CN109657801A - 推荐系统的分流方法、装置及可读存储介质 - Google Patents
推荐系统的分流方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN109657801A CN109657801A CN201910114139.1A CN201910114139A CN109657801A CN 109657801 A CN109657801 A CN 109657801A CN 201910114139 A CN201910114139 A CN 201910114139A CN 109657801 A CN109657801 A CN 109657801A
- Authority
- CN
- China
- Prior art keywords
- shunting
- factor
- tree
- user
- multilayer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Television Systems (AREA)
Abstract
本发明提供的推荐系统的分流方法、装置及可读存储介质,通过根据预设的映射算法,将接收的用户的分流请求中的用户标识映射为由数字字符串构成的数字标识;根据预设的分流精度将数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子;根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径;根据所述分流路径将所述用户的分流请求发送给所述多层分流树中对应的树节点进行处理,从而实现了对于用户的分流,以使得同一用户将采用相同的分流策略,有效满足对于调整推荐系统的算法的需求。
Description
技术领域
本发明涉及计算机技术,尤其涉及一种推荐系统的分流方法、装置及可读存储介质。
背景技术
随着社会的发展,依靠人力运营的推荐系统已经逐渐不能匹配庞大的用户量下不同用户的个性化需求。而利用机器学习的推荐系统,慢慢成为发展趋势和研究重点。
为了得到最优化的基于机器学习的推荐系统,在调试时需要根据用户的反馈情况,不断调整推荐系统的算法。在调整过程中,一般是利用调整后的算法和未调整的算法进行各种测试指标的对比,从而根据对比结果以进行调整。在现有基于机器学习的推荐系统的分流方法中,通常采用权重分流实现的,例如,为每一算法节点分配不同的权重,而该算法节点的权重将决定着用户请求被分流到该算法节点上的概率。
采用这样的权重分流方式会使得同一个用户的多次请求有可能会分配到不同的推荐系统的节点上,明显无法满足前述的调整推荐系统的算法的需求。
发明内容
针对上述提及的在现有的推荐系统的分流方式无法满足调整推荐系统的算法的使用需求的问题,本发明提供了一种推荐系统的分流方法、装置及可读存储介质。
一方面,本发明提供一种推荐系统的分流方法,包括:
根据预设的映射算法,将接收的用户的分流请求中的用户标识映射为由数字字符串构成的数字标识;
根据预设的分流精度将所述数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子;
根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径;
根据所述分流路径将所述用户的分流请求发送给所述多层分流树中对应的树节点进行处理。
可选的,所述根据预设的映射算法,将接收的用户的分流请求中的用户标识映射为由数字字符串构成的数字标识之前,还包括:
确定推荐系统中的多个推荐算法之间的权重关系以及执行关系;
根据所述多个推荐算法之间的执行关系建立所述多层分流树,其中所述多层分流树的各树节点与各推荐算法一一对应;
根据所述多个推荐算法之间的权重关系以及预设的分流精度确定所述每个树节点对应的分流因子范围。
可选的,所述根据预设的映射算法,将接收的用户的分流请求中的用户标识映射为由数字字符串构成的数字标识,包括:
根据随机算法为所述用户生成一随机数字字符串作为与所述用户标识相应的数字标识;
或者,根据伪随机算法对所述用户标识进行处理,将处理后获得的数字字符串作为与所述用户标识相应的数字标识。
可选的,所述根据预设的分流精度将数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子,包括:
按照从所述数字字符串的低位至高位的顺序,以所述分流精度为单位长度,将所述数字字符串进行分组,获得与用户数字标识相应的多组分流因子。
可选的,所述根据预设的分流精度将数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子之后,还包括:
判断所述多层分流树的深度是否小于或等于所述分流因子的组数;
若是,则执行所述根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径的步骤;
若否,则生成数字字符,并将生成的数字字符和所述数字字符串进行组合,将所述组合后的数字字符串作为所述用户的数字标识,并返回执行根据预设的分流精度将数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子的步骤。
可选的,所述生成数字字符,包括:
根据随机算法生成所述数字字符;
或者,根据伪随机算法对所述用户标识和所述数字标识所组成的标识进行处理,获得数字字符。
可选的,所述根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径,包括:
确定所述多层分流树中每个层对应的分流因子;
根据每个层对应的分流因子及对应层的树结点的分流因子范围,确定所述每个层对应的分流因子在相应层中对应的树结点;
根据每个分流因子对应的树结点确定所述用户在所述多层分流树中的分流路径。
可选的,所述确定所述多层分流树中每个层对应的分流因子,包括:
按照所述分流因子在所述数字字符串中的位置,设置每组分流因子的序号,所述序号与所述位置的高低成正比;
从所述多层分流树中最低层数开始,按照所述分流因子的序号从低到高的顺序,依次为每个层分配一组分流因子。
另一方面,本发明提供了一种推荐系统的分流装置,包括:
第一处理模块,用于根据预设的映射算法,将接收的用户的分流请求中的用户标识映射为由数字字符串构成的数字标识;还用于根据预设的分流精度将所述数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子;
第二处理模块,用于根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径;还用于根据所述分流路径将所述用户的分流请求发送给所述多层分流树中对应的树节点进行处理。
另一方面,本发明提供了一种推荐系统的分流装置,包括:存储器、处理器以及计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如前任一项所述的方法。
最后一方面,本发明提供了一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理执行以实现如前任一项所述的方法。
本发明提供的推荐系统的分流方法、装置及可读存储介质,根据预设的映射算法,将接收的用户的分流请求中的用户标识映射为由数字字符串构成的数字标识;根据预设的分流精度将所述数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子;根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径;根据所述分流路径将所述用户的分流请求发送给所述多层分流树中对应的树节点进行处理,从而实现了对于用户的分流,以使得同一用户将采用相同的分流策略,有效满足对于调整推荐系统的算法的需求。
附图说明
图1为本发明实施的网络架构的示意图;
图2为本发明一实施例提供的一种推荐系统的分流方法的流程示意图;
图3为本发明另一实施例提供的一种推荐系统的分流方法的流程示意图;
图4为本发明另一实施例提供的一种推荐系统的分流方法中的多层分流树的示意图;
图5为本发明一实施例提供的一种推荐系统的分流装置的结构示意图;
图6为本发明另一实施例提供的一种推荐系统的分流装置的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
随着社会的发展,人力的运营已经逐渐不能匹配庞大的用户量下不同用户的个性化需求。而利用机器学习的推荐系统,慢慢成为发展趋势和研究重点。
为了得到最优化的基于机器学习的推荐系统,在调试时需要根据用户的反馈情况,不断调整推荐系统的算法。在调整过程中,一般是利用调整后的算法和未调整的算法进行各种测试指标的对比,从而根据对比结果以进行调整。在现有基于机器学习的推荐系统的分流方法中,通常采用权重分流实现的,例如,为每一算法节点分配不同的权重,而该算法节点的权重将决定着用户请求被分流到该算法节点上的概率。
采用这样的权重分流方式会使得同一个用户的多次请求有可能会分配到不同的推荐系统的节点上,明显无法满足前述的调整推荐系统的算法的需求。
针对上述提及的在现有的推荐系统的分流方式无法满足调整推荐系统的算法的使用需求的问题,本发明提供了一种推荐系统的分流方法、装置及可读存储介质。
图1为本发明实施的网络架构示意图,如图1所示,在本发明实施的网络架构中可包括推荐系统的分流装置1以及用户终端2,其中,推荐系统的分流装置1可通过网络通信与用户终端2取得数据交互,该推荐系统的分流装置1具体可由架设在云端的服务器或服务器集群构成,该云端的服务器或服务器集群可执行处理逻辑以及运算逻辑。而用户终端2具体可为智能手机、台式电脑、平板电脑等加载有系统的硬件设备。
图2为本发明一实施例提供的一种推荐系统的分流方法的流程示意图,如图2所示,该推荐系统的分流方法包括:
步骤101、根据预设的映射算法,将接收的用户的分流请求中的用户标识映射为由数字字符串构成的数字标识。
步骤102、根据预设的分流精度将所述数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子。
步骤103、根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径。
步骤104、根据所述分流路径将所述用户的分流请求发送给所述多层分流树中对应的树节点进行处理。
需要说明的是,本发明提供的推荐系统的分流方法的执行主体具体可为图1所示的推荐系统的分流装置。
在本实施方式中,用户可通过用户终端向该推荐系统的分流装置发起分流请求,如分页请求,在该分流请求中将包括有用户的用户标识。对于推荐系统来说,用户标识类似公民身份证号的作用,一个用户标识代表一个用户,不同的用户标识代表不同的用户。具体来说,请求的用户一般包括有两种:匿名用户及非匿名用户。其中,匿名用户是未登录到推荐系统的用户,在这类用户发起分流请求时,可利用其机器码,或会话ID,或IP地址作为其用户标识;非匿名用户是指拥有推荐系统注册账户并已登录到推荐系统的用户,这类用户可利将其用户账号作为其用户标识,例如直播类应用的用户可以使用该直播应用分配给用户的唯一UID作为该用户的用户标识,当然,非匿名用户也可以利用机器码,或会话ID,或IP地址作为用户标识。
推荐系统的分流装置将根据预设的映射算法,将用户标识映射为由数字字符串构成的数字标识。具体来说,在对用户标识进行映射时可采用不同的方式,例如,可根据随机算法为所述用户生成一随机数字字符串作为与所述用户标识相应的数字标识;或者,可根据伪随机算法对所述用户标识进行处理,将处理后获得的数字字符串作为与所述用户标识相应的数字标识。
进一步来说,为了保证对同一个用户标识的多次映射产生的数字标识在相同数字位上的数字值相同,在推荐系统的分流装置将根据预设的映射算法,将用户标识映射为由数字字符串构成的数字标识之前,还包括:在标识存储库中确定该用户的用户标识是否具备相应的数字标识。
具体的,该标识存储库用于存储已处理过的每一用户的用户标识所映射获得的数字标识。在对待处理的用户标识进行映射之前,可首先在该标识存储库中查询是否存储过该待处理的用户标识映射的数字标识,若有,则可直接调用并执行后续的步骤,若没有,则可使得推荐系统的分流装置可采用随机算法或伪随机算法对用户标识进行处理。
此外,在采用随机算法时,推荐系统的分流装置可直接随机生成一随机数字字符串作为与用户相应的数字标识,并将该用户的用户标识和数字标识进行关联存储至前述的标识存储库,以便后续调用或更新;在采用伪随机算法时,推荐系统的分流装置可利用伪随机散列算法,将用户的用户标识作为输入,以输出一个均匀分布的数字字符串作为数字标识,将该用户的用户标识和数字标识进行关联存储至前述的标识存储库,以便后续调用或更新。
然后,推荐系统的分流装置会根据预设的分流精度将数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子。其中,分流精度用于表示在对数字标识进行分组时,每一组对应的数字字符串的数字字符数量,而分流精度越高则表明对于用户分流的准确度越高。
具体来说,对数字标识进行分流时可按照从所述数字字符串的低位至高位的顺序,以所述分流精度为单位长度,将所述数字字符串进行分组,获得与用户数字标识相应的多组分流因子。如以分流精度为3为例,若数字标识为“123456”,分组后获得的用户数字标识相应的分流因子分别为“456”以及“123”。
,推荐系统的分流装置将根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径,这里所说的预设的多层分流树可以通过如下方法获得,即在根据预设的映射算法,将接收的用户的分流请求中的用户标识映射为由数字字符串构成的数字标识之前,还包括:
确定推荐系统中的多个推荐算法之间的权重关系以及执行关系;
根据多个推荐算法之间的执行关系建立多层分流树,该多层分流树的各树节点与各推荐算法一一对应;
根据多个推荐算法之间的权重关系以及预设的分流精度确定每个树节点对应的分流因子范围。
其中,前述步骤在获得与用户数字标识相应的多组分流因子时,还获得每组分流因子对应的分组次序,如分流因子为“456”相应的分组次序为1,分流因子为“123”相应的分组次序为2。
而推荐系统的分流装置将根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径具体可采用如下方式:根据各组分流因子的分组次序,确定每组分流因子对应的多层分流树的节点层;针对于数字标识中的任一组分流因子,在与其对应节点层的各树节点的分流因子范围中,确定该分流因子所落入的目标分流因子范围,并将所述目标分流因子范围相应的树节点作为与该任一组分流因子对应的分流路径节点;根据数字标识中的各组分流因子对应的分流路径节点,和各组分流因子的分组次序,确定分流路径。
以第一层的两个树节点对应的分流因子范围分别为“000-499”和“500-999”为例,该分组次序为1的分流因子“456”落入“000-499”这一分流因子范围,该分流因子范围所对应的那个树节点将被作为分流路径节点。相应的,若第二层的两个树节点对应的分流因子范围分别为“000-499”和“500-999”,该分组次序为2的分流因子“123”落入“000-499”这一分流因子范围,该分流因子范围所对应的那个树节点将被作为分流路径节点。因此,可根据各组分流因子的分组次序将各组分流因子对应的分流路径节点串联,获得分流路径。
根据所述分流路径将所述用户的分流请求发送给所述多层分流树中对应的树节点进行处理。该分流结果可直接反馈给用户终端以供用户查阅或后续使用。
本发明提供的推荐系统的分流方法,通过根据预设的映射算法,将接收的用户的分流请求中的用户标识映射为由数字字符串构成的数字标识;根据预设的分流精度将数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子;根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径;根据所述分流路径将所述用户的分流请求发送给所述多层分流树中对应的树节点进行处理,从而实现了对于用户的分流,以使得同一用户将采用相同的分流策略,有效满足对于调整推荐系统的算法的需求。
为了进一步描述本发明提供的推荐系统的分流方法,在上述实施例的基础上,图3为本发明另一实施例提供的一种推荐系统的分流方法的流程示意图。
如图3所示,该推荐系统的分流方法包括:
步骤201、根据预设的映射算法,将接收的用户的分流请求中的用户标识映射为由数字字符串构成的数字标识。
步骤202、按照从所述数字字符串的低位至高位的顺序,以所述分流精度为单位长度,将所述数字字符串进行分组,获得与用户数字标识相应的多组分流因子。
步骤203、判断所述多层分流树的深度是否小于或等于所述分流因子的组数。
若是,则执行步骤205;若否,则执行步骤204;
步骤204、生成数字字符,并将生成的数字字符和数字字符串进行组合,将所述组合后的数字字符串作为所述用户的数字标识。返回步骤202。
步骤205、根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径。
步骤206、根据所述分流路径将所述用户的分流请求发送给所述多层分流树中对应的树节点进行处理。
需要说明的是,本发明提供的推荐系统的分流方法的执行主体具体可为图1所示的推荐系统的分流装置。
可选的,在本实施方式中还可包括有构建多层分流树的步骤,图4为本发明另一实施例提供的一种推荐系统的分流方法中的多层分流树的示意图。具体的,在根据预设的映射算法,将接收的用户的分流请求中的用户标识映射为由数字字符串构成的数字标识之前,首先可确定推荐系统中的多个推荐算法之间的权重关系以及执行关系;随后,根据所述多个推荐算法之间的执行关系建立所述多层分流树,其中所述多层分流树的各树节点与各推荐算法一一对应;最后,根据所述多个推荐算法之间的权重关系以及预设的分流精度确定所述每个树节点对应的分流因子范围。如图4所示的,在该多层分流树中包括有两层树节点,其中第一层树节点表示为推荐系统中的推荐算法A,其中第二层树节点表示为推荐系统中的推荐算法B;推荐算法A和推荐算法B为依次执行的关系。而在每一层树节点中,均包括有该推荐算法的两个算法版本,即版本1和版本2,同一推荐算法的不同版本之间为并列关系。对于如图4所示的多层分流树,同一推荐算法的不同版本之间采用了1比1的权重关系,也就是说,在分流精度为3的情况下,该同一推荐算法对应的两个树节点将按照权重关系确定其相应的分流因子范围,在前述的情况下,可确定得到的推荐算法A的版本1所对应的分流因子范围为“000-499”,推荐算法A的版本2所对应的分流因子范围为“500-999”,推荐算法B的版本1所对应的分流因子范围为“000-499”,推荐算法B的版本2所对应的分流因子范围为“500-999”。
图4所示的多层分流树仅为示例,在实际使用中,基于不同的分流精度,其分流因子范围也将存在不同的取值,如分流精度为2时,其分流因子范围的最大取值范围为“00-99”;此外,每一树节点所对应的推荐算法可为同一推荐算法的不同版本,也可为不同推荐算法,其应由推荐系统的实际算法调整需求决定,类似的,多层分流树的树节点的层数也可由本领域技术人员根据实际情况决定,并且,推荐算法的不同权重设置,其对应的分流因子范围也将随之改变。
然后,与前述实施方式类似的是,用户可通过用户终端向该推荐系统的分流装置发起分流请求,如分页请求,在该分流请求中将包括有用户的用户标识。对于推荐系统来说,用户标识类似公民身份证号的作用,一个用户标识代表一个用户,不同的用户标识代表不同的用户。具体来说,请求的用户一般包括有两种:匿名用户及非匿名用户。其中,匿名用户是未登录到推荐系统的用户,在这类用户发起分流请求时,可利用其机器码,或会话ID,或IP地址作为其用户标识;非匿名用户是指拥有推荐系统注册账户并已登录到推荐系统的用户,这类用户可利将其用户账号作为其用户标识,例如直播类应用的用户可以使用该直播应用分配给用户的唯一UID作为该用户的用户标识,当然,非匿名用户也可以利用机器码,或会话ID,或IP地址作为用户标识。
进一步来说,为了保证对同一个用户标识的多次映射产生的数字标识在相同数字位上的数字值相同,在推荐系统的分流装置将根据预设的映射算法,将用户标识映射为由数字字符串构成的数字标识之前,还包括:在标识存储库中确定该用户的用户标识是否具备相应的数字标识。
具体的,该标识存储库用于存储已处理过的每一用户的用户标识所映射获得的数字标识。在对待处理的用户标识进行映射之前,可首先在该标识存储库中查询是否存储过该待处理的用户标识映射的数字标识,若有,则可直接调用并执行后续的步骤,若没有,则可使得推荐系统的分流装置可采用随机算法或伪随机算法对用户标识进行处理。
其中,推荐系统的分流装置将根据预设的映射算法,将用户标识映射为由数字字符串构成的数字标识。具体来说,在对用户标识进行映射时可采用不同的方式,例如,可根据随机算法为所述用户生成一随机数字字符串作为与所述用户标识相应的数字标识;或者,可根据伪随机算法对所述用户标识进行处理,将处理后获得的数字字符串作为与所述用户标识相应的数字标识。
再后,推荐系统的分流装置会根据预设的分流精度将数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子。其中,分流精度用于表示在对数字标识进行分组时,每一组对应的数字字符串的数字字符数量,而分流精度越高则表明对于用户分流的准确度越高。
在本实施方式中,推荐系统的分流装置还将判断多层分流树中的层数是否小于等于所述分流因子的组数。以数字标识为“34567”、分流精度为3,以及图4所示的多层分流树为例,对数字标识进行分组,即第1组为“567”、由于字符串“34567”剩下的字符为“34”只有两位数,不满足分组精度为3的要求,因此数字标识得到的分组树为1,而多层分流树的深度为2,多层分流树的深度大于分流因子的组数,其中多层分流树的深度是指该多层分流树中的总层数;此时,推荐系统的分流装置将生成数字字符,并将生成的数字字符和数字字符串进行组合,将所述组合后的数字字符串作为用户的数字标识,并返回执行根据预设的分流精度将数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子的步骤,直至多层分流树中的深度小于等于所述分流因子的组数为止。
具体的,在推荐系统的分流装置生成数字字符的方式可采用如下方式:根据随机算法生成所述数字字符,如随机生成数字字符“1112”,将该“1112”直接与前述的“34567”进行组合,得到“111234567”的数字标识后,还需对该用户的存储在标识存储库中的原数字标识进行更新,以使该用户的新的数字标识“111234567”替代原数字标识“34567”,与用户的用户标识进行关联存储,以供下次调用时可直接调用到新的数字标识“111234567”,再后,可对该数字标识进行分组可得到“567”、“234”“111”的多组分流因子;或者,还可根据伪随机算法对所述用户标识和所述数字标识所组成的标识进行处理,获得若干数字字符,其原理与组合方式均与前述实施方式类似。
在推荐系统的分流装置确定多层分流树中的层数小于等于所述分流因子的组数时,将分别执行根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径,以及执行所述分流路径并获得分流结果的步骤。
其中,确定所述多层分流树中每个层对应的分流因子的步骤可具体括:按照所述分流因子在所述数字字符串中的位置,设置每组分流因子的序号,所述序号与所述位置的高低成正比;从所述多层分流树中最低层数开始,按照所述分流因子的序号从低到高的顺序,依次为每个层分配一组分流因子。
以前述图4以及“111234567”的数字标识为例,对该数字标识进行分组可得到第1组分流因子为“567”;第2组分流因子为“234”;第3组分流因子为“111”。第1组分流因子为“567”,落入第一层的推荐算法A的版本2所对应的分流因子范围为“500-999”,而第2组分流因子为“234”,落入第二层的推荐算法B的版本1所对应的分流因子范围为“000-499”。因此,该数字标识对应的分流路径应为先执行推荐算法A的版本2,然后执行推荐算法B的版本1,得到分流结果。
本发明提供的推荐系统的分流方法,通过根据预设的映射算法,将接收的用户的分流请求中的用户标识映射为由数字字符串构成的数字标识;根据预设的分流精度将数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子;根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径;执行所述分流路径并获得分流结果,从而实现了对于用户的分流,以使得同一用户将采用相同的分流策略,有效满足对于调整推荐系统的算法的需求。
图5为本发明一实施例提供的一种推荐系统的分流装置的结构示意图,如图5所示,该推荐系统的分流装置,包括:
第一处理模块10,用于第一处理模块,用于根据预设的映射算法,将接收的用户的分流请求中的用户标识映射为由数字字符串构成的数字标识;还用于根据预设的分流精度将所述数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子;
第二处理模块20,用于根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径;还用于根据所述分流路径将所述用户的分流请求发送给所述多层分流树中对应的树节点进行处理。
可选的,该推荐系统的分流装置还包括:多层分流树构建模块;
所述多层分流树构建模块在
确定推荐系统中的多个推荐算法之间的权重关系以及执行关系;根据所述多个推荐算法之间的执行关系建立所述多层分流树,其中所述多层分流树的各树节点与各推荐算法一一对应;根据所述多个推荐算法之间的权重关系以及预设的分流精度确定所述每个树节点对应的分流因子范围。
可选的,所述第一处理模块10具体用于:根据随机算法为所述用户生成一随机数字字符串作为与所述用户标识相应的数字标识;或者,根据伪随机算法对所述用户标识进行处理,将处理后获得的数字字符串作为与所述用户标识相应的数字标识。
可选的,所述第一处理模块10具体用于:按照从所述数字字符串的低位至高位的顺序,以所述分流精度为单位长度,将所述数字字符串进行分组,获得与用户数字标识相应的多组分流因子。
可选的,所述第一处理模块10还用于在据预设的分流精度将数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子之后,判断所述多层分流树的深度是否小于或等于所述分流因子的组数;若是,则第二处理模块20根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径的步骤;若否,则所述第一处理模块10生成数字字符,并将生成的数字字符和数字字符串进行组合,将所述组合后的数字字符串作为所述用户的数字标识,并返回执行根据预设的分流精度将数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子的步骤。
可选的,所述第一处理模块10具体用于:根据随机算法生成所述若干数字字符;或者,根据伪随机算法对所述用户标识和所述数字标识所组成的标识进行处理,获得若干数字字符。
可选的,第二处理模块20具体确定所述多层分流树中每个层对应的分流因子;根据每个层对应的分流因子及对应层的树结点的分流因子范围,确定所述每个层对应的分流因子在相应层中对应的树结点;根据每个分流因子对应的树结点确定所述用户在所述多层分流树中的分流路径。。
可选的,第二处理模块20具体还用于按照所述分流因子在所述数字字符串中的位置,设置每组分流因子的序号,所述序号与所述位置的高低成正比;从所述多层分流树中最低层数开始,按照所述分流因子的序号从低到高的顺序,依次为每个层分配一组分流因子。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统的具体工作过程以及相应的有益效果,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明提供的推荐系统的分流装置,通过根据预设的映射算法,将接收的用户的分流请求中的用户标识映射为由数字字符串构成的数字标识;根据预设的分流精度将数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子;根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径;执行所述分流路径并获得分流结果,从而实现了对于用户的分流,以使得同一用户将采用相同的分流策略,有效满足对于调整推荐系统的算法的需求。
此外,图6为本发明另一实施例提供的一种推荐系统的分流装置的硬件结构示意图;如图6所示,该推荐系统的分流装置包括:
存储器41、处理器42及存储在存储器41上并可在处理器42上运行的计算机程序,处理器42运行计算机程序时执行上述实施例的方法。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统的具体工作过程以及相应的有益效果,可以参考前述方法实施例中的对应过程,在此不再赘述。
最后,本发明还提供一种可读存储介质,包括上存储有计算机程序,所述计算机程序被处理执行以实现上述任一实施例的方法。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (11)
1.一种推荐系统的分流方法,其特征在于,包括:
根据预设的映射算法,将接收的用户的分流请求中的用户标识映射为由数字字符串构成的数字标识;
根据预设的分流精度将所述数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子;
根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径;
根据所述分流路径将所述用户的分流请求发送给所述多层分流树中对应的树节点进行处理。
2.根据权利要求1所述的推荐系统的分流方法,其特征在于,所述根据预设的映射算法,将接收的用户的分流请求中的用户标识映射为由数字字符串构成的数字标识之前,还包括:
确定推荐系统中的多个推荐算法之间的权重关系以及执行关系;
根据所述多个推荐算法之间的执行关系建立所述多层分流树,其中所述多层分流树的各树节点与各推荐算法一一对应;
根据所述多个推荐算法之间的权重关系以及预设的分流精度确定所述每个树节点对应的分流因子范围。
3.根据权利要求1所述的推荐系统的分流方法,其特征在于,所述根据预设的映射算法,将接收的用户的分流请求中的用户标识映射为由数字字符串构成的数字标识,包括:
根据随机算法为所述用户生成一随机数字字符串作为与所述用户标识相应的数字标识;
或者,根据伪随机算法对所述用户标识进行处理,将处理后获得的数字字符串作为与所述用户标识相应的数字标识。
4.根据权利要求1所述的推荐系统的分流方法,其特征在于,所述根据预设的分流精度将数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子,包括:
按照从所述数字字符串的低位至高位的顺序,以所述分流精度为单位长度,将所述数字字符串进行分组,获得与用户数字标识相应的多组分流因子。
5.根据权利要求4所述的推荐系统的分流方法,其特征在于,所述根据预设的分流精度将数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子之后,还包括:
判断所述多层分流树的深度是否小于或等于所述分流因子的组数;
若是,则执行所述根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径的步骤;
若否,则生成数字字符,并将生成的数字字符和所述数字字符串进行组合,将所述组合后的数字字符串作为所述用户的数字标识,并返回执行根据预设的分流精度将数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子的步骤。
6.根据权利要求5所述的推荐系统的分流方法,其特征在于,所述生成数字字符,包括:
根据随机算法生成所述数字字符;
或者,根据伪随机算法对所述用户标识和所述数字标识所组成的标识进行处理,获得数字字符。
7.根据权利要求4所述的推荐系统的分流方法,其特征在于,
所述根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径,包括:
确定所述多层分流树中每个层对应的分流因子;
根据每个层对应的分流因子及对应层的树结点的分流因子范围,确定所述每个层对应的分流因子在相应层中对应的树结点;
根据每个分流因子对应的树结点确定所述用户在所述多层分流树中的分流路径。
8.根据权利要求7所述的推荐系统的分流方法,其特征在于,所述确定所述多层分流树中每个层对应的分流因子,包括:
按照所述分流因子在所述数字字符串中的位置,设置每组分流因子的序号,所述序号与所述位置的高低成正比;
从所述多层分流树中最低层数开始,按照所述分流因子的序号从低到高的顺序,依次为每个层分配一组分流因子。
9.一种推荐系统的分流装置,其特征在于,包括:
第一处理模块,用于根据预设的映射算法,将接收的用户的分流请求中的用户标识映射为由数字字符串构成的数字标识;还用于根据预设的分流精度将所述数字字符串中的各数字字符进行分组,获得与用户数字标识相应的多组分流因子;
第二处理模块,用于根据每组分流因子和预设的多层分流树中每层树节点所对应的分流因子范围,确定用户在所述多层分流树中的分流路径;还用于根据所述分流路径将所述用户的分流请求发送给所述多层分流树中对应的树节点进行处理。
10.一种推荐系统的分流装置,其特征在于,包括:存储器、处理器以及计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如权利要求1-8任一项所述的方法。
11.一种可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理执行以实现如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910114139.1A CN109657801B (zh) | 2019-02-14 | 2019-02-14 | 推荐系统的分流方法、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910114139.1A CN109657801B (zh) | 2019-02-14 | 2019-02-14 | 推荐系统的分流方法、装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109657801A true CN109657801A (zh) | 2019-04-19 |
CN109657801B CN109657801B (zh) | 2021-01-26 |
Family
ID=66122207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910114139.1A Active CN109657801B (zh) | 2019-02-14 | 2019-02-14 | 推荐系统的分流方法、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109657801B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111651667A (zh) * | 2020-04-30 | 2020-09-11 | 中国平安财产保险股份有限公司 | 数据推送分流控制方法、装置及计算机可读存储介质 |
CN112817856A (zh) * | 2021-02-04 | 2021-05-18 | 上海哔哩哔哩科技有限公司 | Ab实验集成方法及系统 |
CN113704624A (zh) * | 2021-08-31 | 2021-11-26 | 中国平安人寿保险股份有限公司 | 基于用户分流的策略推荐方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103123638A (zh) * | 2011-11-21 | 2013-05-29 | 北京神州泰岳软件股份有限公司 | 数据搜索方法和装置 |
CN104090893A (zh) * | 2013-12-13 | 2014-10-08 | 深圳市腾讯计算机系统有限公司 | 推荐算法优化方法、装置及系统 |
CN104394439A (zh) * | 2014-11-20 | 2015-03-04 | 合一网络技术(北京)有限公司 | 基于动态配置的视频推荐分流的系统 |
CN105677638A (zh) * | 2016-01-05 | 2016-06-15 | 北京工业大学 | Web信息抽取方法 |
WO2016122360A1 (en) * | 2015-01-27 | 2016-08-04 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and rate controlling node for providing data rate for data communication |
CN108667893A (zh) * | 2018-03-07 | 2018-10-16 | 阿里巴巴集团控股有限公司 | 数据推荐方法、装置和电子设备 |
-
2019
- 2019-02-14 CN CN201910114139.1A patent/CN109657801B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103123638A (zh) * | 2011-11-21 | 2013-05-29 | 北京神州泰岳软件股份有限公司 | 数据搜索方法和装置 |
CN104090893A (zh) * | 2013-12-13 | 2014-10-08 | 深圳市腾讯计算机系统有限公司 | 推荐算法优化方法、装置及系统 |
CN104394439A (zh) * | 2014-11-20 | 2015-03-04 | 合一网络技术(北京)有限公司 | 基于动态配置的视频推荐分流的系统 |
WO2016122360A1 (en) * | 2015-01-27 | 2016-08-04 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and rate controlling node for providing data rate for data communication |
CN105677638A (zh) * | 2016-01-05 | 2016-06-15 | 北京工业大学 | Web信息抽取方法 |
CN108667893A (zh) * | 2018-03-07 | 2018-10-16 | 阿里巴巴集团控股有限公司 | 数据推荐方法、装置和电子设备 |
Non-Patent Citations (2)
Title |
---|
A. FELFERNIG ETAL.: "Group Recommendation Algorithms for Requirements Prioritization", 《RSSE "12: PROCEEDINGS OF THE THIRD INTERNATIONAL WORKSHOP ON RECOMMENDATION SYSTEMS FOR SOFTWARE ENGINEERING》 * |
李宏恩: "基于分流策略和谱聚类的多图层推荐算法", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111651667A (zh) * | 2020-04-30 | 2020-09-11 | 中国平安财产保险股份有限公司 | 数据推送分流控制方法、装置及计算机可读存储介质 |
CN112817856A (zh) * | 2021-02-04 | 2021-05-18 | 上海哔哩哔哩科技有限公司 | Ab实验集成方法及系统 |
CN113704624A (zh) * | 2021-08-31 | 2021-11-26 | 中国平安人寿保险股份有限公司 | 基于用户分流的策略推荐方法、装置、设备及介质 |
CN113704624B (zh) * | 2021-08-31 | 2023-08-22 | 中国平安人寿保险股份有限公司 | 基于用户分流的策略推荐方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109657801B (zh) | 2021-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106897810B (zh) | 业务处理方法和系统、工作流引擎和系统、业务系统 | |
EP3754915B1 (en) | Data processing method and apparatus | |
US20230093389A1 (en) | Service request allocation method and apparatus, computer device, and storage medium | |
US7454408B2 (en) | System and method for optimized distributed file transfer | |
CN109657801A (zh) | 推荐系统的分流方法、装置及可读存储介质 | |
CN106572054B (zh) | 分布式系统中分布式锁服务实现方法以及装置 | |
EP3221797B1 (en) | Testing systems and methods | |
CN104243598B (zh) | 一种信息推荐方法及装置 | |
CN110519090B (zh) | 一种fpga云平台的加速卡分配方法、系统及相关组件 | |
US10715638B2 (en) | Method and system for server assignment using predicted network metrics | |
CN106407207A (zh) | 一种实时新增数据更新方法和装置 | |
CN110347515B (zh) | 一种适合边缘计算环境的资源优化分配方法 | |
US8478688B1 (en) | Rapid transaction processing | |
WO2019019649A1 (zh) | 投资组合产品的生成方法、装置、存储介质和计算机设备 | |
US7571088B2 (en) | Simulation of connected devices | |
CN113572697A (zh) | 一种基于图卷积神经网络与深度强化学习的负载均衡方法 | |
CN108241534A (zh) | 一种任务处理、分配、管理、计算的方法以及装置 | |
CN112817856A (zh) | Ab实验集成方法及系统 | |
CN113315672B (zh) | 流量分配方法及装置、电子设备及计算机可读存储介质 | |
CN110795217A (zh) | 一种基于资源管理平台的任务分配方法及系统 | |
CN109981476A (zh) | 一种负载均衡方法和装置 | |
CN111711702B (zh) | 一种基于通信拓扑的分布式协同交互方法及系统 | |
Shefu et al. | Fruit fly optimization algorithm for network-aware web service composition in the cloud | |
CN105335376B (zh) | 一种流处理方法、装置及系统 | |
JP2010003273A (ja) | Sipメッセージ振分方法およびsipメッセージ振分装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |