[发明专利]排序方法、装置和计算机可读存储介质

说明书

本发明公开了一种排序方法、装置和计算机可读存储介质，涉及数据处理领域。排序方法包括：根据备选对象的用户操作数据和价值指数数据计算每个备选对象的第一排序指标；采用第一排序指标对备选对象进行第一排序；获取第一排序的结果中的部分备选对象，作为第二排序对象；采用预先训练的排序模型对第二排序对象重新进行第二排序，以便将第二排序对象按照第二排序结果的顺序推荐给用户。本发明的实施例在采用排序模型进行第二排序时，排序的对象并非全部备选对象、而是备选对象中的一部分对象，从而减少了排序模型的计算压力，提高了推荐效率。并且，用户在短时间内浏览的对象数量有限，因此本发明的方案并不会影响用户的使用体验。

技术领域

本发明涉及数据处理领域，特别涉及一种排序方法、装置和计算机可读存储介质。

背景技术

随着基于互联网的电子商务技术的不断发展，电子商务网站上展示的商品的数量呈爆炸式增长。根据用户的行为特点及时而准确的找出用户实时的购物兴趣，可以极大地优化用户的购物体验，同时也可以为电商网站带来点击广告收入，并使得购物成交额大幅增长。

目前工业级个性化推荐系统主要分为召回和排序两个阶段。在召回阶段，可以根据等各种特征召回用户可能感兴趣的商品。在排序阶段，可以将用户的历史行为组合为特征，然后输入已经训练好的大规模神经网络。这个阶段会将用户的各种行为进行组合分析，对每个候选的商品进行打分，选出打分高的商品以优先推荐给用户。

发明内容

发明人对相关技术进行分析后发现，排序阶段能够将召回阶段所召回的商品进行较精准的排序。但因为模型复杂，召回的商品数量庞大，因此目前排序所用的耗时也比较高，从而降低了推荐的效率。

本发明实施例所要解决的一个技术问题是：如何提高推荐效率。

根据本发明一些实施例的第一个方面，提供一种排序方法，包括：根据备选对象的用户操作数据和价值指数数据计算每个备选对象的第一排序指标；采用第一排序指标对备选对象进行第一排序；获取第一排序的结果中的部分备选对象，作为第二排序对象；采用预先训练的排序模型对第二排序对象重新进行第二排序，以便将第二排序对象按照第二排序结果的顺序推荐给用户。

在一些实施例中，获取第一排序的结果中第一排序指标最高的预设数量的对象，作为第二排序对象。

在一些实施例中，根据备选对象的用户操作数据和价值指数数据计算每个备选对象的第一排序指标包括：采用预设公式计算每个备选对象的第一排序指标，其中，预设公式的自变量是根据用户操作数据和价值指数数据确定的。

在一些实施例中，采用以下公式计算第一排序指标：

其中，R1为备选对象的第一排序指标，n为备选对象的被点击次数，m为备选对象被曝光的次数，α为调节系数、并且0≤α≤1，bid为备选对象的广告出价值，gmv为备选对象的成交额。

在一些实施例中，排序方法还包括：根据预设的反馈时间和排序模型的计算能力确定第二排序对象的数量。

在一些实施例中，排序方法还包括：从用户点击日志、用户订单日志中的至少一个获取用户操作数据；从用户订单日志、广告竞价系统中的至少一个获取价值指数数据。

在一些实施例中，用户操作数据包括用户对每个备选对象的点击数据、浏览数据、收藏数据、购买数据中的一种或多种；价值指数数据包括对象的广告出价信息、成交信息中的一种或多种。