[发明专利]排序方法及装置、电子设备和存储介质

说明书

本发明实施例涉及信息推荐技术领域，公开了一种排序方法及装置、电子设备和存储介质。该方法包括：生成实时训练样本；根据生成的实时训练样本更新排序模型的模型参数；基于更新的排序模型预测排序结果。本发明实施方式通过生成实时训练样本更新排序模型并得到排序结果，从而使得排序结果能够实时反映用户或者群体的兴趣变化，显著提高用户点击购买的意愿，提高排序性能。

技术领域

本发明涉及信息推荐技术领域，特别涉及一种排序方法及装置、电子设备和存储介质。

背景技术

在用户意图明确时，我们通常用搜索引擎来解决互联网时代的信息过载问题，但当用户的意图不明确或者很难用清晰的语义表达，搜索引擎就无能为力。此时，通过对用户行为的分析理解其意图，为其推送个性化的结果，便成为一种更好的选择。现有的外卖场景中，后台服务器有一个专门的排序模型可以根据用户选购的商家以及餐品等信息进行智能推荐排序，使得前端软件界面上的商家列表能够根据用户选购的商家以及餐品的不同而更新。

发明人发现相关技术至少存在以下问题：现有排序模型利用历史数据，例如截至前一天的用户的行为数据(选购的商家、餐品等)对排序模型进行更新，以便在后续，例如第二天为用户推荐更新的排序结果(例如商家列表)。因此，现有的排序方法存在一定的滞后性。

发明内容

本发明实施方式的目的在于提供一种排序方法及装置、电子设备和存储介质，通过生成实时训练样本更新排序模型并得到排序结果，从而使得排序结果能够实时反映用户或者群体的兴趣变化，显著提高用户点击购买的意愿，提高排序性能。

为解决上述技术问题，本发明的实施方式提供了一种排序方法，包括：

生成实时训练样本；

根据生成的所述实时训练样本更新排序模型的模型参数；

基于更新的所述排序模型预测排序结果。

本发明的实施方式还提供了一种排序装置，包括：

生成模块，用于生成实时训练样本；

更新模块，用于根据生成的所述实时训练样本更新排序模型的模型参数；

预测模块，用于基于更新的所述排序模型预测排序结果。

本发明的实施方式还提供了一种电子设备，包括：存储器和处理器，存储器存储计算机程序，处理器运行所述计算机程序以实现：

生成实时训练样本；

根据生成的所述实时训练样本更新排序模型的模型参数；

基于更新的所述排序模型预测排序结果。

本发明的实施方式还提供了一种存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行如前所述的排序方法。

本发明实施方式相对于现有技术而言，生成实时训练样本提供给排序模型进行训练得到新的模型参数，并基于新的模型参数预测排序结果，由于实时训练样本能够及时体现用户或者群体的兴趣变化，因此基于其的排序结果能够实时反映用户或者群体的兴趣变化，从而可以显著提高用户点击购买的意愿，提高排序性能。

作为一个实施例，所述生成实时训练样本，具体包括：实时采集并组织样本数据；对组织的所述样本数据进行聚合得到所述实时训练样本。

作为一个实施例，所述样本数据包括：后端业务日志以及前端反馈的用户行为数据。

作为一个实施例，所述实时采集并组织样本数据，具体包括：确定采集的所述样本数据是否为所述后端业务日志，若为所述后端业务日志，则确定所述样本数据是否存在分页，若存在分页，则将分页的样本数据进行合并后缓存，若不存在分页，则直接缓存采集的所述样本数据。