[發明專利]實時動態流量分配方法、系統、電子設備及存儲介質

在審

• 申請號: 202011294499.3
• 申請日: 2020-11-18
• 公開（公告）號: CN112365333A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 薛睿蓉
• 申請（專利權）人: 北京明略昭輝科技有限公司
• 主分類號: G06Q40/00
• 分類號: G06Q40/00
• 代理公司: 青島清泰聯信知識產權代理有限公司 37256
• 代理人: 趙燕

本發明公開了一種實時動態流量分配方法、系統、電子設備及存儲介質，實時動態流量分配方法，包括：分桶步驟：對每一實時的在線請求流量進行模型打分獲得模型分值集合，對模型分值集合進行分桶獲得多個分值桶；推送步驟：將每一分值桶的模型分值與一調額推送閾值進行比較后，根據每一分值桶的初始概率進行推送；計算步驟：根據多個時間槽的實際推送比例與目標推送比例獲得比例差值；比較步驟：將比例差值與第一閾值進行比較后輸出比較結果；調整步驟：根據比較結果調整初始概率，或，根據比較結果調整初始概率及調額推送閾值，調整后繼續進行推送。

技術領域

本發明涉及實時推薦系統下的流量分配，具體地說，尤其涉及一種基于推薦系統的實時動態流量分配方法、系統、電子設備及存儲介質。

背景技術

常見推薦系統往往會根據給定的閾值對模型打分結果進行劃分，反饋是否推薦的結果。而固定閾值的方法往往不能滿足需要進行流量控制的推薦系統。

例如，基于金融的推薦系統中，由于風控需求，流量需要先經過風控決策包過濾掉高風險客戶。通過風控決策包的流量后需要對對照組和模型的流量進行分配。經過第二次分流后，模型如何選擇需要投放的人群呢？現有技術中是通過實時推薦請求進入模型后得到打分，根據閾值進行判斷是否需要給該流量進行推薦。

但是在實際使用中，還是存在以下缺陷：

1、將模型輸出打分通過固定閾值進行劃分，會導致對最終推薦總流量不可控。

2、閾值設置過大，待推薦總流量的質量情況普遍比較差的時候，可能導致無法推薦出指定的推薦量。閾值設置過小，待推薦總流量普遍質量較高的情況下，可能導致大量更加優秀的流量無法推薦。尤其是冷啟動階段，無法在一開始就得到一個比較合適的閾值，而各時段的流量分布情況往往又不相同。

3、將閾值配置在redis緩存，可以人工干預閾值大小，根據實時的推薦情況，對閾值進行合理的調整。

4、需要花費一定的人工成本，不夠智能。

因此亟需開發一種克服上述缺陷的基于推薦系統的實時動態流量分配方法、系統、電子設備及存儲介質。

發明內容

針對上述問題，本發明提供一種實時動態流量分配方法，其中，包括：

分桶步驟：對每一實時的在線請求流量進行模型打分獲得模型分值集合，對所述模型分值集合進行分桶獲得多個分值桶；

推送步驟：將每一所述分值桶的模型分值與一調額推送閾值進行比較后，根據每一所述分值桶的初始概率進行推送；

計算步驟：根據多個時間槽的實際推送比例與目標推送比例獲得比例差值；

比較步驟：將所述比例差值與第一閾值進行比較后輸出比較結果；

調整步驟：根據所述比較結果調整所述初始概率，或，根據所述比較結果調整所述初始概率及所述調額推送閾值，調整后繼續進行推送。

上述的實時動態流量分配方法，其中，所述分桶步驟包括：

打分步驟：對所述在線請求流量進行模型打分獲得模型分數；

排序步驟：對多個所述模型分數進行排序獲得所述模型分值集合；

劃分步驟：將所述模型分值集合劃分為多個所述分值桶，以使每一所述分值桶的在線請求流量大致相同。

上述的實時動態流量分配方法，其中，所述調整步驟包括：

第一調整步驟：當所述比例差值小于所述第一閾值時調整所述初始概率及所述調額推送閾值；或；

第二調整步驟：當所述比例差值大于等于所述第一閾值時調整所述初始概率。