[发明专利]商品推荐策略确定方法、装置、计算机设备及存储介质

权利要求书

1.一种商品推荐策略确定方法，其特征在于，包括：

确定多个优选离线商品推荐策略；

根据多臂赌博算法对所述多个优选离线商品推荐策略进行处理，并确定优选在线商品推荐策略；

根据零阶优化算法对所述优选在线商品推荐策略进行优化，生成最优在线商品推荐策略。

2.根据权利要求1所述的一种商品推荐策略确定方法，其特征在于，在所述生成最优在线商品推荐策略的步骤之后，还包括：

根据所述最优在线商品推荐策略进行在线商品推荐。

3.根据权利要求1所述的一种商品推荐策略确定方法，其特征在于，在所述确定优选在线商品推荐策略的步骤之后，还包括：

判断所述优选在线商品推荐策略是否满足预设的优化条件；

所述根据零阶优化算法对所述优选在线商品推荐策略进行优化，生成最优在线商品推荐策略的步骤，具体包括：

当判断所述优选在线商品推荐策略不满足预设的优化条件时，根据零阶优化算法对所述优选在线商品推荐策略进行优化，生成最优在线商品推荐策略。

4.根据权利要求1所述的一种商品推荐策略确定方法，其特征在于，所述确定多个优选离线商品推荐策略的步骤，具体包括：

获取用户的特征信息以及商品的特征信息；

根据所述用户的特征信息以及商品的特征信息确定多个优选离线商品推荐策略。

5.根据权利要求1所述的一种商品推荐策略确定方法，其特征在于，所述根据多臂赌博算法对所述多个优选离线商品推荐策略进行处理，并确定优选在线商品推荐策略的步骤，具体包括：

根据预设的收益期望计算规则计算所述多个优选离线商品推荐策略的多轮收益期望；

根据所述多个优选离线商品推荐策略进行多轮在线商品推荐，并分别确定所述多个优选离线商品推荐策略的多轮实际在线收益；

根据所述多个优选离线商品推荐策略的多轮收益期望以及所述多个优选离线商品推荐策略的多轮实际在线收益确定优选在线商品推荐策略。

6.根据权利要求5所述的一种商品推荐策略确定方法，其特征在于，所述根据所述多个优选离线商品推荐策略的多轮收益期望以及所述多个优选离线商品推荐策略的多轮实际在线收益确定优选在线商品推荐策略的步骤，具体包括：

根据所述多个优选离线商品推荐策略的多轮收益期望以及所述多个优选离线商品推荐策略的多轮实际在线收益确定所述多个优选离线商品推荐策略的累计遗憾值；

根据所述多个优选离线商品推荐策略的累计遗憾值确定优选在线商品推荐策略。

7.根据权利要求1所述的商品推荐策略确定方法，其特征在于，所述基于零阶优化算法对所述优选在线商品推荐策略进行优化，生成最优在线商品推荐策略的步骤，具体包括：

确定所述优选在线商品推荐策略中的推荐参数；

按照预设的调整规则在连续空间上调整所述优选在线商品推荐策略中的推荐参数，生成多个参数优化后在线商品推荐策略；

计算所述多个参数优化后在线商品推荐策略的多轮实际在线收益；

根据所述多个参数优化后在线商品推荐策略的多轮实际在线收益确定最优在线商品推荐策略。

8.一种商品推荐策略确定装置，其特征在于，包括：

优选离线商品推荐策略确定模块，用于确定多个优选离线商品推荐策略；

优选在线商品推荐策略确定模块，用于根据预设的基于多臂赌博算法建立的商品推荐模型对所述多个优选离线商品推荐策略进行处理，并确定优选在线商品推荐策略；

在线商品推荐策略优化模块，用于基于零阶优化算法对所述优选在线商品推荐策略进行优化，生成最优在线商品推荐策略；

在线商品推荐模块，用于根据所述最优在线商品推荐策略进行在线商品推荐。

9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1至7中任一项权利要求所述商品推荐策略确定方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1至7中任一项权利要求所述商品推荐策略确定方法的步骤。