[發(fā)明專利]一種對(duì)推薦結(jié)果進(jìn)行解釋的方法、裝置及電子設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 201910317239.4
• 申請(qǐng)日: 2019-04-19
• 公開（公告）號(hào): CN110110139B
• 公開（公告）日: 2021-06-22
• 發(fā)明（設(shè)計(jì)）人: 孫成龍;郭正凱;宋華
• 申請(qǐng)（專利權(quán)）人: 北京奇藝世紀(jì)科技有限公司
• 主分類號(hào): G06F16/735
• 分類號(hào): G06F16/735;G06F16/78
• 代理公司: 北京柏杉松知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11413
• 代理人: 丁蕓;項(xiàng)京

1.一種對(duì)推薦結(jié)果進(jìn)行解釋的方法，其特征在于，所述方法包括：

獲得待解釋推薦結(jié)果對(duì)應(yīng)的預(yù)測(cè)模型和目標(biāo)用戶；所述待解釋推薦結(jié)果包含推薦內(nèi)容；所述目標(biāo)用戶為接收所述待解釋推薦結(jié)果的用戶；

構(gòu)建初始樣本；所述初始樣本，包括：所述推薦內(nèi)容的內(nèi)容特征和目標(biāo)用戶的用戶特征；

將所述預(yù)測(cè)模型和初始樣本，輸入至預(yù)設(shè)的與所述預(yù)測(cè)模型無關(guān)的局部特征診斷模型中；對(duì)初始樣本中的內(nèi)容特征和/或用戶特征進(jìn)行多次擾動(dòng)，獲得多個(gè)擾動(dòng)樣本；并將所述初始樣本輸入至所述預(yù)測(cè)模型，獲得對(duì)應(yīng)的初始預(yù)測(cè)點(diǎn)擊概率，將各個(gè)擾動(dòng)樣本分別輸入至所述預(yù)測(cè)模型，獲得對(duì)應(yīng)的多個(gè)擾動(dòng)后預(yù)測(cè)點(diǎn)擊概率；并根據(jù)初始預(yù)測(cè)點(diǎn)擊概率和各個(gè)擾動(dòng)后預(yù)測(cè)點(diǎn)擊概率之間的差異，得到每個(gè)特征對(duì)于預(yù)測(cè)點(diǎn)擊概率的重要性值；其中，所述預(yù)測(cè)點(diǎn)擊概率為：所述預(yù)測(cè)模型根據(jù)輸入樣本預(yù)測(cè)的所述目標(biāo)用戶對(duì)所述推薦內(nèi)容的點(diǎn)擊概率；

根據(jù)所述每個(gè)特征的重要性值，對(duì)所述待解釋推薦結(jié)果進(jìn)行解釋；

所述對(duì)初始樣本中的內(nèi)容特征和/或用戶特征進(jìn)行多次擾動(dòng)，獲得多個(gè)擾動(dòng)樣本的步驟，包括：

從初始樣本中的內(nèi)容特征和用戶特征中，選擇一個(gè)未擾動(dòng)過的特征，作為待定特征；

從所述初始樣本中，隱藏所述待定特征，完成一次擾動(dòng)，獲得待定特征對(duì)應(yīng)的擾動(dòng)樣本；返回所述從初始樣本中的內(nèi)容特征和用戶特征中，選擇一個(gè)未擾動(dòng)過的特征，作為待定特征的步驟。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，

所述將所述初始樣本輸入至所述預(yù)測(cè)模型，獲得對(duì)應(yīng)的初始預(yù)測(cè)點(diǎn)擊概率的步驟，包括：

將初始樣本中的內(nèi)容特征和用戶特征輸入所述預(yù)測(cè)模型，獲得對(duì)應(yīng)的初始預(yù)測(cè)點(diǎn)擊概率；

所述將各個(gè)擾動(dòng)樣本分別輸入至所述預(yù)測(cè)模型，獲得對(duì)應(yīng)的多個(gè)擾動(dòng)后預(yù)測(cè)點(diǎn)擊概率的步驟，包括：

將各個(gè)待定特征對(duì)應(yīng)的擾動(dòng)樣本中的內(nèi)容特征和用戶特征輸入所述預(yù)測(cè)模型，獲得各個(gè)待定特征對(duì)應(yīng)的擾動(dòng)后預(yù)測(cè)點(diǎn)擊概率。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，

所述根據(jù)初始預(yù)測(cè)點(diǎn)擊概率和各個(gè)擾動(dòng)后預(yù)測(cè)點(diǎn)擊概率之間的差異，得到每個(gè)特征對(duì)于預(yù)測(cè)點(diǎn)擊概率的重要性值的步驟，包括：

分別計(jì)算初始預(yù)測(cè)點(diǎn)擊概率與各個(gè)待定特征對(duì)應(yīng)的擾動(dòng)后預(yù)測(cè)點(diǎn)擊概率之間的差值；

將獲得的各個(gè)差值作為對(duì)應(yīng)的待定特征的重要性值。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預(yù)測(cè)模型，包含：第一子模型和第二子模型；

在將所述預(yù)測(cè)模型和初始樣本，輸入至預(yù)設(shè)的與所述預(yù)測(cè)模型無關(guān)的局部特征診斷模型中的步驟之前，還包括：

對(duì)初始樣本中的內(nèi)容特征和用戶特征，按預(yù)設(shè)算法，將所有特征劃分為稠密特征和稀疏特征；

將所述稠密特征輸入至第一子模型，獲得組合特征；

所述將所述初始樣本輸入至所述預(yù)測(cè)模型，獲得對(duì)應(yīng)的初始預(yù)測(cè)點(diǎn)擊概率的步驟，包括：

將所述組合特征和稀疏特征輸入所述第二子模型，獲得初始預(yù)測(cè)點(diǎn)擊概率。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，

所述將所述預(yù)測(cè)模型和初始樣本，輸入至預(yù)設(shè)的與所述預(yù)測(cè)模型無關(guān)的局部特征診斷模型中的步驟，包括：

將所述組合特征和稀疏特征進(jìn)行拼接，獲得拼接后的特征；

將所述預(yù)測(cè)模型和所述拼接后的特征，輸入至預(yù)設(shè)的與所述預(yù)測(cè)模型無關(guān)的局部特征診斷模型中。