本发明涉及数据处理,尤其涉及一种推荐系统重排方法、装置、计算机设备及介质。
背景技术:
1、随着电子商务规模的不断扩大,保险或金融等领域中商品个数和种类快速增长,例如在银行、证券、保险等金融机构的业务量持续扩大,产生大量的商品个数和种类。用户需要花费大量的时间才能找到自己想买的商品。为了解决这些问题,推荐系统应运而生。推荐系统根据用户需求、兴趣、偏好等,通过推荐算法从海量数据中挖掘出用户感兴趣的项目,并将结果以列表的形式推荐给用户。
2、现有技术中,保险或金融等领域中的推荐系统通常包括召回层、精排层和重排层,重排层离用户展现最近,也非常关键。重排层主要解决的是用户体验的问题,是在不降低点击率、转化率等转化指标的基础上提升保险或金融等领域中商品展示的多样性。当前主要解决多样性的重排算法主要有类目打散和dpp行列式多样性打散算法。类目打散效果一般,dpp行列式多样性打散算法计算量巨大,尤其在商品数量较多的场景下对保险或金融等领域中的计算速度的挑战较大,以及对保险或金融等领域中的计算资源依赖也较高。
技术实现思路
1、本发明实施例提供一种推荐系统重排方法、装置、计算机设备及介质,以解决现有技术中推荐系统重排对计算资源依赖较高的问题。
2、一种推荐系统重排方法,包括:
3、获取初始排序表;所述初始排序表包括至少一个推荐物品、与所述推荐物品对应的初始值以及与所述推荐物品对应的物品类别;
4、根据所有所述推荐物品、所有所述初始值和所有所述物品类别,确定目标函数;
5、获取预设差分进化算法,通过所述预设差分进化算法和所述目标函数对所有所述推荐物品进行重新排序,得到排序输出结果;
6、根据所有所述排序输出结果,确定目标排序表。
7、一种推荐系统重排装置,包括:
8、数据获取模块,用于获取初始排序表;所述初始排序表包括至少一个推荐物品、与所述推荐物品对应的初始值以及与所述推荐物品对应的物品类别;
9、目标函数模块,用于根据所有所述推荐物品、所有所述初始值和所有所述物品类别,确定目标函数;
10、重新排序模块,用于获取预设差分进化算法,通过所述预设差分进化算法和所述目标函数对所有所述推荐物品进行重新排序,得到排序输出结果;
11、目标结果模块,用于根据所有所述排序输出结果,确定目标排序表。
12、一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述推荐系统重排方法。
13、一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述推荐系统重排方法。
14、本发明提供一种推荐系统重排方法、装置、设备及介质,该方法通过召回层和精排层对目标物品进行初步排序,从而实现了对初始排序表中推荐物品的获取,进而实现了对与推荐物品对应的初始值以及与推荐物品对应的物品类别的获取。通过初始值和物品类别构建目标函数,从而实现了对目标函数的确定,进而通过取目标函数的对偶函数,实现了对目标函数量化为最小化。通过预设差分进化算法和目标函数对所有推荐物品进行重新排序,从而实现了将保险或金融等领域中物品重排排序问题转为0-1背包问题进行求解,进而实现了利用预设差分进化算法的种群搜索特质,使得np问题快速得到结果。通过0-1背包问题对排序输出结果进行分类及排序,从而实现了对目标排序表的获取,进而减少了保险或金融等领域中对计算资源依赖,以及提升了保险或金融等领域中计算速度。
1.一种推荐系统重排方法,其特征在于,包括:
2.如权利要求1所述的推荐系统重排方法,其特征在于,所述获取初始排序表,包括:
3.如权利要求2所述的推荐系统重排方法,其特征在于,所述对所有所述候选物品进行筛选处理,得到所述初始排序表,包括:
4.如权利要求1所述的推荐系统重排方法,其特征在于,所述通过所述预设差分进化算法和所述目标函数对所有所述推荐物品进行重新排序,得到排序输出结果,包括:
5.如权利要求4所述的推荐系统重排方法,其特征在于,所述根据所述交叉物品向量和与所述交叉物品向量对应的适应度值,确定选择物品向量,包括:
6.如权利要求1所述的推荐系统重排方法,其特征在于,所述预设差分进化算法包括元素值;
7.一种推荐系统重排装置,其特征在于,包括:
8.如权利要求7所述的推荐系统重排装置,其特征在于,所述重新排序模块,包括:
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述推荐系统重排方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述推荐系统重排方法。