CN109934689A - 目标对象排名解释方法、装置、电子设备及可读存储介质 - Google Patents
目标对象排名解释方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN109934689A CN109934689A CN201910224155.6A CN201910224155A CN109934689A CN 109934689 A CN109934689 A CN 109934689A CN 201910224155 A CN201910224155 A CN 201910224155A CN 109934689 A CN109934689 A CN 109934689A
- Authority
- CN
- China
- Prior art keywords
- ranking
- feature
- target object
- characteristic information
- order list
- 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)
Abstract
本公开实施例公开了一种目标对象排名解释方法、装置、电子设备及可读存储介质,所述方法包括:生成针对用户的对象排序列表;确定所述对象排序列表中的对象对应的特征的特征信息,其中,所述特征包括至少一个;当接收到针对所述对象排序列表中的目标对象的排名解释请求时,根据所述目标对象对应的特征的特征信息以所述对象排序列表中至少一个其他对象对应的特征的特征信息,确定所述目标对象的排名解释信息。本公开实施例能够有效地解释目标对象在对象排序列表中的排名,进而能够指导目标对象的改进方向。
Description
技术领域
本公开涉及互联网技术领域,具体涉及一种目标对象排名解释方法、装置、电子设备及可读存储介质。
背景技术
随着互联网技术的发展,电商平台或第三方平台可以整合对象资源,向用户推荐用户需求的对象,也可以向用户推荐对象排序列表。发明人在实现本发明的过程中发现,为了增强对象排序列表针对用户的精准性,机器学习模型需要考虑更多的输入因子,如对象的各种特征、用户的各种特征、对象与用户的交叉特征等,并利用更复杂的排序算法,以生成针对用户个人更精准的对象排序列表。在此情况下,所生成的列表中的对象排序的可解释性变得复杂,不容易了解各特征对于对象排序的影响。
发明内容
为了解决相关技术中的问题,本公开实施例提供一种目标对象排名解释方法、装置、电子设备及可读存储介质。
第一方面,本公开实施例中提供了一种目标对象排名解释方法,包括:
生成针对用户的对象排序列表;
确定所述对象排序列表中的对象对应的特征的特征信息,其中,所述特征包括至少一个;
当接收到针对所述对象排序列表中的目标对象的排名解释请求时,根据所述目标对象对应的特征的特征信息以及所述对象排序列表中至少一个其他对象对应的特征的特征信息,确定所述目标对象的排名解释信息。
结合第一方面,本公开在第一方面的第一种实现方式中,所述排名解释信息用于对所述目标对象在所述对象排序列表中的排名进行解释;和/或者
所述排名解释信息包括所述目标对象对应的特征中的待改进特征。
结合第一方面,本公开在第一方面的第二种实现方式中,所述特征信息包括SHAP值;
所述确定所述对象排序列表中的对象对应的特征的特征信息,包括:
根据LIME算法、DeepLIFT算法、Layer-Wise Relevance Propagation算法、Classic Shapley Value Estimation算法中的至少一种,确定所述对象对应的特征的SHAP值。
结合第一方面,本公开在第一方面的第三种实现方式中,所述根据所述目标对象对应的特征的特征信息以及所述对象排序列表中至少一个其他对象对应的特征的特征信息,确定所述目标对象的排名解释信息,包括:
获取所述对象排序列表中排名在所述目标对象之前的N个对象中各对象对应的特征的特征信息,其中,N为正整数;
根据所述目标对象对应的特征的特征信息以及所述N个对象对应的特征的特征信息,确定所述目标对象的排名解释信息。
结合第一方面的第三种实现方式,本公开在第一方面的第四种实现方式中,所述根据所述目标对象对应的特征的特征信息以及所述N个对象对应的特征的特征信息,确定所述目标对象的排名解释信息,包括:
针对每个特征i,计算所述N个对象中各对象对应的特征i的特征信息平均值;
计算所述目标对象对应的特征i的特征信息与所述特征i的特征信息平均值的差值;
根据所述差值,确定所述目标对象的排名解释信息。
结合第一方面的第四种实现方式,本公开在第一方面的第五种实现方式中,所述根据所述差值,确定所述目标对象的排名解释信息,包括:
若所述差值小于所述特征i的特征信息平均值,则确定所述特征i为所述目标对象的待改进特征。
结合第一方面的第四种实现方式,本公开在第一方面的第六种实现方式中,所述根据所述差值,确定所述目标对象的排名解释信息,包括:
按照所述差值对所述目标对象对应的每个所述特征i进行排序,得到排序结果;
根据所述排序结果,确定所述目标对象的排名解释信息。
第二方面,本公开实施例中提供了一种排名解释装置,包括:
生成模块,生成针对用户的对象排序列表;
第一确定模块,被配置为确定所述对象排序列表中的对象对应的特征的特征信息,其中,所述特征包括至少一个;
第二确定模块,被配置为当接收到针对所述对象排序列表中的目标对象的排名解释请求时,根据所述目标对象对应的特征的特征信息以及所述对象排序列表中至少一个其他对象对应的特征的特征信息,确定所述目标对象的排名解释信息。
第三方面,本公开实施例中提供了一种电子设备,包括存储器和处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现如第一方面、第一方面的第一种实施方式至第六种实施方式任一项所述的方法。
第四方面,本公开实施例中提供了一种可读存储介质,其上存储有计算机指令,所述计算机指令被处理器执行时实现如第一方面、第一方面的第一种实施方式至第六种实施方式任一项所述的方法。
根据本公开实施例提供的技术方案,通过确定对象排序列表中对象对应的特征的特征信息,当接收到针对对象排序列表中的目标对象的排名解释请求时,即可以根据对象对应的特征的特征信息,来解释目标对象在对象排序列表中的排名,进而能够指导目标对象的改进方向。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
结合附图,通过以下非限制性实施例的详细描述,本公开的其它特征、目的和优点将变得更加明显。在附图中:
图1示出根据本公开一实施例的目标对象排名解释方法的流程图;
图2示出了本公开另一实施例的目标对象排名解释方法的流程图;
图3示出根据本公开实施例确定目标对象的排名解释信息的流程图;
图4示出根据本公开实施例确定目标对象的排名解释信息的流程图;
图5示出根据本公开实施例确定所述目标对象的排名解释信息的流程图;
图6示出了本公开实施例的目标对象排名解释方法的应用场景示例;
图7示出根据本公开实施例的目标对象排名解释装置的结构框图;
图8示出根据本公开实施例的电子设备的结构框图;
图9是适于用来实现根据本公开实施例的目标对象排名解释方法的计算机系统的结构示意图。
具体实施方式
下文中,将参考附图详细描述本公开的示例性实施例,以使本领域技术人员可容易地实现它们。此外,为了清楚起见,在附图中省略了与描述示例性实施例无关的部分。
在本公开中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出根据本公开一实施例的目标对象排名解释方法的流程图。
如图1所示,所述排序的解释方法包括以下步骤S101-S103:
在步骤S101中,生成针对用户的对象排序列表;
在步骤S102中,确定所述对象排序列表中的对象对应的特征的特征信息,其中,所述特征包括至少一个;
在步骤S103中,当接收到针对所述对象排序列表中的目标对象的排名解释请求时,根据所述目标对象对应的特征的特征信息以及所述对象排序列表中至少一个其他对象对应的特征的特征信息,确定所述目标对象的排名解释信息。
在本公开的一个实施例中,“对象”可以指互联网中的物品、商品或商家,其是由电商平台或第三方平台为用户提供的,以供用户浏览或选择。“对象”可以通过图形或文字的形式在显示界面上呈现。例如,“对象”可以包括商品,如电商平台提供的服饰、快消品、食品、书籍等,或者,“对象”可以包括商家,如第三方平台为用户提供的花店、药店、餐厅等,本公开在此不予限定。“目标对象”可以是指对象排序列表中的任意一个或多个指定对象。
在本公开的一个实施例中,可以根据用户的查询请求,生成针对该用户的对象排序列表;或者,可以根据其他触发方式,如定期推送、根据地域或时间推送等,生成针对某一类型或全部用户的对象排序列表。根据本公开的实施例,用户的查询请求可以包括用户对于对象的查看请求。可以通过多种方式检测到用户的查询请求,例如,用户开启平台提供的应用程序并进入主界面,用户进入呈现特定类别的的二级界面,用户输入所要查看的相关的关键词,用户点击排序按钮等。
在本公开的一个实施例中,“对象对应的特征”可以是用于确定该对象在对象排序列表中排名的特征,其可以包括:用户的特征,如用户的属性特征、用户的行为特征等;对象的特征,如对象的属性特征、对象的行为特征等;用户与对象的交叉特征;等等。本公开中的用户是指进行查询请求的用户,也可以理解为是欲与对象进行交互的潜在交互者。与对象对应的特征的数量可以为一个或多个。例如,用户的属性特征可以包括用户的年龄、性别、所在地区等至少一项基本信息。用户的行为特征可以包括用户感兴趣的领域、消费习惯、浏览习惯等至少一项行为信息。对象的属性特征可以包括对象的名称、种类、所在地区、数量等至少一项信息。以对象是商品或商家为例,对象的行为特征可以包括销售量、浏览量、返购率、复购率等至少一项统计信息。用户与对象的交叉特征可以包括用户与对象之间的交互信息,例如,用户历史上对该对象实施下单、浏览、删除、收藏、标记、投诉、退单等交互行为的信息。
在本公开的一个实施例中,可以利用已训练好的预测模型,生成针对该用户的对象排序列表。该预测模型可以通过多种已知技术得到,如通过神经网络、机器学习等技术得到的,本公开对于预测模型的得到方式不予限定。例如,可以根据用户历史日志,准备训练样本。可以为每一个训练样本标记样本标签,例如,若用户与对象发生了实际交互行为,则标记该训练样本为正样本;若用户未与对象发生实际交互行为,则标记该训练样本为负样本。可以将训练样本输入至现有的模型中,如Xgboost模型,进而得到预测模型,该预测模型用于生成对象排序列表。在对预测模型进行训练时,模型输入可以包括响应于用户的查询请求而向用户展示的对象排序列表中的对象对应的特征,如对象的特征、用户的特征、用户与对象的交叉特征等,模型输出可以是0或1,0表示该对象未被用户点击,1表示该对象被用户点击。在一些可选的实施例中,该预测模型用于根据各对象对应的特征,预测各对象被点击的点击率,并基于该点击率得到对象排序列表。例如,对于某一对象预测的点击率高,则该对象在对象排序列表中的排名靠前,反之则靠后。
在本公开的一个可选的实施例中,该预测模型可以应用于在线服务中。当检测到用户的在线查询请求时,可以获取该用户的特征、参与排序的对象的特征,以及用户与参与排序的各对象的交叉特征等。通过该种方式所生成的对象排序列表,能够精准针对该用户,使对象排序列表更加具有针对性,提升了用户体验。其中,参与排序的对象可以是用户选取的,或者是满足用户设定的筛选条件的,或者是基于该用户的历史行为记录确定与该用户相关的,等等,在此不予限定。
在本公开的一个可选的实施例中,所生成的针对用户的对象排序列表中的对象可以是相同种类的或者是不同种类的。以对象为餐厅为例,对象排序列表中的所有对象可以同为提供西式餐品的餐厅或同为提供中式餐品的餐厅;或者,对象排序列表中的部分餐厅可以提供西式餐品,部分餐厅可以提供中式餐品,等等。
在本公开的一个实施例中,特征的特征信息是指基于特征计算出的影响对象排名的因子。例如,特征信息可以包括特征的沙普利附加解释(SHapley AdditiveExplanation,SHAP)值,或者包括其他可以计算得到的影响对象排名的因子,在此不予限定。
在本公开的一个实施例中,SHAP值用于表征对象对应的各特征对该对象在排序中的排名的贡献程度。利用特征的SHAP值,可以获知对象排序列表中的对象对应的每个特征对于该对象的排名的各自贡献度。本公开实施例中,可以对获取到的特征的SHAP值进行进一步处理,以提供的排名的合理解释。
在本公开的一个实施例中,可以通过多种现有算法确定特征的SHAP值。例如,可以根据LIME算法、DeepLIFT算法、Layer-Wise Relevance Propagation算法、ClassicShapley Value Estimation算法中的至少一种,确定所述对象对应的特征的SHAP值。基于不同的算法,可以得到不同类型的SHAP值,本公开实施例中的SHAP值可以为其中的任意一种,在此不予限定。
在本公开的一个实施例中,针对目标对象的排名解释请求可以是用户发起的请求。例如,目标对象为一商家,该商家的经营者可以发起排名解释请求请求,以查看目标对象在对象排序列表中的排名解释信息。或者,针对目标对象的排名解释请求可以是基于其他触发条件发起的,其他触发条件可以包括在确定对象排序列表中各对象对应的特征的特征信息后,即触发发送排名解释请求,或者,在特定时间或特定地点触发等,在此不予限定。根据本公开的实施例,目标对象可以是对象排序列表中的任意一个对象。
在本公开的一个实施例中,目标对象的排名解释信息用于对该目标对象在对象排序列表中的排名进行解释,和/或,排名解释信息中可以包括目标对象对应的特征中的待改进特征。
在本公开的一个实施例中,目标对象对应的特征中的待改进特征为影响目标对象排名再靠前的特征,该可改进信息可以指导目标对象的所有者对目标对象的特征进行改进,进而可以优化目标对象在对象排序列表中的排名。
在本公开的一个实施例中,可以通过对目标对象对应的各特征的特征信息,例如SHAP值,进行分析,以确定目标对象对应的特征中的待改进特征。
根据本公开实施例提供的技术方案,根据用户的查询请求,生成针对该用户的对象排序列表,可以为用户提供精准的对象排序列表,进而提升用户体验;确定该对象排序列表中对象对应的特征的特征信息,当接收到针对对象排序列表中的目标对象的排名解释请求时,即可以根据目标对象对应的特征的特征信息,来解释目标对象在对象排序列表中的排名,进而能够指导对象的改进方向。
图2示出了本公开另一实施例的目标对象排名解释方法的流程图。
如图2所示,图2所示的目标对象排名解释方法与图1所示的目标对象排名解释方法的区别在于,还包括步骤S201和步骤S202。
在步骤S201中,存储所述对象排序列表中的对象对应的特征的特征信息。例如,可以在确定所述对象对应的特征的特征信息之后,存储所述特征信息。
在步骤S202中,当接收到针对所述对象排序列表中的所述目标对象的排名解释请求时,获取已存储的所述特征信息。
在本公开的一个实施例中,可以记录所述对象对应的特征的特征信息与哪个对象排序列表相关联,从而在接收到针对该对象排序列表的排名解释请求时,可以相应地获取该对象排序列表的特征信息。
在本公开的一个实施例中,可以将针对同一用户得到的对象排序列表及相关特征信息按照时间顺序或生成的先后顺序进行记录,以得到一个用户数据库。或者,可以将针对不同用户得到的对象排序列表及相关特征信息按照时间顺序或生成的先后顺序进行记录。
根据所述方式,可以将对象排序列表相关联的特征信息在时间或次序维度上进行整合,进而可以统计目标对象在时间或次序维度上的待改进特征,进而进一步的精确待改进特征的确定方式。
图3示出根据本公开实施例确定所述目标对象的排名解释信息的流程图。
在本实施例的一个可选实施例中,如图3所示,所述步骤S103,即根据所述目标对象对应的特征的特征信息以及所述对象排序列表中至少一个其他对象对应的特征的特征信息,确定所述目标对象的排名解释信息,包括步骤S301-S302:
在步骤S301中,获取所述对象排序列表中排名在所述目标对象之前的N个对象中各对象对应的特征的特征信息,其中,N为正整数。
在步骤S302中,根据所述目标对象对应的特征的特征信息以及所述N个对象对应的特征的特征信息,确定所述目标对象的排名解释信息。
举例说明,对象排序列表包括对象T1~TS,其中,S为大于1的正整数。由于各对象利用同一预测模型进行预测,因此各对象对应的特征相同,进而使各对象对应的特征具有可比性。各对象对应的特征均包括c1~cR。其中,目标对象可以是对象T1~TS中的任一个对象。例如,目标对象在该对象排序列表中排名第N+1位,在目标对象排名之前的有N个对象,分别为对象T1~对象TN。
根据本公开的实施例,可以通过将目标对象对应的各特征的SHAP值与对象T1~对象TN中各对象的各相应特征的SHAP值进行比较,即实现各特征的纵向比较,来确定目标对象的排名解释信息。
下面参考图4和图5对确定目标对象的排名解释信息的方法进行具体说明。
图4示出根据本公开实施例确定目标对象的排名解释信息的流程图。
如图4所示,在步骤S302中,根据所述目标对象对应的特征的特征信息以及所述N个对象对应的特征的特征信息,确定所述目标对象的排名解释信息,包括步骤S401-步骤S403。
在步骤S401中,针对每个特征i,计算所述N个对象中各对象对应的任一个特征i的特征信息的平均值。
在步骤S402中,计算所述目标对象对应的特征i的特征信息与所述特征i的特征信息平均值的差值。
在步骤S403中,根据所述差值,确定所述目标对象的排名解释信息。
以下实施例中,以特征信息为SHAP值为例进行说明。
例如,假设目标对象在对象排序列表中排第N+1位,在目标对象之前有N个对象。特征i可以是指定特征或任意一个特征,计算前N个对象对应的特征i的SHAP值的平均值,并进一步计算目标对象对应的特征i的SHAP值与上述前N个对象对应的特征i的SHAP值的平均值的差值,进而可以根据该差值的大小来确定目标对象对应的特征i是否为待改进特征。
对于步骤S403,在一实施例中,若该差值表示所述目标对象对应的特征i的特征信息小于所述平均值,即表明目标对象在特征i上与在其排名之前的目标对象存在差距,目标对象在该特征i上表现较差,可以对该特征i进行优化或者将特征i作为对目标对象进行优化的参考指标。若该差值表示所述目标对象对应的特征i的特征信息大于所述平均值,则表明目标对象在特征i上相较于与其排名之前的对象的表现更优,即特征i是目标对象对应的优势特征,能够使目标对象区分于其他对象。
图5示出根据本公开实施例确定所述目标对象的排名解释信息的流程图。
如图5所示,在步骤S403中,根据所述差值,确定所述目标对象的排名解释信息,包括步骤S501-步骤S502。
在步骤S501中,按照所述差值对所述目标对象对应的每个所述特征i进行排序,得到排序结果。
在步骤S502中,根据所述排序结果,确定所述目标对象的排名解释信息。
例如,可以分别计算出目标对象对应的每个特征i的SHAP值与前N个对象对应的特征i的SHAP值平均值的差值,。然后,可以对每个差值按照从小到大的顺序进行排序。
在排序结果中,可以将排序中的差值为负值的特征均确定为待改进特征。或者,按照预设规则,确定排序结果中的待改进特征,例如,确定排序结果中的前三名作为待改进特征等。
根据上述方式,能够比较待改进特征的优先级,进而可以比较出优先级较高的待改进特征,即重要性较高的待改进特征,可以对其进行优先处理。
图6示出了本公开实施例的目标对象排名解释方法的应用场景示例。
在示例应用场景下,第三方平台用于为用户提供商家排序列表,以方便用户选取商家进行预约、下单等活动。其中,本公开实施例中的排序方法可以应用于对各商家进行排序,或者对各商家提供的商品进行排序。例如,用户在开启第三方平台在用户终端上安装的应用程序后,主界面可以显示餐厅排序列表,用户通过点击操作选取餐厅排序列表中的一个餐厅后,进入二级界面,其用于显示选取的餐厅提供的菜品排序列表。
如图6所示,用户终端603上安装第三方平台提供的应用程序,当用户操作开启该应用程序时,可以触发用户终端603向服务器601发送查询请求,如餐厅查询请求;服务器601可以在接收到该餐厅查询请求后,将该用户的特征、餐厅的特征、用户与餐厅的交叉特征等输入至预测模型中,以生成针对该用户的餐厅排序列表。并且,服务器601还可以得到该餐厅排序列表中各餐厅对应的特征的SHAP值。可选地,服务器601可以将该次生成的餐厅排序列表以及各餐厅对应的特征的SHAP值绑定生成记录,并将其存储在存储器609中。这些记录可以由服务器601在接收到后端607或者商家605的排名解释请求后进行调用,并可以根据记录确定排名解释请求中的餐厅对应的待改进特征。其中,后端607由第三方平台运营,其发送排名解释请求可以用于进行大数据统计等处理。商家605用于运营线上餐厅,其发送排名解释请求可以用于获取到餐厅对应的待改进特征以优化线上餐厅,进而逐步提升其所运营的线上餐厅的排名。服务器601可以通过上述方法实施例中的任意一种方式确定所指定的餐厅对应的待改进特征,并将其反馈给发送请求的后端607或商家605。
或者,服务器601在生成餐厅排序列表后,可以实时确定该餐厅排序类表中每个餐厅各自对应的待改进特征,并将其发送至各餐厅对应的商家,进而各商家可以实时了解到其在本次餐厅排序列表中的排名解释。
图7示出根据本公开实施例的目标对象排名解释装置的结构框图。
如图7所示,目标对象排名解释装置700包括生成模块701,第一确定模块702和第二确定模块703。
生成模块701被配置为生成针对用户的对象排序列表;
第一确定模块702被配置为确定所述对象排序列表中的对象对应的特征的特征信息,其中,所述特征包括至少一个;
第二确定模块703被配置为当接收到针对所述对象排序列表中的目标对象的排名解释请求时,根据所述目标对象对应的特征的特征信息以及所述对象排序列表中至少一个其他对象对应的特征的特征信息,确定所述目标对象的排名解释信息。
根据本公开的实施例,所述排名解释信息用于对所述目标对象在所述对象排序列表中的排名进行解释;
所述排名解释信息包括所述目标对象对应的特征中的待改进特征,和/或者,所述排名解释信息包括所述目标对象对应的特征与所述对象排序列表中其他对象对应的特征的比较结果。
根据本公开的实施例,所述特征信息包括SHAP值;
所述确定所述对象排序列表中的对象对应的特征的特征信息,包括:
根据LIME算法、DeepLIFT算法、Layer-Wise Relevance Propagation算法、Classic Shapley Value Estimation算法中的至少一种,确定所述对象对应的特征的SHAP值。
根据本公开的实施例,所述根据所述目标对象对应的特征的特征信息以及所述对象排序列表中至少一个其他对象对应的特征的特征信息,确定所述目标对象的排名解释信息,包括:
获取所述对象排序列表中排名在所述目标对象之前的N个对象中各对象对应的特征的特征信息,其中,N为正整数;
根据所述目标对象对应的特征的特征信息以及所述N个对象对应的特征的特征信息,确定所述目标对象的排名解释信息。
根据本公开的实施例,所述根据所述目标对象对应的特征的特征信息以及所述N个对象对应的特征的特征信息,确定所述目标对象的排名解释信息,包括:
针对每个特征i,计算所述N个对象中各对象对应的特征i的特征信息平均值;
计算所述目标对象对应的特征i的特征信息与所述特征i的特征信息平均值的差值;
根据所述差值,确定所述目标对象的排名解释信息。
根据本公开的实施例,所述根据所述差值,确定所述目标对象的排名解释信息,包括:
若所述差值小于所述特征i的特征信息平均值,则确定所述特征i为所述目标对象的待改进特征。
根据本公开的实施例,所述根据所述差值,确定所述目标对象的排名解释信息,包括:
按照所述差值对所述目标对象对应的每个所述特征i进行排序,得到排序结果;
根据所述排序结果,确定所述目标对象的排名解释信息。
根据本公开的实施例,所述目标对象排序解释装置700还可以包括存储模块704和获取模块705。
存储模块704被配置为在确定所述对象排序列表中的对象对应的特征的特征信息之后,存储所述特征信息。
获取模块705被配置为当接收到针对所述对象排序列表中的所述目标对象的排名解释请求时,获取所述对象对应的特征的特征信息。
图8示出根据本公开实施例的电子设备800的结构框图。
如图8所示,所述电子设备800包括处理器801和存储器802。
所述存储器802用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器801执行以实现以下步骤:
生成针对用户的对象排序列表;
确定所述对象排序列表中的对象对应的特征的特征信息,其中,所述特征包括至少一个;
当接收到针对所述对象排序列表中的目标对象的排名解释请求时,根据所述目标对象对应的特征的特征信息以及所述对象排序列表中至少一个其他对象对应的特征的特征信息,确定所述目标对象的排名解释信息。
根据本公开的实施例,所述排名解释信息用于对所述目标对象在所述对象排序列表中的排名进行解释;
所述排名解释信息包括所述目标对象对应的特征中的待改进特征,和/或者,所述排名解释信息包括所述目标对象对应的特征与所述对象排序列表中其他对象对应的特征的比较结果。
根据本公开的实施例,所述特征信息包括SHAP值;
所述确定所述对象排序列表中的对象对应的特征的特征信息,包括:
根据LIME算法、DeepLIFT算法、Layer-Wise Relevance Propagation算法、Classic Shapley Value Estimation算法中的至少一种,确定所述对象对应的特征的SHAP值。
根据本公开的实施例,所述根据所述目标对象对应的特征的特征信息以及所述对象排序列表中至少一个其他对象对应的特征的特征信息,确定所述目标对象的排名解释信息,包括:
获取所述对象排序列表中排名在所述目标对象之前的N个对象中各对象对应的特征的特征信息,其中,N为正整数;
根据所述目标对象对应的特征的特征信息以及所述N个对象对应的特征的特征信息,确定所述目标对象的排名解释信息。
根据本公开的实施例,所述根据所述目标对象对应的特征的特征信息以及所述N个对象对应的特征的特征信息,确定所述目标对象的排名解释信息,包括:
针对每个特征i,计算所述N个对象中各对象对应的特征i的特征信息平均值;
计算所述目标对象对应的特征i的特征信息与所述特征i的特征信息平均值的差值;
根据所述差值,确定所述目标对象的排名解释信息。
根据本公开的实施例,所述根据所述差值,确定所述目标对象的排名解释信息,包括:
若所述差值小于所述特征i的特征信息平均值,则确定所述特征i为所述目标对象的待改进特征。
根据本公开的实施例,所述根据所述差值,确定所述目标对象的排名解释信息,包括:
按照所述差值对所述目标对象对应的每个所述特征i进行排序,得到排序结果;
根据所述排序结果,确定所述目标对象的排名解释信息。
根据本公开的实施例,所述一条或多条计算机指令还被所述处理器901执行以实现以下步骤:
在确定所述对象排序列表中的对象对应的特征的特征信息之后,存储所述特征信息;
当接收到针对所述对象排序列表中的所述目标对象的排名解释请求时,获取所述对象对应的特征的特征信息。
本公开示例性实施例还提供了一种计算机存储介质,用于储存所述排序的解释装置或设备所用的计算机软件指令,其包含用于执行上述任一实施例中排序的解释方法所涉及的程序。
图9是适于用来实现根据本公开实施例的目标对象排名解释方法的计算机系统的结构示意图。
如图9所示,计算机系统900包括中央处理单元(CPU)901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行上述实施例中所示的实施例中的各种处理。在RAM 903中,还存储有系统900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
特别地,根据本公开的实施例,上文描述的方法可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在及其可读介质上的计算机程序,所述计算机程序包含用于执行图1的数据处理方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过例如可编程硬件等硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中所述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种目标对象排名解释方法,其特征在于,包括:
生成针对用户的对象排序列表;
确定所述对象排序列表中的对象对应的特征的特征信息,其中,所述特征包括至少一个;
当接收到针对所述对象排序列表中的目标对象的排名解释请求时,根据所述目标对象对应的特征的特征信息以及所述对象排序列表中至少一个其他对象对应的特征的特征信息,确定所述目标对象的排名解释信息。
2.根据权利要求1所述的方法,其特征在于:
所述排名解释信息用于对所述目标对象在所述对象排序列表中的排名进行解释;和/或者
所述排名解释信息包括所述目标对象对应的特征中的待改进特征。
3.根据权利要求1所述的方法,其特征在于:
所述特征信息包括SHAP值;
所述确定所述对象排序列表中的对象对应的特征的特征信息,包括:
根据LIME算法、DeepLIFT算法、Layer-Wise Relevance Propagation算法、ClassicShapley Value Estimation算法中的至少一种,确定所述对象对应的特征的SHAP值。
4.根据权利要求1所述的方法,其特征在于,所述根据所述目标对象对应的特征的特征信息以及所述对象排序列表中至少一个其他对象对应的特征的特征信息,确定所述目标对象的排名解释信息,包括:
获取所述对象排序列表中排名在所述目标对象之前的N个对象中各对象对应的特征的特征信息,其中,N为正整数;
根据所述目标对象对应的特征的特征信息以及所述N个对象对应的特征的特征信息,确定所述目标对象的排名解释信息。
5.根据权利要求4所述的方法,其特征在于,所述根据所述目标对象对应的特征的特征信息以及所述N个对象对应的特征的特征信息,确定所述目标对象的排名解释信息,包括:
针对每个特征i,计算所述N个对象中各对象对应的特征i的特征信息平均值;
计算所述目标对象对应的特征i的特征信息与所述特征i的特征信息平均值的差值;
根据所述差值,确定所述目标对象的排名解释信息。
6.根据权利要求5所述的方法,其特征在于,所述根据所述差值,确定所述目标对象的排名解释信息,包括:
若所述差值小于所述特征i的特征信息平均值,则确定所述特征i为所述目标对象的待改进特征。
7.根据权利要求5所述的方法,其特征在于,所述根据所述差值,确定所述目标对象的排名解释信息,包括:
按照所述差值对所述目标对象对应的每个所述特征i进行排序,得到排序结果;
根据所述排序结果,确定所述目标对象的排名解释信息。
8.一种目标对象排名解释装置,其特征在于,包括:
生成模块,生成针对用户的对象排序列表;
第一确定模块,被配置为确定所述对象排序列表中的对象对应的特征的特征信息,其中,所述特征包括至少一个;
第二确定模块,被配置为当接收到针对所述对象排序列表中的目标对象的排名解释请求时,根据所述目标对象对应的特征的特征信息以及所述对象排序列表中至少一个其他对象对应的特征的特征信息,确定所述目标对象的排名解释信息。
9.一种电子设备,其特征在于,包括存储器和处理器;其中,
所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现以下步骤:
生成针对用户的对象排序列表;
确定所述对象排序列表中的对象对应的特征的特征信息,其中,所述特征包括至少一个;
当接收到针对所述对象排序列表中的目标对象的排名解释请求时,根据所述目标对象对应的特征的特征信息以及所述对象排序列表中至少一个其他对象对应的特征的特征信息,确定所述目标对象的排名解释信息。
10.一种可读存储介质,其上存储有计算机指令,其特征在于,该计算机指令被处理器执行时实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910224155.6A CN109934689B (zh) | 2019-03-22 | 2019-03-22 | 目标对象排名解释方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910224155.6A CN109934689B (zh) | 2019-03-22 | 2019-03-22 | 目标对象排名解释方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109934689A true CN109934689A (zh) | 2019-06-25 |
CN109934689B CN109934689B (zh) | 2020-06-19 |
Family
ID=66987994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910224155.6A Active CN109934689B (zh) | 2019-03-22 | 2019-03-22 | 目标对象排名解释方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109934689B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111274093A (zh) * | 2020-01-23 | 2020-06-12 | 湖南快乐阳光互动娱乐传媒有限公司 | 一种应用程序的排序方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103688255A (zh) * | 2011-06-30 | 2014-03-26 | 诺基亚公司 | 用于提供用户修正的搜索结果的方法和装置 |
CN104992352A (zh) * | 2015-07-10 | 2015-10-21 | 安徽新华传媒股份有限公司 | 一种个性化资源检索方法 |
CN109034553A (zh) * | 2018-07-04 | 2018-12-18 | 万翼科技有限公司 | 工程师排名的推送方法、装置及计算机可读存储介质 |
-
2019
- 2019-03-22 CN CN201910224155.6A patent/CN109934689B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103688255A (zh) * | 2011-06-30 | 2014-03-26 | 诺基亚公司 | 用于提供用户修正的搜索结果的方法和装置 |
CN104992352A (zh) * | 2015-07-10 | 2015-10-21 | 安徽新华传媒股份有限公司 | 一种个性化资源检索方法 |
CN109034553A (zh) * | 2018-07-04 | 2018-12-18 | 万翼科技有限公司 | 工程师排名的推送方法、装置及计算机可读存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111274093A (zh) * | 2020-01-23 | 2020-06-12 | 湖南快乐阳光互动娱乐传媒有限公司 | 一种应用程序的排序方法及装置 |
CN111274093B (zh) * | 2020-01-23 | 2023-12-01 | 湖南快乐阳光互动娱乐传媒有限公司 | 一种应用程序的排序方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109934689B (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105760400B (zh) | 一种基于搜索行为的推送消息排序方法及装置 | |
CN103329151B (zh) | 基于话题聚类的推荐 | |
EP2304619B1 (en) | Correlated information recommendation | |
CN104718541B (zh) | 一种用于生成数字杂志的方法 | |
JP6435426B1 (ja) | 情報分析装置、情報分析方法および情報分析プログラム | |
Cheng et al. | Predicting intent using activity logs: How goal specificity and temporal range affect user behavior | |
CN109087178A (zh) | 商品推荐方法和装置 | |
US9213733B2 (en) | Computerized internet search system and method | |
CN110532351B (zh) | 推荐词展示方法、装置、设备及计算机可读存储介质 | |
TW200912789A (en) | Granular data for behavioral targeting | |
CN1985255A (zh) | 使用与第一因特网搜索关键词相关的次级关键词的目标广告方法和系统、以及用于提供次级关键词列表的方法和系统 | |
WO2017092602A1 (zh) | 一种信息投放用户的筛选方法和服务器 | |
CN101661487A (zh) | 对信息项进行搜索的方法和系统 | |
US20190354638A1 (en) | Action indicators for search operation output elements | |
CN104050243B (zh) | 一种将搜索与社交相结合的网络搜索方法及其系统 | |
CN109891451A (zh) | 用于将品牌创意内容并入消息传送服务的系统和方法 | |
CN107798012B (zh) | 阅读资源评论推送方法和系统 | |
JP6859621B2 (ja) | サーバ装置、表示システム、制御方法及びプログラム | |
CN109949172A (zh) | 社交账号影响力评价方法、装置及存储介质 | |
CN108932625A (zh) | 用户行为数据的分析方法、装置、介质和电子设备 | |
US8478702B1 (en) | Tools and methods for determining semantic relationship indexes | |
KR20150002602A (ko) | 컴퓨터화된 인터넷 검색 시스템 및 방법 | |
KR101346927B1 (ko) | 검색 장치, 검색 방법, 및 검색 프로그램을 기억하는 컴퓨터 판독 가능한 기록 매체 | |
CN108965360A (zh) | 一种推荐数据处理方法及服务器、计算机存储介质 | |
CN109934689A (zh) | 目标对象排名解释方法、装置、电子设备及可读存储介质 |
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 |