施例中，所述第二更新模块，配置为：
[0047]基于各个所述目标用户对应的所述反馈参数和所述扰动噪声参数，确定各个所述目标用户对应的扰动反馈参数；
[0048]基于各个所述扰动反馈参数之间的和值和所述目标用户的个数，确定权重更新因子；
[0049]基于所述本文档来自技高网...
【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，所述方法包括：确定初始推荐模型的当前权重参数；其中，推荐模型包括至少一个待融合目标，每个所述待融合目标对应一个权重参数，各个所述待融合目标分别对应不同的推荐结果；基于所述当前权重参数和针对目标用户生成的扰动噪声参数，得到所述目标用户对应的扰动权重参数；基于所述扰动权重参数对各个所述待融合目标对应的推荐结果进行融合处理，得到所述目标用户对应的扰动推荐结果；基于所述扰动推荐结果和所述当前权重参数，得到目标权重参数；基于所述目标权重参数对所述初始推荐模型进行更新，得到目标推荐模型。2.根据权利要求1所述的方法，其特征在于，所述基于所述扰动推荐结果和所述当前权重参数，得到目标权重参数，包括：接收所述目标用户基于所述扰动推荐结果返回的反馈参数；基于各个所述目标用户对应的所述反馈参数、各个所述目标用户对应的所述扰动噪声参数以及所述当前权重参数，得到所述目标权重参数。3.根据权利要求2所述的方法，其特征在于，所述基于各个所述目标用户对应的所述反馈参数、各个所述目标用户对应的所述扰动噪声参数以及所述当前权重参数，得到所述目标权重参数，包括：基于各个所述目标用户对应的所述反馈参数和所述扰动噪声参数，对所述当前权重参数进行更新，得到更新权重参数；确定所述更新权重参数与所述当前权重参数之间的偏差值；在所述偏差值小于预设偏差阈值的情况下，将所述更新权重参数确定为所述目标权重参数。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：在所述偏差值大于或者等于所述预设偏差阈值的情况下，基于各个所述目标用户对应的所述反馈参数和所述扰动噪声参数，继续对所述当前权重参数进行更新，直至所述偏差值小于所述预设偏差阈值。5.根据权利要求4所述的方法，其特征在于，所述基于各个所述目标用户对应的所述反馈参数和所述扰动噪声参数，对所述当前权重参数进行更新，得到更新权重参数，包括：基于各个所述目标用户对应的所述反馈参数和所述扰动噪声参数，确定各个所述目标用户对应的扰动反馈参数；基于各个所述扰动反馈参数...
【专利技术属性】
技术研发人员：夏敏雪，
申请(专利权)人：北京小米移动软件有限公司，
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。