[發明專利]一種推薦系統的構建方法及裝置

在審

• 申請號: 201911394281.2
• 申請日: 2019-12-30
• 公開（公告）號: CN111143685A
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 劉正夫
• 申請（專利權）人: 第四范式（北京）技術有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/06;G06N20/00
• 代理公司: 北京鼎佳達知識產權代理事務所(普通合伙) 11348
• 代理人: 任媛;劉鐵生

1.一種推薦系統的構建方法，所述方法包括：

根據交易數據獲取樣本數據集；

確定推薦系統中排序模型的多個待優化目標以及多個待優化對象，所述待優化目標至少包括第一優化目標與第二優化目標，所述第一優化目標為表示模型效果的目標，所述第二優化目標為表示模型結構的目標，所述待優化對象為所述排序模型的超參數；

基于所述樣本數據集利用多目標優化算法對所述多個待優化對象進行優化，得到多個優化模型；

將所述多個優化模型按照預設策略整合為一個集成模型，將所述集成模型應用于所述推薦系統。

2.根據權利要求1所述的方法，其中，所述基于所述樣本數據集利用多目標優化算法對所述多個待優化對象進行優化，得到多個優化模型，包括：

對所述多個待優化對象進行N組隨機賦值，生成N個個體，形成初始種群；

對所述初始種群進行迭代，得到迭代個體，所述迭代個體的個體數量大于N；

根據預設概率觸發對所述迭代個體篩選，選出對所述多個待優化目標的優化結果差異大于閾值的個體；

對篩選后的迭代個體按照對所述排序模型的優化結果進行排序；

根據所述排序選出優化結果最好的N個迭代個體組成次代種群。

3.根據權利要求2所述的方法，其中，所述根據預設概率觸發對所述迭代個體篩選，包括：

獲取隨機概率值；

當所述隨機概率值小于等于預設概率值時，將所述迭代個體分別在每個待優化目標所對應優化結果按照由高到低排序；

將排序在最后的M個迭代個體刪除，M為預設刪除總數與待優化目標總數的比值。

4.根據權利要求2所述的方法，其中，所述對篩選后的迭代個體按照對所述排序模型的優化結果進行排序，包括：

對篩選后的迭代個體進行快速非支配排序，按照對所述排序模型的優化結果將所述迭代個體劃分為多個層；

計算指定層中迭代個體的擁擠度；

將所述指定層中的迭代個體按照所述擁擠度進行排序。

5.根據權利要求1所述的方法，其中，將所述多個優化模型按照預設策略整合為一個集成模型，包括：

確定每個優化模型對所有樣本數據的可識別區間，所述可識別區間用于區分所述優化模型是否能夠對樣本數據得到有效的排序結果；

利用所述可識別區間，判斷多個優化模型是否對同一個樣本數據可識別；

若存在可識別的優化模型，則所述集成模型的排序結果為所有可識別優化模型的排序結果之和與可識別優化模型的數量之比；

若不存在可識別的優化模型，則所述集成模型的排序結果為所有優化模型的排序結果的平均值。

6.根據權利要求5所述的方法，其中，所述確定每個優化模型對所有樣本數據的可識別區間，包括：

將優化模型對所有樣本數據的排序結果進行由高到低的排序；

確定可識別區間，所述可識別區間的兩個端點為根據所述排序的第k個大的排序結果與第k個小的排序結果，k為預設值。

7.根據權利要求1-6中任一項所述的方法，其中，所述第一優化目標為包括所述排序模型的召回率、準確率、AUC中的一個或多個；

所述第二優化目標是根據所述排序模型采用的算法確定的模型結構，當所述排序模型為梯度提升樹模型時，所述第二優化目標為樹的最大深度與樹的棵數的乘積與樹的所有節點之和。

8.一種推薦系統的構建裝置，所述裝置包括：

獲取單元，用于根據交易數據獲取樣本數據集；

確定單元，用于確定推薦系統中排序模型的多個待優化目標以及多個待優化對象，所述待優化目標至少包括第一優化目標與第二優化目標，所述第一優化目標為表示模型效果的目標，所述第二優化目標為表示模型結構的目標，所述待優化對象為所述排序模型的超參數；

優化單元，用于基于所述獲取單元得到的樣本數據集利用多目標優化算法對所述確定單元確定的多個待優化對象進行優化，得到多個優化模型；

合成單元，用于將所述多個優化模型按照預設策略整合為一個集成模型，將所述集成模型應用于所述推薦系統。