[发明专利]反馈指标预测模型训练方法、对象推荐方法及相关设备

说明书

本公开关于反馈指标预测模型训练方法、对象推荐方法及相关设备，其中训练方法包括：获取基于随机投放实验得到的样本对象的随机投放信息；随机投放信息表征随机投放的用户账户对样本对象的反馈；根据样本对象对应的随机投放信息，确定样本对象对应的目标反馈指标；根据样本对象在历史推荐中的第一历史反馈信息序列，确定样本对象对应的历史反馈特征；根据样本对象对应的历史反馈特征和目标反馈指标训练预设机器学习模型得到反馈指标预测模型；其中，目标反馈指标作为历史反馈特征对应的期望预测值。本公开提高了反馈指标预测模型对于物品价值预测的准确性，进而有利于提高各物品的展示机会与其真正价值的匹配性。

技术领域

本公开涉及计算机技术领域，尤其涉及一种反馈指标预测模型训练方法、对象推荐方法及相关设备。

背景技术

近年来，针对推荐系统的公平性的研究越来越多，现有以物品(如待推荐的视频)作为公平性视角的方案中，认为每个物品的曝光量与它的效用呈正相关关系，广泛使用的效用衡量是基于推荐系统日志中点击率、点赞率等反馈的直接统计量。

然而相关技术中的上述效用在衡量过程忽视了推荐系统中存在曝光等偏置的影响，导致现有的公平性衡量技术中使用的效用指标准确性较差，不能反映物品的真正价值，进而导致各物品的展示机会与其真正价值不匹配。

发明内容

本公开提供一种反馈指标预测模型训练方法、对象推荐方法及相关设备，以至少解决相关技术中训练得到的用于对物品价值进行预测的机器学习模型的预测准确性较差的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种反馈指标预测模型训练方法，包括：

获取基于随机投放实验得到的样本对象的随机投放信息；所述随机投放信息表征随机投放的用户账户对所述样本对象的反馈；

根据所述样本对象对应的随机投放信息，确定所述样本对象对应的目标反馈指标；

根据所述样本对象在历史推荐中的第一历史反馈信息序列，确定所述样本对象对应的历史反馈特征；

根据所述样本对象对应的历史反馈特征和所述目标反馈指标训练预设机器学习模型，得到反馈指标预测模型；其中，所述目标反馈指标作为所述历史反馈特征对应的期望预测值。

在一个示例性的实施方式中，所述根据所述样本对象在历史推荐中的第一历史反馈信息序列，确定所述样本对象对应的历史反馈特征包括：

获取所述样本对象在历史推荐中的第一历史反馈信息序列；

按照预设聚合数量将所述第一历史反馈信息序列划分为第一数量个子序列；每个所述子序列包括连续的所述预设聚合数量个第一历史反馈信息；

对每个子序列中的第一历史反馈信息进行聚合处理，得到所述样本对象对应的聚合反馈信息序列；所述聚合反馈信息序列包括对应各所述子序列的聚合反馈信息；

根据所述聚合反馈信息序列，确定所述样本对象对应的历史反馈特征。

在一个示例性的实施方式中，所述根据所述聚合反馈信息序列，确定所述样本对象对应的历史反馈特征包括：

根据所述第一数量和预设维度，确定第二数量；

按照预设维度从所述聚合反馈信息序列中提取所述第二数量个历史反馈特征，每个所述历史反馈特征包括连续的所述预设维度个聚合反馈信息。

在一个示例性的实施方式中，所述方法还包括：

针对多个采样周期中的每个采样周期，从所述采样周期对应的新增对象池中随机选取第一预设数量个新增对象，并将所述第一预设数量个新增对象放入投放样本对象池中；