推荐中台构建方法、个性化推荐方法及装置制造方法及图纸

在本申请提供的推荐中台构建方法中，获取多个推荐场景的用户数据和推荐对象数据，并采用多种数据特征处理方法对每个用户数据和每个推荐对象数据进行特征处理，得到每个用户数据的目标特征数据和每个推荐对象数据的目标特征数据；利用每个推荐场景的用户数据的目标特征数据和推荐对象数据的目标特征数据，对每个推荐场景预先确定的初始推荐模型进行离线训练，得到每个推荐场景的目标推荐模型；对每个目标推荐模型ONNX转换；对转换后的每个目标推荐模型利用Docker打包，利用TritonServer对打包后的每个目标推荐模型独立部署；对部署后的每个目标推荐模型设置gRPC接口，得到推荐中台。如此，可以降低推荐中台的耦合度。

【技术实现步骤摘要】

本申请涉及推荐中台，尤其涉及一种推荐中台构建方法、装置、存储介质及计算机设备。

技术介绍

1、随着电子商务领域和短视频行业的快速发展，个性化推荐已成为吸引用户和提升用户体验的关键策略。然而，每当新的业务接入推荐系统时，都需要从头开始构建完整的推荐链路，这不仅带来了大量重复劳动，还增加了维护成本。同时，推荐算法模型也需要不断优化与迭代，以适应不断变化的业务场景。为了提高推荐系统的开发和维护效率，推荐中台方案应运而生。

2、当前的推荐中台主要采用一系列实施方案，包括数据收集与处理、推荐模型训练、将预测模型集成至推荐系统或封装成独立的http接口提供推荐数据，以及最终在用户端进行推荐展示。

3、然而，当新的业务场景接入推荐系统时，往往需要重新构建或大幅度修改推荐链路，导致不同系统之间的耦合度极高。这限制了系统的快速迭代和扩展能力。因此，需要一种低耦合的推荐中台解决方案，以提高推荐系统的灵活性和可扩展性。

技术实现思路

1、本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中需要一种本文档来自技高网...

【技术保护点】

1.一种推荐中台构建方法，其特征在于，所述方法包括：

2.根据权利要求1所述的推荐中台构建方法，其特征在于，所述采用预先确定的多种数据特征处理方法对每个所述用户数据和每个所述推荐对象数据进行特征处理，得到每个所述用户数据的目标特征数据和每个所述推荐对象数据的目标特征数据的步骤，包括：

3.根据权利要求1所述的推荐中台构建方法，其特征在于，所述对每个所述目标推荐模型进行ONNX转换的步骤，包括：

4.根据权利要求1所述的推荐中台构建方法，其特征在于，所述对转换后的每个目标推荐模型利用Docker进行打包的步骤，包括：

5.根据权利要求1所述的...

【技术特征摘要】

1.一种推荐中台构建方法，其特征在于，所述方法包括：

2.根据权利要求1所述的推荐中台构建方法，其特征在于，所述采用预先确定的多种数据特征处理方法对每个所述用户数据和每个所述推荐对象数据进行特征处理，得到每个所述用户数据的目标特征数据和每个所述推荐对象数据的目标特征数据的步骤，包括：

3.根据权利要求1所述的推荐中台构建方法，其特征在于，所述对每个所述目标推荐模型进行onnx转换的步骤，包括：

4.根据权利要求1所述的推荐中台构建方法，其特征在于，所述对转换后的每个目标推荐模型利用docker进行打包的步骤，包括：

5.根据权利...

【专利技术属性】
技术研发人员：欧阳少坤，
申请(专利权)人：创优数字科技广东有限公司，
类型：发明
国别省市：