[發(fā)明專利]特征有效性評(píng)估方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010007053.1
• 申請(qǐng)日: 2020-01-03
• 公開（公告）號(hào): CN111242310B
• 公開（公告）日: 2023-04-18
• 發(fā)明（設(shè)計(jì)）人: 陳曉爽;于春功
• 申請(qǐng)（專利權(quán)）人: 深圳市雅閱科技有限公司
• 主分類號(hào): G06N20/00
• 分類號(hào): G06N20/00
• 代理公司: 北京派特恩知識(shí)產(chǎn)權(quán)代理有限公司 11270
• 代理人: 王姍姍;張穎玲

本發(fā)明提供了一種特征有效性評(píng)估方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，涉及人工智能技術(shù)；方法包括：構(gòu)建包括多個(gè)特征組合方式的特征組合方式集合，特征組合方式為針對(duì)待推薦內(nèi)容的原始特征的組合方式；獲取各特征組合方式對(duì)應(yīng)的特征值集合，特征值集合包括各組合特征的特征取值，組合特征基于相應(yīng)的特征組合方式對(duì)原始特征進(jìn)行特征組合得到；基于各組合特征的特征取值，確定相應(yīng)的組合特征的權(quán)重值；基于各組合特征的權(quán)重值，構(gòu)建相應(yīng)的特征組合方式的權(quán)重值集合；基于各特征組合方式的權(quán)重值集合，分別確定各特征組合方式的有效性。通過本發(fā)明，能夠提高對(duì)大量的特征組合方式的有效性進(jìn)行評(píng)估的效率。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能(AI，Artificial?Intelligence)領(lǐng)域中的機(jī)器學(xué)習(xí)技術(shù)，尤其涉及一種特征有效性評(píng)估方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

人工智能是利用數(shù)字計(jì)算機(jī)或者數(shù)字計(jì)算機(jī)控制的機(jī)器模擬、延伸和擴(kuò)展人的智能，感知環(huán)境、獲取知識(shí)并使用知識(shí)獲得最佳結(jié)果的理論、方法和技術(shù)及應(yīng)用系統(tǒng)。

內(nèi)容推薦是人工智能的一個(gè)應(yīng)用方向，具體研究向客戶端推薦感興趣的內(nèi)容，從而實(shí)現(xiàn)內(nèi)容推廣的目的。客戶端對(duì)內(nèi)容的點(diǎn)擊率，是決定向客戶端推薦內(nèi)容的重要指標(biāo)。不同特征的組合可能對(duì)點(diǎn)擊率預(yù)估提供有效的信息，因此，選擇合適的特征組合方式對(duì)特征進(jìn)行組合在內(nèi)容推薦中具有重要意義，而評(píng)估特征組合方式的有效性是關(guān)鍵環(huán)節(jié)。

在相關(guān)技術(shù)中，主要采用實(shí)驗(yàn)方法或模型訓(xùn)練方法評(píng)估特征組合方式的有效性，然而，相關(guān)技術(shù)的這些評(píng)估方法均無法對(duì)大量的特征組合方式的有效性進(jìn)行快速評(píng)估。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種特征有效性評(píng)估方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，能夠提高對(duì)大量的特征組合方式的有效性進(jìn)行評(píng)估的效率。

本發(fā)明實(shí)施例的技術(shù)方案是這樣實(shí)現(xiàn)的：

本發(fā)明實(shí)施例提供一種特征有效性評(píng)估方法，所述方法包括：

構(gòu)建包括多個(gè)特征組合方式的特征組合方式集合，所述特征組合方式為針對(duì)待推薦內(nèi)容的原始特征的組合方式；

獲取各所述特征組合方式對(duì)應(yīng)的特征值集合，所述特征值集合包括各組合特征的特征取值，所述組合特征基于相應(yīng)的特征組合方式對(duì)所述原始特征進(jìn)行特征組合得到；

基于各所述組合特征的特征取值，確定相應(yīng)的組合特征的權(quán)重值；

基于各所述組合特征的權(quán)重值，構(gòu)建相應(yīng)的特征組合方式的權(quán)重值集合；

基于各所述特征組合方式的權(quán)重值集合，分別確定各所述特征組合方式的有效性，所述有效性，用于表征基于相應(yīng)的特征組合方式組合得到的特征進(jìn)行內(nèi)容推薦的準(zhǔn)確度。

上述方案中，所述正樣本，表征在所述待推薦內(nèi)容的展示過程中，所展示的多個(gè)待推薦內(nèi)容中被點(diǎn)擊的內(nèi)容對(duì)應(yīng)的樣本數(shù)據(jù)；

所述負(fù)樣本，表征在所述待推薦內(nèi)容的展示過程中，所展示的多個(gè)待推薦內(nèi)容中未被點(diǎn)擊的內(nèi)容對(duì)應(yīng)的樣本數(shù)據(jù)。

上述方案中，所述基于各所述組合特征的特征取值，確定相應(yīng)的組合特征的權(quán)重值，包括：

將各所述組合特征的特征取值輸入至權(quán)重計(jì)算模型中，得到所述權(quán)重計(jì)算模型輸出的各所述組合特征的權(quán)重值。

上述方案中，所述方法還包括：

基于各所述特征組合方式的有效性的排序，從所述特征組合方式集合中篩選得到目標(biāo)數(shù)量的特征組合方式作為第一候選特征組合方式；

基于所述第一候選特征組合方式及所述原始特征，生成多個(gè)第二候選特征組合方式；

從所述多個(gè)第二候選特征組合方式中，選取符合篩選條件的特征組合方式作為目標(biāo)特征組合方式；