[发明专利]推荐系统的排序方法、装置、设备及可读存储介质

说明书

本申请公开了一种推荐系统的排序方法、装置、设备及可读存储介质。该方案中，先确定用户的特征数据，以及与用户对应的多个待推荐对象的特征数据；再构建特征数据对，每个特征数据对中包括用户的特征数据和一个待推荐对象的特征数据；然后，针对每个特征数据对，对特征数据对进行多尺度局部邻域非线性聚合得到聚合后的特征数据，并对聚合后的特征数据进行处理得到特征数据对的置信度得分；最后，基于各特征数据对的置信度得分对多个待推荐对象进行排序。该方案中，针对每个特征数据对，对特征数据对进行多尺度局部邻域非线性聚合的方式，没有较强的归纳偏置，因此，可以避免出现由于较强的归纳偏置导致排序结果不满足用户需求的情况。

技术领域

本申请涉及推荐系统技术领域，更具体的说，是涉及一种推荐系统的排序方法、装置、设备及可读存储介质。

背景技术

随着社会科技的不断发展，和各行各业的快速发展，各行各业每天都有大量的信息产生，推荐系统可以为用户实现个性化推荐，让用户可以从大量的信息中迅速获得对自己真正有用的信息。推荐系统大致可以分为召回和排序两个阶段，其中召回阶段是从大量信息中选取部分用户大概率感兴趣的信息，排序阶段是对召回的信息按照用户可能感兴趣的程度，从高到低进行排序，展示给用户。

用户特征、待推荐对象的特征之间交叉对用户喜好某待推荐对象的概率有影响(比如，相同年龄段不同性别的用户喜好的手机样式不同，相同性别不同年龄段的用户喜好的手机样式不同)，目前推荐系统常用的排序方法是先对用户特征和待推荐对象的特征进行一阶或二阶的线性组合交叉，再对线性组合交叉后的特征进行处理得到排序结果。但是，对用户特征和待推荐对象的特征进行一阶或二阶的线性组合交叉的方式具有较强的归纳偏置，很可能导致排序结果不满足用户需求。

因此，如何提供一种推荐系统的排序方法，避免出现由于较强的归纳偏置导致排序结果不满足用户需求的情况，成为本领域技术人员亟待解决的技术问题。

发明内容

鉴于上述问题，本申请提出了一种推荐系统的排序方法、装置、设备及可读存储介质。具体方案如下：

一种推荐系统的排序方法，所述方法包括：

确定特征数据，所述特征数据包括用户的特征数据，以及与所述用户对应的多个待推荐对象的特征数据；

基于所述特征数据，构建特征数据对，每个特征数据对中包括所述用户的特征数据和一个所述待推荐对象的特征数据，所述特征数据对的数量与所述待推荐对象的数量相同；

针对每个特征数据对，对所述特征数据对进行多尺度局部邻域非线性聚合得到聚合后的特征数据，并对所述聚合后的特征数据进行处理得到所述特征数据对的置信度得分；

基于各特征数据对的置信度得分对所述多个待推荐对象进行排序。

可选地，所述确定特征数据，包括：

获取画像数据，所述画像数据包括所述用户的画像数据，以及，与所述用户对应的多个待推荐对象的画像数据；所述画像数据包括连续型数据、单值离散型数据和多值离散型数据；

对所述画像数据中的连续型数据进行去长尾处理，得到去长尾处理后的连续型数据，并对所述去长尾处理后的连续型数据进行归一化处理，得到归一化处理后的连续型数据；

对所述归一化处理后的连续型数据、所述单值离散型数据和所述多值离散型数据分别进行标准化处理，得到所述特征数据。

可选地，所述对所述画像数据中的连续型数据进行去长尾处理，得到去长尾处理后的连续型数据，包括：

对所述画像数据中的连续型数据进行开n次幂或取对数处理，得到去长尾处理后的连续型数据，所述n为大于等于2的整数。

可选地，所述对所述特征数据对进行多尺度局部邻域非线性聚合得到聚合后的特征数据，并对所述聚合后的特征数据进行处理得到所述特征数据对的置信度得分，包括：