用于礼包推荐的校准参数生成方法、及礼包推荐方法技术

本申请公开了一种用于礼包推荐的校准参数生成方法、礼包推荐方法及其装置、礼包推荐系统、电子设备、以及计算机可读存储介质。所述用于礼包推荐的校准参数生成方法，包括：获取当前计算时刻的原始数据集；根据用户特征数据对多条原始数据进行第一分类处理，形成多个第一子数据集；根据第一子数据集中对于每一个礼包的记录次数，确定第一目标礼包，根据预测购买数据，将第一子数据集中记录有所述第一目标礼包的原始数据进行第二分类处理，形成多个第二子数据集；根据真实购买数据及预测购买数据，计算当前计算时刻下，每一个第二子数据集对应的礼包校准参数。通过该方法获取的礼包校准参数能够对预测购买数据进行校准，提高礼包推荐的精准度。推荐的精准度。推荐的精准度。

【技术实现步骤摘要】
用于礼包推荐的校准参数生成方法、及礼包推荐方法


[0001]本申请涉及人工智能
，尤其涉及一种用于礼包推荐的校准参数生成方法及其装置、礼包推荐方法及其装置、礼包推荐系统、以及电子设备、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，基于此，个性化推荐应运而生。在游戏世界中，运营方通常会在特定的时间和场景下，为玩家推荐商品或由多个商品组成的礼包，以增加玩家个性化的游戏体验及运营方的收益。
[0003]游戏领域的个性化推荐主要通过预设的推荐模型进行，推荐模型会根据玩家的自身特征信息，计算玩家对每一个待推荐商品或待推荐礼包的购买概率值，进而为玩家推送购买概率值最大的一个待推荐商品或待推荐礼包。但由于推荐过程中玩家分布不均匀、商品差异大等多方面的因素，往往会导致推荐模型输出的购买概率值与真实购买值之间的差异过大。基于此，一种较优的解决方法是在推荐过程中增加对推荐模型输出的购买概率值的校准步骤，使校准后的购买概率值更接近于真实购买值。
[0004]目前，针对单个商品的推荐存在校准方法，没有针对礼包推荐的校准方法，且单个商品的推荐校准方法由于数据不兼容也无法应用于礼包的推荐校准中。因此，现有的礼包推荐方法缺少校准环节，导致礼包推荐结果不精准。

技术实现思路

[0005]本申请提供一种用于礼包推荐的校准参数生成方法及其装置、礼包推荐方法及其装置、礼包推荐系统、以及电子设备、计算机可读存储介质，以解决现有的礼包推荐方法存在的因缺少校准环节，导致礼包推荐结果不精准的技术问题。
[0006]本申请实施例提供了一种用于礼包推荐的校准参数生成方法，所述方法包括：
[0007]获取当前计算时刻的原始数据集，所述原始数据集中包括多条原始数据，每一条所述原始数据至少记录了一个用户对应的用户特征数据、针对所述用户的一个礼包对应的礼包特征数据、以及所述用户对所述礼包的行为特征数据，其中，所述行为特征数据包括真实购买数据和预测购买数据；
[0008]根据所述用户特征数据，对所述多条原始数据进行第一分类处理，形成多个第一子数据集；
[0009]根据所述第一子数据集中对于每一个所述礼包的记录次数，确定第一目标礼包；
[0010]根据所述第一子数据集中每一条记录有所述第一目标礼包的所述原始数据中记录的所述预测购买数据，将所述第一子数据集中每一条记录有所述第一目标礼包的所述原始数据进行第二分类处理，形成多个第二子数据集；
[0011]根据每一个所述第二子数据集中记录的所述真实购买数据及所述预测购买数据，计算当前计算时刻下，每一个所述第二子数据集对应的针对所述第一目标礼包的礼包校准参数。
[0012]本申请实施例还提供了一种礼包推荐方法，所述方法包括：
[0013]响应于接收到用户的礼包推荐请求，获取所述用户的用户特征数据，并将所述用户特征数据输入预设的礼包推荐模型中，获得所述用户对每一个候选推荐礼包的预测购买数据；
[0014]调用每一个所述候选推荐礼包对应的礼包校准参数对每一个所述候选推荐礼包的预测购买数据进行数值校准，得到针对每一个所述候选推荐礼包的第二预测购买数据，其中，所述礼包校准参数为通过上述方法而生成的；
[0015]根据每一个所述候选推荐礼包的第二预测购买数据，获得为所述用户推送的推荐礼包，并将所述推荐礼包推送给所述用户。
[0016]本申请实施例还提供了一种礼包推荐系统，所述系统包括：数据节点、计算节点、以及服务节点；
[0017]所述数据节点，包括：第一存储模块、第二存储模块、第三存储模块、第四存储模块；
[0018]所述第一存储模块，用于存储通过所述计算节点获取的礼包校准参数；
[0019]所述第二存储模块，用于存储通过所述计算节点获取的商品校准参数；
[0020]所述第三存储模块，用于存储第一目标数据及第二目标数据，所述第一目标数据为在第一预设时段内产生的目标数据，所述第二目标数据为在第二预设时段内产生的目标数据，所述第一预设时段为第i个计算时刻到第i
‑
1个计算时刻之间的时段，所述第二预设时段为第i
‑
1个计算时刻到第一预设时间点之间的时段，所述目标数据至少包括用户对应的用户特征数据、针对所述用户的礼包对应的礼包特征数据、以及所述用户对所述礼包的真实购买数据，其中，所述第i个计算时刻为当前计算时刻，i为大于或等于1的正整数；
[0021]所述第四存储模块，用于存储第三目标数据，所述第三目标数据为在第三预设时段内产生的目标数据，第三预设时段为第一预设时间点到第二预设时间点之间的时段；
[0022]所述计算节点，包括：获取模块、第一处理模块、确定模块、第二处理模块、计算模块；
[0023]所述获取模块，用于获取所述当前计算时刻的原始数据集，所述原始数据集中包括多条原始数据，每一条所述原始数据至少记录了一个用户对应的用户特征数据、针对所述用户的一个礼包对应的礼包特征数据、以及所述用户对所述礼包的行为特征数据，其中，所述行为特征数据包括真实购买数据和预测购买数据；
[0024]所述第一处理模块，用于根据所述用户特征数据，对所述多条原始数据进行第一分类处理，形成多个第一子数据集；
[0025]所述确定模块，用于根据所述第一子数据集中对于每一个所述礼包的记录次数，确定第一目标礼包；
[0026]所述第二处理模块，用于根据所述第一子数据集中每一条记录有所述第一目标礼包的所述原始数据中记录的所述预测购买数据，将所述第一子数据集中每一条记录有所述第一目标礼包的所述原始数据进行第二分类处理，形成多个第二子数据集；
[0027]所述计算模块，用于根据每一个所述第二子数据集中记录的所述真实购买数据及所述预测购买数据，计算当前计算时刻下，每一个所述第二子数据集对应的针对所述第一目标礼包的礼包校准参数；
[0028]所述服务节点，包括：礼包推荐模块、礼包校准模块、业务规划模块；
[0029]所述礼包推荐模块，用于响应于接收到用户的礼包推荐请求，获取所述用户的用户特征数据，并将所述用户特征数据输入预设的礼包推荐模型中，获得所述用户对每一个候选推荐礼包的预测购买数据；
[0030]所述礼包校准模块，用于调用每一个所述候选推荐礼包对应的礼包校准参数对每一个所述候选推荐礼包的预测购买数据进行数值校准，得到针对每一个所述候选推荐礼包的第二预测购买数据，其中，所述礼包校准参数为通过上述方法而生成的；
[0031]所述业务规划模块，用于根据每一个所述候选推荐礼包的第二预测购买数据，获得为所述用户推送的推荐礼包，并将所述推荐礼包推送给所述用户。
[0032]本申请实施例还提供了一种用于礼包推荐的校准参数生成装置，所述装置包括：原始数据集获取单元、第一分类处理单元、目标礼包确定单元、第二分类处理单元、校准参数计算单元；
[0033]所述原始数据集获取单本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于礼包推荐的校准参数生成方法，其特征在于，所述方法包括：获取当前计算时刻的原始数据集，所述原始数据集中包括多条原始数据，每一条所述原始数据至少记录了一个用户对应的用户特征数据、针对所述用户的一个礼包对应的礼包特征数据、以及所述用户对所述礼包的行为特征数据，其中，所述行为特征数据包括真实购买数据和预测购买数据；根据所述用户特征数据，对所述多条原始数据进行第一分类处理，形成多个第一子数据集；根据所述第一子数据集中对于每一个所述礼包的记录次数，确定第一目标礼包；根据所述第一子数据集中每一条记录有所述第一目标礼包的所述原始数据中记录的所述预测购买数据，将所述第一子数据集中每一条记录有所述第一目标礼包的所述原始数据进行第二分类处理，形成多个第二子数据集；根据每一个所述第二子数据集中记录的所述真实购买数据及所述预测购买数据，计算当前计算时刻下，每一个所述第二子数据集对应的针对所述第一目标礼包的礼包校准参数。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：将所述礼包校准参数存储在第一存储模块中，替换前一计算时刻下计算得到的礼包校准参数。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述第一子数据集记录的礼包中除所述第一目标礼包之外的其它礼包确定为第二目标礼包；根据所述第二目标礼包对应的礼包特征数据，对所述第一子数据集中每一条记录有所述第二目标礼包的所述原始数据进行拆分，形成多条子原始数据，每一条所述子原始数据至少记录了所述用户特征数据、所述第二目标礼包中的一个商品对应的商品特征数据、以及所述行为特征数据；根据所述第一子数据集中对于每一个所述商品的记录次数，确定目标商品；根据所述第一子数据集中每一条记录有所述目标商品的所述子原始数据中记录的所述预测购买数据，将所述第一子数据集中每一条记录有所述目标商品的所述子原始数据进行第三分类处理，形成多个第三子数据集；根据每一个所述第三子数据集中记录的所述真实购买数据、所述预测购买数据及所述商品特征数据，计算当前计算时刻下，每一个所述第三子数据集对应的针对所述目标商品的商品校准参数。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：将所述商品校准参数存储在第二存储模块中，替换前一计算时刻下计算得到的商品校准参数。5.根据权利要求1所述的方法，其特征在于，所述当前计算时刻为第i个计算时刻，所述i为大于或等于1的正整数；在所述获取当前计算时刻的原始数据集的步骤之前，所述方法还包括：获取目标数据，所述目标数据至少包括多个用户对应的用户特征数据、针对每一个所述用户的多个礼包对应的礼包特征数据、以及每一个所述用户对每一个所述礼包的真实购
买数据；将所述目标数据按照数据产生时间划分为第一目标数据、第二目标数据、及第三目标数据，所述第一目标数据为在第一预设时段内产生的所述目标数据，所述第二目标数据为在第二预设时段内产生的所述目标数据，所述第三目标数据为在第三预设时段内产生的所述目标数据，其中，所述第一预设时段为第i个计算时刻到第i
‑
1个计算时刻之间的时段，所述第二预设时段为第i
‑
1个计算时刻到第一预设时间点之间的时段，第三预设时段为第一预设时间点到第二预设时间点之间的时段；将所述第一目标数据及所述第二目标数据存储在第三存储模块中，并将所述第三目标数据存储在第四存储模块中。6.根据权利要求5所述的方法，其特征在于，在将所述第一目标数据及所述第二目标数据存储在第三存储模块中，并将所述第三目标数据存储在第四存储模块中的步骤之后，所述方法还包括：根据预设的礼包推荐模型在所述第一预设时段内的更新情况，构建第i个计算时刻的所述原始数据集，具体为：若所述礼包推荐模型在所述第一预设时段内未发生更新，则通过所述第一目标数据构建所述原始数据集；若所述礼包推荐模型在所述第一预设时段内发生更新，则通过所述第一目标数据、所述第二目标数据、以及所述第三目标数据构建所述原始数据集。7.根据权利要求6所述的方法，其特征在于，所述若所述礼包推荐模型在所述第一预设时段内未发生更新，则通过所述第一目标数据构建所述原始数据集，包括：从所述第三存储模块中调取所述第一目标数据，以所述第一目标数据中的所述用户特征数据和所述礼包特征数据作为输入数据，输入所述礼包推荐模型中，得到与所述用户特征数据及所述礼包特征数据对应的预测购买数据；将所述预测购买数据与所述第一目标数据进行合并，形成第一原始数据集；获取第i
‑
1个计算时刻的原始数据集；将所述第一原始数据集与所述第i
‑
1个计算时刻的原始数据集进行合并，形成所述第i个计算时刻的原始数据集。8.根据权利要求6所述的方法，其特征在于，所述若所述礼包推荐模型在所述第一预设时段内发生更新，则通过所述第一目标数据、所述第二目标数据、以及所述第三目标数据构建所述原始数据集，包括：从所述第三存储模块中调取所述第一目标数据，以所述第一目标数据中的所述用户特征数据和所述礼包特征数据作为输入数据，输入所述礼包推荐模型中，得到与所述用户特征数据及所述礼包特征数据对应的预测购买数据，将所述预测购买数据与所述第一目标数据进行合并，形成第一原始数据集；从所述第三存储模块中调取所述第二目标数据，以所述第二目标数据中的所述用户特征数据和所述礼包特征数据作为输入数据，输入所述礼包推荐模型中，得到与所述用户特征数据及所述礼包特征数据对应的预测购买数据，将所述预测购买数据与所述第二目标数据进行合并，形成第二原始数据集；从所述第四存储模块中调取所述第三目标数据，以所述第三目标数据中的所述用户特
征数据和所述礼包特征数据作为输入数据，输入所述礼包推荐模型中，得到与所述用户特征数据及所述礼包特征数据对应的预测购买数据，将所述预测购买数据与所述第三目标数据进行合并，形成第三原始数据集；将所述第一原始数据集、所述第二原始数据集、以及所述第三原始数据集进行合并，形成所述第i个计算时刻的原始数据集。9.根据权利要求1所述的方法，其特征在于，所述用户特征数据至少包括用户编码数据、用户等级数据、以及用户消费数据；所述根据所述用户特征数据，对所述多条原始数据进行第一分类处理，形成多个第一子数据集，包括：根据所述用户等级数据及所述用户消费数据，将所述原始数据集中记录的用户分为多个用户类别；根据每一个所述用户类别中包括的用户所对应的所述用户编码数据，将所述原始数据集中包括的每一条所述原始数据进行对应分类，形成多个所述第一子数据集。10.根据权利要求9所述的方法，其特征在于，所述根据所述用户等级数据及所述用户消费数据，将所述原始数据集中记录的用户分为多个用户类别，包括：根据所述用户等级数据，将所述原始数据集中记录的所述用户按照所述用户对应的所述等级数据从小到大排序，并将所述用户等比例划分为第一预设数量的第一用户类别；根据所述用户消费数据，将每一个所述第一用户类别中包括的所述用户按照所述用户对应的所述消费数据从小到大排序，并将每一个所述第一用户类别中包括的所述用户等比例划分为第二预设数量的第二用户类别；其中，所述第一预设数量与所述第二预设数量的乘积为所述用户类别的数量。11.根据权利要求1所述的方法，其特征在于，所述第一目标礼包为记录次数不小于第一预设阈值的礼包；所述根据所述第一子数据集中对于每一个所述礼包的记录次数，确定第一目标礼包，包括：对所述第一子数据集中包括的每一个所述礼包在所述第一子数据集中的记录次数进行计算，并将每一个记录次数不小于所述第一预设阈值的所述礼包确定为所述第一目标礼包。12.根据权利要求3所述的方法，其特征在于，所述第二目标礼包为记录次数小于第一预设阈值的礼包，所述目标商品为记录次数不小于第二预设阈值的商品；所述根据所述第一子数据集中对于每一个所述商品的记录次数，确定目标商品，包括：对所述第一子数据集中包括的每一个所述商品在所述第一子数据集中的记录次数进行计算，并将每一个记录次数不小于所述第二预设阈值的所述商品确定为所述目标商品。13.根据权利要求1所述的方法，其特征在于，在所述根据所述第一子数据集中每一条记录有所述第一目标礼包的所述原始数据中记录的所述预测购买数据，将所述第一子数据集中每一条记录有所述第一目标礼包的所述原始数据进行第二分类处理，形成多个第二子数据集的步骤之前，所述方法还包括：根据所述第一目标礼包在所述第一子数据集中的记录次数，确定所述第二子数据集的第三预设数量，以及所述礼包的校准参数上限和校准参数下限。14.根据权利要求13所述的方法，其特征在于，所述根据所述第一子数据集中每一条记
录有所述第一目标礼包的所述原始数据中记录的所述预测购买数据，将所述第一子数据集中每一条记录有所述第一目标礼包的所述原始数据进行第二分类处理，形成多个第二子数据集，包括：根据所述预测购买数据，将所述第一子数据集中每一条记录有所述第一目标礼包的所述原始数据按照所述预测购买数据进行从小到大排序；根据所述第三预设数量，将所述第一子数据集中每一条记录有所述第一目标礼包的所述原始数据进行等比例划分，形成所述第三预设数量的所述第二子数据集。15.根据权利要求14所述的方法，其特征在于，所述根据每一个所述第二子数据集中记录的所述真实购买数据及所述预测购买数据，计算当前计算时刻下，每一个所述第二子数据集对应的针对所述第一目标礼包的礼包校准参数，包括：对每一个所述第二子数据集中记录的所述预测购买数据进行加和处理，得到每一个所述第二子数据集对应的总预测购买数据，并形成预测购买序列；对每一个所述第二子数据集中记录的所述真实购买数据进行加和处理，得到每一个所述第二子数据集...

【专利技术属性】
技术研发人员：邹哲讷，沈旭东，阮翊婷，梁贻乐，丁晓菲，王凯，赵明浩，吴润泽，胡志鹏，
申请(专利权)人：网易杭州网络有限公司，
类型：发明
国别省市：