本公开涉及计算机,尤其涉及一种目标推荐方法及装置。
背景技术:
1、相关技术中,企业的营销业务系统可能积累有大量用户线上行为数据。随着用户群的扩大,受工作人员数量和精力限制,在对用户线上行为数据进行挖掘时,仅仅依靠业务经验,通过基本的数据分析,挖掘出的价值行为较为有限。
2、同时,随着业务的发展,app(应用程序)会进行迭代更新,app页面与行为埋点会发生变化,历史用户数据、项目数据与线上的数据会产生差异。企业的营销业务相关的目标推荐系统可以使用目标推荐模型从用户群中发现购买意愿强的潜在用户,由于目标推荐模型在上线前需要留出线下评估时间,目标推荐模型上线后,线上数据与模型训练使用的数据差异可能会更大,从而导致目标推荐模型和目标推荐系统的推荐效果快速下降。
3、如何提高目标推荐系统的推荐效果是当前亟需解决的技术问题。
技术实现思路
1、有鉴于此,本公开实施例提供了一种目标推荐方法、装置、电子设备及可读存储介质,以解决现有技术中目标推荐系统的推荐效果下降的技术问题。
2、本公开实施例的第一方面,提供了一种目标推荐方法,该方法包括:获取用户项目数据,所述用户项目数据包括当前用户的用户特征、历史行为特征以及相对于当前项目的交互特征;将所述用户项目数据输入到预置的目标推荐模型,得到所述当前用户相对于所述当前项目的推荐数据,其中,目标推荐模型通过对预建立的至少两个预选模型通过排名加权策略进行模型融合得到,所述至少两个预选模型根据目标推荐的目标值建立。
3、本公开实施例的第二方面,提供了一种目标推荐装置,该装置包括:获取模块,用于获取用户项目数据,所述用户项目数据包括当前用户的用户特征、历史行为特征以及相对于当前项目的交互特征;推荐模块,用于将所述用户项目数据输入到预置的目标推荐模型,得到所述当前用户相对于所述当前项目的推荐数据,其中,目标推荐模型通过对预建立的至少两个预选模型通过排名加权策略进行模型融合得到,所述至少两个预选模型根据目标推荐的目标值建立。
4、本公开实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
5、本公开实施例的第四方面,提供了一种可读存储介质,该可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
6、本公开实施例与现有技术相比存在的有益效果是:本公开实施例的技术方案通过根据目标推荐模型的目标值预先建立预选模型,并对预选模型通过排名加权策略进行模型融合,得到目标推荐模型,从而提高模型的泛化能力和稳定性,提高推荐系统的推荐效果。
1.一种目标推荐方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述目标推荐模型的融合方法包括:
3.根据权利要求2所述的方法,其特征在于,根据预先构造的权重列表获取第一预选模型与所述基础模型的加权融合后的第一融合模型的第一评估函数值,包括:
4.根据权利要求1所述的方法,其特征在于,所述目标值包括未来14天内到访的目标客户数量或者未来28天内到访的目标客户数量。
5.根据权利要求2所述的方法,其特征在于,根据所述至少两个预选模型的评估函数值对所述至少两个预选模型从大到小进行排序之前,所述方法还包括:根据以下训练方法对所述至少两个预选模型进行训练:使用训练数据对原始模型进行迭代,直到所述原始模型的评估函数值不再提高或者达到设定的迭代次数,得到所述目标推荐模型。
6.根据权利要求1所述的方法,其特征在于,所述至少两个预选模型的原始模型至少包括以下任一种:
7.根据权利要求5所述的方法,其特征在于,使用训练数据对原始模型进行迭代之前,所述方法还包括:构造相似特征处理对,以使得每个预选模型根据随机特征集进行模型训练,其中,所述随机特征集由从所述相似特征处理对中随机选择的一个相似特征处理方案对训练数据进行特征处理得到。
8.一种目标推荐装置,其特征在于,所述装置包括:
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且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7中任一项所述方法的步骤。
10.一种可读存储介质,所述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7中任一项所述方法的步骤。