重系数所采用的待评价客 体。11. 一种用于计算待评价客体排序分的装置，其特征在于，包括： 数据获取单元，用于获取待评价客体的原始评分数据、新增排序因子的值、以及以实际 交互行为系统中对应每个待评价客体的历史行为数据为根据，从中提取的对应特定排序目 标的实际行为数据； 权重系数计算单元，用于以根据所述实际行为数据得到的实际排序分布、和根据预先 设定的排序分计算模型得到的预测排序分布之间的差异最小化为优化目标，求解所述排序 分计算模型中的新增排序因子的权重系数； 排序分计算单元，用于以所述待评价客体的原始评分数据、所述新增排序因子的值以 及计算得到的所述新增排序因子权重系数的值为输入，采用所述排序分计算模型计算所述 待评价客体的排序分。12. 根据权利要求11所述的用于计算待评价客体排序分的装置，其特征在于，所述权 重系数计算单元和所述排序分计算单元采用的排序分计算模型中，针对每个新增排序因子 采用幂次项求和的表示方式。13. 根据权利要求11-12任一所述的用于计算待评价客体排序分的装置，其特征在于， 所述权重系数计算单元具体用于，以根据所述实际行为数据得到的实际排序分布、和根据 预先设定的排序分计算模型得到的预测排序分布之间的KL距离最小化为优化目标，求解 所述排序分计算模型中的新增排序因子的权重系数。14. 根据权利要求13所述的用于计算待评价客体排序分的装置，其特征在于，所述权 重系数计算单元包括： 实际排序分布获取子单元，用于通过计算待评价客体的所述实际行为数据与全部待评 价客体的所述实际行为数据总和的比值，获取所述待评价客体的实际排序分布； 预测排序分计算子单元，用于以所述待评价客体的原始评分数据、所述新增排序因子 的值和所述新增排序因子权重系数的当前值为输入，采用所述排序分计算模型计算所述待 评价客体的预测排序分；所述新增排序因子权重系数的当前值是指，采用本方法上一次计 算得到的所述权重系数的值； 预测排序分布表达式获取子单元，用于以所述新增排序因子的权重系数为未知数，将 所述待评价客体的原始评分数据、所述新增排序因子的值代入所述排序分计算模型，并根 据得到的表达式与待评价客体的所述预测排序分的总和，获取以所述新增排序因子的权重 系数表示的预测排序分布； KL距离表达式获取子单元，用于获取所述实际排序分布和所述预测排序分布之间的 KL距离的表达式； 权重系数求解子单元，用于以所述KL距离表达式的值最小化为优化目标，求解所述新 增排序因子的权重系数的值。15. 根据权利要求14所述的用于计算待评价客体排序分的装置，其特征在于，所述权 重系数求解子单元具体用于，采用随机梯度下降算法或者逻辑回归优化算法求解所述新增 排序因子的权重系数。16. 根据权利要求14所述的用于计算待评价客体排序分的装置，其特征在于，所述权 重系数计算单元还包括： 预测排序分布获取子单元，用于在获取所述待评价客体的实际排序分布和计算所述待 评价客体的预测排序分之后，通过计算所述待评价客体的预测排序分与全部待评价客体的 预测排序分总和的比值，获取所述待评价客体的预测排序分布； KL距离值计算子单元，用于计算所述实际排序分布和所述预测排序分布获取子单元输 出的预测排序分布之间的KL距离值； KL距离值判断子单元，用于判断所述KL距离值与上次采用本方法计算得到的KL距离 值相比较，其数值减小的比例是否小于预先设定的阈值；若是，则在后续使用本装置计算待 评价客体排序分的过程中，不再触发所述权重系数计算单元及其子单元工作，相应的，所述 排序分计算单元具体用于以所述待评价客体的原始评分数据、所述新增排序因子的值以及 最近一次计算得到的所述新增排序因子权重系数的值为输入进行求解。17. 根据权利要求14所述的用于计算待评价客体排序分的装置，其特征在于，第一次 触发所述预测排序分计算子单元工作时，将所述新增排序因子权重系数的当前值设置为预 先设定的初始值。18. 根据权利要求11所述的用于计算待评价客体排序分的装置，其特征在于，所述装 置还包括： 客体数目判断子单元，用于在触发所述权重系数计算单元工作之前，判断所述待评价 客体的数目是否大于求解新增排序因子权重系数所需待评价客体的预定数量； 客体选择子单元，用于当所述客体数目判断子单元的输出为"是"时，按照所述待评价 客体的原始评分数据从大到小的顺序，从中选择所述预定数量的待评价客体，作为后续使 用本方法求解所述新增排序因子的权重系数所采用的待评价客体。19. 一种用于建立排序分计算模型的方法，其特征在于，包括： 获取待评价客体的原始评分数据、新增排序因子的值、以及以实际交互行为系统中对 应每个待评价客体的历史行为数据为根据，从中提取的对应特定排序目标的实际行为数 据； 计算根据所述实际行为数据得到的实际排序分布、和采用预先设定的排序分计算模型 得到的预测排序分布之间的差异值；所述预测排序分布是以所述原始评分数据、所述新增 排序因子的值以及所述新增排序因子权重系数的当前值为输入得到的，所述新增排序因子 权重系数的当前值是指，上一次计算得到的权重系数值； 判断所述差异值是否满足预先设定的收敛要求； 若是，结束本方法的执行，所述排序分计算模型建立完毕； 若否，以预测排序分布和所述实际排序分布之间的差异最小化为优化目标，求解所述 排序分计算模型中的新增排序因子的权重系数； 按照预先设定的时间间隔，转到获取所述原始评分数据、所述新增排序因子的值以及 所述实际行为数据的步骤继续执行。20. 根据权利要求19所述的用于建立排序分计算模型的方法，其特征在于，所述实际 排序分布和预测排序分布之间的差异具体是指，上述两个分布之间的KL距离；相应的，上 述两个分布之间的差异值具体是指，所述KL距离的值。21. 根据权利要求20所述的用于建立排序分计算模型的方法，其特征在于，所述预先 设定的收敛要求是指，本次计算的KL距离值与上次计算得到的KL距离值相比较，其数值减 小的比例小于预先设定的阈值。22. 根据权利要求20-21任一所述的用于建立排序分计算模型的方法，其特征在于，所 述计算根据所述实际行为数据得到的实际排序分布、和采用预先设定的排序分计算模型得 到的预测排序分布之间的差异值，包括： 通过计算待评价客体的所述实际行为数据与全部待评价客体的所述实际行为数据总 和的比值，获取所述待评价客体的实际排序分布； 以所述待评价客体的原始评分数据、所述新增排序因子的值和所述新增排序因子权重 系数的当前值为输入，采用所述排序分计算模型计算所述待评价客体的预测排序分；第一 次执行本步骤时，将所述新增排序因子权重系数的当前值设置为预先设定的初始值； 通过计算所述待评价客体的预测排序分与全部待评价客体的预测排序分总和的比值， 获取所述待评价客体的预测排序分布； 计算所述实际排序分布和所述预测排序分布之间的KL距离值。23. 根据权利要求22所述的用于建立排序分计算模型的方法，其特征在于，所述以预 测排序分布和所述实际排序分布之间的差异最小化为优化目标，求解所述排序分计算模型 中的新增排序因子的权重系数，包括： 以所述新增排序因子的权重系数为未知数，将所述待评价客体的原始评分数据、所述 新增排序因子的值代入所述排序分计算模型，并根据得到的表达式与所述待评价客体的所 述预测排序分总和，获取所述预测排序分布表达式； 获取所述实际排序分布和所述预测排序分布之间的KL距离的表达式； 以所述KL距离表达式的值最小化为优化目标，求解所述新增排序因子权重系数的值。24. 根据权利要求23所述的用于建立排序分计算模型的方法，其特征在于，所述以所 述KL距离表达式的值最小化为优化目标，求解所述新增排序因子权重系数的值是指，采用 随机梯度下降算法或者逻辑回归优化算法求解。25. -种用于建立排序分计算模型的装置，其特征在于，包括： 数据获取单元，用于获取待评价客体的原始评分数据、新增排序因子的值、以及以实际 交互行为系统中对应每个待评价客体的历史行为数据为根据，从中提取的对应特定排序目 标的实际行为数据； 分布差异值计算单元，用于计算根据所述实际行为数据得到的实际排序分布、和采用 预先设定的排序分计算模型得到的预测排序分布之间的差异值；所述预测排序分布是以所 述原始评分数据、所述新增排序因子的值以及所述新增排序因子权重系数的当前值为输入 得到的，所述新增排序因子权重系数的当前值是指，上一次计算得到的权重系数值； 收敛判断单元，用于判断所述差异值是否满足预先设定的收敛要求； 结束执行单元，用于当所述收敛判断单元的输出为"是"，结束本装置各个单元的工作， 所述排序分计算模型建立完毕； 权重系数优化单元，用于当所述收敛判断单元的输出为"否"时，以预测排序分布和所 述实际排序分布之间的差异最小化为优化目标，求解所述排序分计算模型中的新增排序因 子的权重系数； 循环控制单元，用于按照预先设定的时间间隔，触发上述各个单元工作。26. 根据权利要求25所述的用于建立排序分计算模型的装置，其特征在于，所述权重 系数优化单元进行求解所依据的所述预测排序分布和所述实际排序分布之间的差异是指， 上述两个分布之间的KL距离；所述分布差异值计算单元计算的差异值是指，上述两个分布 之间的KL距离值。27. 根据权利要求26所述的用于建立排序分计算模型的装置，其特征在于，所述收敛 判断单元进行判断所采用的所述预先设定的收敛要求是指，本次计算的KL距离值与上次 计算得到的KL距离值相比较，其数值减小的比例小于预先设定的阈值。28. 根据权利要求26-27任一所述的用于建立排序分计算模型的装置，其特征在于，所 述分布差异值计算单元包括： 实际排序分布获取子单元，用于通过计算待评价客体的所述实际行为数据与全部待评 价客体的所述实际行为数据总和的比值，获取所述待评价客体的实际排序分布； 预测排序分计算子单元，用于以所述待评价客体的原始评分数据、所述新增排序因子 的值和所述新增排序因子权重系数的当前值为输入，采用所述排序分计算模型计算所述待 评价客体的预测排序分；第一次触发本子单元工作时，将所述新增排序因子权重系数的当 前值设置为预先设定的初始值； 预测排序分布获取子单元，用于通过计算所述待评价客体的预测排序分与全部待评价 客体的预测排序分总和的比值，获取所述待评价客体的预测排序分布； KL距离值计算子单元，用于计算所述实际排序分布和所述预测排序分布之间的KL距 离值。29. 根据权利要求28所述的用于建立排序分计算模型的装置，其特征在于，所述权重 系数优化单元包括： 预测排序分布表达式获取子单元，用于以所述新增排序因子的权重系数为未知数，将 所述待评价客体的原始评分数据、所述新增排序因子的值代入所述排序分计算模型，并根 据得到的表达式与所述待评价客体的所述预测排序分总和，获取所述预测排序分布表达 式； KL距离表达式获取子单元，用于获取所述实际排序分布和所述预测排序分布之间的 KL距离的表达式； 权重系数求解子单元，用于以所述KL距离表达式的值最小化为优化目标，求解所述新 增排序因子权重系数的值。30. 根据权利要求29所述的用于建立排序分计算模型的装置，其特征在于，所述权重 系数求解子单元具体用于，采用随机梯度下降算法或者逻辑回归优化算法求解所述新增排 序因子权重系数的值。31. 一种向品推荐系统，其特征在于，包括： 商品推荐服务器，用于接收客户端的商品查询请求，并向所述客户端推送多个与所述 查询请求中的关键词相匹配的商品，所述推送的多个商品是按照权利要求1所述用于计算 待评价客体排序分的方法，以预先计算的排序分对可推荐的候选商品进行排序后，推荐的 序位处于高位的商品。
【专利摘要】本申请公开了一种用于计算待评价客体排序分的方法和装置、一种用于建立排序分计算模型的方法和装置、以及一种商品推荐系统。其中所述用于计算待评价客体排序分的方法包括：获取待评价客体的原始评分数据、新增排序因子的值、以及从实际交互行为系统的历史行为数据中提取的实际行为数据；以根据实际行为数据得到的实际排序分布、和根据预先设定的排序分计算模型得到的预测排序分布之间的差异最小化为优化目标，求解排序分计算模型中的新增排序因子的权重系数；采用所述排序分计算模型计算所述待评价客体的排序分。采用本申请提供的方法，不仅可以快速、方便地引入新增排序因子，而且计算出的排序分能够相对客观、准确地预测待评价客体的排序状况。
【IPC分类】G06Q30/02, G06F17/30
【公开号】CN105574025
【申请号】CN201410544767
【发明人】刘睿, 吕韬, 孙超, 杨志雄
【申请人】阿里巴巴集团控股有限公司
【公开日】2016年5月11日
【申请日】2014年10月15日
【公告号】WO2016058485A2, WO2016058485A3