[發明專利]推薦系統模型評測結果的評測方法及電子設備

有效

• 申請號: 202110384899.1
• 申請日: 2021-04-09
• 公開（公告）號: CN113112148B
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 李凱元;馮志超;陳昱碩;侯宇蓬;王鵬飛;趙鑫
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q30/06;G06F16/951;G06F16/9535
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 鄭穎穎

1.一種推薦系統模型評測結果的評測方法，應用于PyTorch推薦系統框架，其特征在于，所述方法包括：

S100,獲取推薦系統模型評測結果，得到單個批次內每個用戶對候選商品的一維分數張量，根據評測方式進行對應重排處理，得到二維分數張量；所述二維分數張量中，每個用戶的正樣本張量均位于負樣本張量之前；

S200,生成所述二維分數張量的列索引的亂序排列，并利用所述列索引的亂序排列將二維分數張量的列重排，得到重排二維分數張量；

S300,根據重排二維分數張量，并行計算每個用戶的top-k商品對應的索引，并利用所述索引對所述列索引的亂序排列進行索引，得到單個批次內每個用戶的top-k商品的原始索引張量；

S400,循環步驟S100至步驟S300，得到所有批次內每個用戶的top-k商品的原始索引，按行拼接，得到所有用戶的top-k商品的原始索引；計算所有正樣本張量與所有用戶的top-k商品的交集在所有用戶的top-k商品的原始索引中的布爾索引張量；

S500，對所述布爾索引張量和所有正樣本張量，進行計算，得到所有相關top-k指標的值。

2.根據權利要求1所述的評測方法，其特征在于，所述根據評測方式進行對應重排處理，得到二維分數張量具體包括:

若評測方式為負采樣，則進行負采樣重排；

若測評方式為全排序，則進行全排序重排。

3.根據權利要求2所述的評測方法，其特征在于，所述負采樣重排包括：

依據每個用戶的候選商品數，對單個批次內每個用戶對候選商品的一維分數張量進行劃分；

填充劃分所得結果，得到二維分數張量。

4.根據權利要求2所述的評測方法，其特征在于，所述全排序重排包括：

填充候選商品中歷史交互過的商品的分數；

對一維分數張量進行重組，得到二維分數張量。

5.根據權利要求1所述的評測方法，其特征在于，所述得到重排二維分數張量具體包括：

將二維分數張量隨機生成雙射表，包括列索引和列索引的隨機排列；

利用所述雙射表中的列索引的隨機排列，重新排列二維分數張量的列,得到重排二維分數張量。

6.根據權利要求5所述的評測方法，其特征在于，所述得到單個批次內每個用戶的top-k商品的原始索引具體包括：

獲取所述重排二維分數張量中，前k個商品的索引；

利用所述前k個商品的索引，訪問所述雙射表中的列索引，得到單個批次內每個用戶的top-k商品的原始索引。

7.根據權利要求1所述的評測方法，其特征在于，所述計算所有正樣本張量與所有用戶的top-k商品的交集在所有用戶的top-k商品的原始索引中的布爾索引張量具體包括：

比較所有用戶的top-k商品的原始索引與用戶的正樣本張量的數值大小；

若為小于，則填充值為1；若為大于，則填充值為0。

8.根據權利要求1所述的評測方法，其特征在于，所述得到所有相關top-k指標的值具體包括：

根據單個的整體的對應指標的指標類型，對所述布爾索引張量和所有正樣本張量進行對應的高并行處理，得到處理后的張量；

對所述處理后的張量進行函數處理，得到單個的整體的對應指標的值；

循環對于單個的整體的對應指標的處理，得到所有的整體的對應指標的值。

9.根據權利要求8所述的評測方法，其特征在于，所述得到處理后的張量具體包括：

當指標為召回率時，對所述布爾索引張量按行累加求和；

將求和所得結果按行除以用戶正樣本張量，得到處理后的張量；

當指標為精度時，對所述布爾索引張量按行累加求和；

將求和所得結果生成長度為top-k的一維張量；

將求和所得結果按行除以所述一維張量，得到處理后的張量。

10.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現如權利要求1至9任意一項所述的方法。