CN110297974A - 排序处理方法、装置、设备和存储介质 - Google Patents
排序处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110297974A CN110297974A CN201910539394.0A CN201910539394A CN110297974A CN 110297974 A CN110297974 A CN 110297974A CN 201910539394 A CN201910539394 A CN 201910539394A CN 110297974 A CN110297974 A CN 110297974A
- Authority
- CN
- China
- Prior art keywords
- partial order
- hobby
- partial
- user
- prediction
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种排序处理方法、装置、设备和存储介质,方法包括:根据获取的用户的操作数据集合,确定所述用户的初始喜好偏序;对所述初始喜好偏序进行传递处理,得到所述用户的预测喜好偏序;在所述预测喜好偏序的偏序方向显著时,确定所述预测喜好偏序为所述用户的扩展喜好偏序;根据所述用户的所述初始喜好偏序和所述扩展喜好偏序,确定所述操作对象的排序队列并显示。根据扩展喜好偏序与初始喜好偏序确定出的操作对象的排序队列,参考价值大、可信度高,与用户的喜好习惯匹配度高,有利于提高用户使用体验。
Description
技术领域
本申请涉及数据处理领域,尤其涉及一种排序处理方法、装置、设备和存储介质。
背景技术
随着智能技术的迅速发展,智能化服务得到了广泛的推广和应用,智能化服务的重要内容包括根据用户对操作对象的喜好偏序,为用户生成推荐列表。其中,操作对象可以是在搜索引擎中输入关键字后,得到的不同搜索结果,也可以是终端为用户推荐的视频内容、网址列表、商品信息等等。
在现有技术中,根据统计的用户操作数据,确定用户对不同操作对象的喜好偏序;根据确定出的用户喜好偏序,确定操作对象的排序方式,为用户生成推荐列表。
然而,当获取的用户操作数据稀疏,或者获取的用户操作数据的统计策略不同时,确定出的用户喜好偏序内容维度少,偏序关系简单,且无法保证用户喜好偏序的置信度,根据用户喜好偏序生成的操作对象排序队列可信度低,参考性弱,与用户喜好习惯的匹配度难以保证。
发明内容
本申请提供一种排序处理方法、装置、设备和存储介质,用以解决现有技术中生成的操作对象排序队列可信度低,参考性弱的问题。
第一方面,本申请提高一种排序处理方法,包括:
根据获取的用户的操作数据集合,确定所述用户的初始喜好偏序,其中,所述操作数据集合包括至少两路操作数据,每一路所述操作数据为在预设的偏序策略下统计的所述用户针对同一个操作对象的操作记录的集合,所述初始喜好偏序为所述用户对所述操作对象的喜好程度的偏序关系;
对所述初始喜好偏序进行传递处理,得到所述用户的预测喜好偏序;
在所述预测喜好偏序的偏序方向显著时,确定所述预测喜好偏序为所述用户的扩展喜好偏序;
根据所述用户的所述初始喜好偏序和所述扩展喜好偏序,确定所述操作对象的排序队列并显示。
进一步地,根据获取的用户的操作数据集合,确定所述用户的初始喜好偏序,包括:
在所述操作数据集合中,选择任意两路所述操作数据为目标操作数据,其中,所述目标操作数据对应的所述操作对象为目标操作对象,每一路所述操作数据为在至少一个预设的偏序策略下统计的所述用户针对同一个操作对象的操作记录的集合;
重复以下步骤,直至确定出所述目标操作数据中所有所述偏序策略对应的单元偏序关系:根据在任意一个所述偏序策略下统计的所述用户针对所述目标操作对象的操作记录,确定所述用户对所述目标操作对象的喜好程度的偏序关系,作为所述偏序策略对应的单元偏序关系,其中,所述目标操作数据的所有所述偏序策略对应的所述单元偏序关系相同,或者偏序方向相反;
在所述目标操作数据的所有所述偏序策略对应的所述单元偏序关系中,确定个数占比超过一半的偏序方向对应的所述单元偏序关系,为所述用户针对所述目标操作对象的初始喜好偏序。
进一步地,对于任意两个初始喜好偏序,其中,第一初始喜好偏序的偏序方向为第一偏序方向,第一初始喜好偏序具有第一左偏序诸元和第一右偏序诸元,第二初始喜好偏序的偏序方向为第二偏序方向,第二初始喜好偏序具有第二左偏序诸元和第二右偏序诸元,所述偏序诸元为所述用户对所述操作对象的喜爱程度;对所述初始喜好偏序进行传递处理,得到预测喜好偏序,包括:
在所述第一偏序方向与所述第二偏序方向相同,且所述第一右偏序诸元与所述第二左偏序诸元相同时,根据所述第一偏序方向、所述第一左偏序诸元和所述第二右偏序诸元,确定所述预测喜好偏序,其中,所述预测喜好偏序的偏序方向为所述第一偏序方向,所述预测喜好偏序的左偏序诸元为所述第一左偏序诸元,所述预测喜好偏序的右偏序诸元为所述第二右偏序诸元。
进一步地,在所述预测喜好偏序的偏序方向显著时,确定所述预测喜好偏序为所述用户的扩展喜好偏序,包括:
确定所述预测喜好偏序的第一自身偏序方向和第一可能偏序方向的分布概率,其中,所述第一自身偏序方向为所述预测喜好偏序的自身偏序方向,所述第一可能偏序方向为与所述预测喜好偏序的自身偏序方向相反的偏序方向;
在所述第一自身偏序方向与所述第一可能偏序方向的分布概率差值大于设定阈值时,确定所述预测喜好偏序的偏序方向显著,确定所述预测喜好偏序为所述用户的扩展喜好偏序。
进一步地,确定所述预测喜好偏序的第一自身偏序方向和第一可能偏序方向的分布概率,包括:
确定所述初始喜好偏序的第二自身偏序方向和第二可能偏序方向的分布概率,其中,所述第二自身偏序方向为所述初始喜好偏序的自身偏序方向,所述第二可能偏序方向为与所述初始喜好偏序的自身偏序方向相反的偏序方向,所述第二自身偏序方向的分布概率为第一分布概率,所述第二可能偏序方向的分布概率为第二分布概率;
根据所述第一分布概率和所述第二分布概率,确定所述第二自身偏序方向与所述第二可能偏序方向的差别程度量化值;
根据所述第一分布概率和所述第二分布概率,确定所述第二自身偏序方向和所述第二可能偏序方向的相似程度量化值;
根据所述差别程度量化值和所述相似程度量化值,确定所述预测喜好偏序的第一自身偏序方向和第一可能偏序方向的分布概率。
进一步地,确定所述初始喜好偏序的第二自身偏序方向和第二可能偏序方向的分布概率,包括:
利用预设的统计结果,确定所述第二自身偏序方向成立的第一概率值,和所述第二可能偏序方向成立的第二概率值;
根据所述第一概率值与所述第二概率值,确定所述初始喜好偏序的第二自身偏序方向和第二可能偏序方向的分布概率。
进一步地,结合所述扩展喜好偏序与所述初始喜好偏序进行传递处理,得到所述用户的所述预测喜好偏序。
进一步地,在确定所述初始喜好偏序的偏序方向显著时,对所述初始喜好偏序进行传递处理,得到所述用户的预测喜好偏序。
第二方面,本申请提供一种排序处理装置,包括:
第一处理单元,用于根据获取的用户的操作数据集合,确定所述用户的初始喜好偏序,其中,所述操作数据集合包括至少两路操作数据,每一路所述操作数据为在预设的偏序策略下统计的所述用户针对同一个操作对象的操作记录的集合,所述初始喜好偏序为所述用户对所述操作对象的喜好程度的偏序关系;
第二处理单元,用于对所述初始喜好偏序进行传递处理,得到所述用户的预测喜好偏序;
第三处理单元,用于在所述预测喜好偏序的偏序方向显著时,确定所述预测喜好偏序为所述用户的扩展喜好偏序;
第四处理单元,用于根据所述用户的所述初始喜好偏序和所述扩展喜好偏序,确定所述操作对象的排序队列并显示。
进一步地,所述第一处理单元包括:
第一处理子单元,用于在所述操作数据集合中,选择任意两路所述操作数据为目标操作数据,其中,所述目标操作数据对应的所述操作对象为目标操作对象,每一路所述操作数据为在至少一个预设的偏序策略下统计的所述用户针对同一个操作对象的操作记录的集合;
第二处理子单元,用于重复以下步骤,直至确定出所述目标操作数据中所有所述偏序策略对应的单元偏序关系:根据在任意一个所述偏序策略下统计的所述用户针对所述目标操作对象的操作记录,确定所述用户对所述目标操作对象的喜好程度的偏序关系,作为所述偏序策略对应的单元偏序关系,其中,所述目标操作数据的所有所述偏序策略对应的所述单元偏序关系相同,或者偏序方向相反;
第三处理子单元,用于在所述目标操作数据的所有所述偏序策略对应的所述单元偏序关系中,确定个数占比超过一半的偏序方向对应的所述单元偏序关系,为所述用户针对所述目标操作对象的初始喜好偏序。
进一步地,对于任意两个初始喜好偏序,其中,第一初始喜好偏序的偏序方向为第一偏序方向,第一初始喜好偏序具有第一左偏序诸元和第一右偏序诸元,第二初始喜好偏序的偏序方向为第二偏序方向,第二初始喜好偏序具有第二左偏序诸元和第二右偏序诸元,所述偏序诸元为所述用户对所述操作对象的喜爱程度;所述第二处理单元包括:
第一处理子单元,用于在所述第一偏序方向与所述第二偏序方向相同,且所述第一右偏序诸元与所述第二左偏序诸元相同时,根据所述第一偏序方向、所述第一左偏序诸元和所述第二右偏序诸元,确定所述预测喜好偏序,其中,所述预测喜好偏序的偏序方向为所述第一偏序方向,所述预测喜好偏序的左偏序诸元为所述第一左偏序诸元,所述预测喜好偏序的右偏序诸元为所述第二右偏序诸元。
进一步地,所述第三处理单元包括:
第一处理子单元,用于确定所述预测喜好偏序的第一自身偏序方向和第一可能偏序方向的分布概率,其中,所述第一自身偏序方向为所述预测喜好偏序的自身偏序方向,所述第一可能偏序方向为与所述预测喜好偏序的自身偏序方向相反的偏序方向;
第二处理子单元,用于在所述第一自身偏序方向与所述第一可能偏序方向的分布概率差值大于设定阈值时,确定所述预测喜好偏序的偏序方向显著,确定所述预测喜好偏序为所述用户的扩展喜好偏序。
进一步地,所述第一处理子单元包括:
第一处理模块,用于确定所述初始喜好偏序的第二自身偏序方向和第二可能偏序方向的分布概率,其中,所述第二自身偏序方向为所述初始喜好偏序的自身偏序方向,所述第二可能偏序方向为与所述初始喜好偏序的自身偏序方向相反的偏序方向,所述第二自身偏序方向的分布概率为第一分布概率,所述第二可能偏序方向的分布概率为第二分布概率;
第二处理模块,用于根据所述第一分布概率和所述第二分布概率,确定所述第二自身偏序方向与所述第二可能偏序方向的差别程度量化值;
第三处理模块,用于根据所述第一分布概率和所述第二分布概率,确定所述第二自身偏序方向和所述第二可能偏序方向的相似程度量化值;
第四处理模块,用于根据所述差别程度量化值和所述相似程度量化值,确定所述预测喜好偏序的第一自身偏序方向和第一可能偏序方向的分布概率。
进一步地,所述第一处理模块包括:
第一处理子模块,用于利用预设的统计结果,确定所述第二自身偏序方向成立的第一概率值,和所述第二可能偏序方向成立的第二概率值;
第二处理子模块,用于根据所述第一概率值与所述第二概率值,确定所述初始喜好偏序的第二自身偏序方向和第二可能偏序方向的分布概率。
进一步地,所述第三处理单元还包括:
第三处理子单元,用于在确定所述初始喜好偏序的偏序方向显著时,对所述初始喜好偏序进行传递处理,得到所述用户的预测喜好偏序。
第三方面,本申请提供一种排序处理设备,包括:处理器、存储器以及计算机程序;
其中,计算机程序存储在存储器中,并被配置为由处理器执行以实现如上任一项的方法。
第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行以实现如上任一项的方法。
本申请提供一种排序处理方法、装置、设备和存储介质,根据获取的用户的操作数据集合,确定用户的初始喜好偏序,其中,操作数据集合包括至少两路操作数据,每一路操作数据为在预设的偏序策略下统计的用户针对同一个操作对象的操作记录的集合,初始喜好偏序为用户对操作对象的喜好程度的偏序关系;对初始喜好偏序进行传递处理,得到用户的预测喜好偏序;在预测喜好偏序的偏序方向显著时,确定预测喜好偏序为用户的扩展喜好偏序;根据用户的初始喜好偏序和扩展喜好偏序,确定操作对象的排序队列并显示。在确定出用户的初始喜好偏序后,对初始喜好偏序进行传递处理,得到用户的预测喜好偏序,实现了对用户喜好偏序的扩展,以挖掘出用户对操作对象潜在的喜好偏序,有利于确定出更符合用户喜好习惯的操作对象的排序队列;通过判断预测喜好偏序的偏序方向是否显著,来判断预测喜好偏序是否可信,在确定预测喜好偏序可信时,确定预测喜好偏序为扩展喜好偏序,根据扩展喜好偏序与初始喜好偏序确定出的操作对象的排序队列,参考价值大、可信度高,与用户的喜好习惯匹配度高,有利于提高用户使用体验。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为本申请实施例提供的一种排序处理方法的流程示意图;
图2为本申请实施例提供的又一种排序处理方法的流程示意图;
图3为本申请实施例提供的一种排序处理装置的结构示意图;
图4为本申请实施例提供的又一种排序处理装置的结构示意图;
图5为本申请实施例提供的一种排序处理设备的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本申请涉及的名词解释:
偏序关系:指配备了部分排序关系的集合,排序关系保证了集合中的部分对象具有相互可比较性
本申请具体的应用场景为:随着智能技术的迅速发展,智能化服务得到了广泛的推广和应用,智能化服务的重要内容包括根据用户对操作对象的喜好偏序,为用户生成推荐列表。其中,操作对象可以是在搜索引擎中输入关键字后,得到的不同搜索结果,也可以是终端为用户推荐的视频内容、网址列表、商品信息等等。在现有技术中,根据统计的用户操作数据,确定用户对不同操作对象的喜好偏序;根据确定出的用户喜好偏序,确定操作对象的排序方式,为用户生成推荐列表。
然而,当获取的用户操作数据稀疏,或者获取的用户操作数据的统计策略不同时,确定出的用户喜好偏序内容维度少,偏序关系简单,且无法保证用户喜好偏序的置信度,根据用户喜好偏序生成的操作对象排序队列可信度低,参考性弱,与用户喜好习惯的匹配度难以保证。
本申请提供的排序处理方法、装置、设备和存储介质,旨在解决现有技术中的如上技术问题。
图1为本申请实施例提供的一种排序处理方法的流程示意图,如图1所示,执行包括:
步骤101、根据获取的用户的操作数据集合,确定用户的初始喜好偏序,其中,操作数据集合包括至少两路操作数据,每一路操作数据为在预设的偏序策略下统计的用户针对同一个操作对象的操作记录的集合,初始喜好偏序为用户对操作对象的喜好程度的偏序关系。
在本实施例中,具体的,本实施例的执行主体为终端、或者控制器、或者其他可以执行本实施例的装置或设备。本实施例以执行主体为终端进行说明,可以在终端中设置应用软件,然后,终端控制应用软件执行本实施例提供的方法。
获取的用户的操作数据集合,包括在预设的偏序策略下统计的用户针对不同操作对象的操作记录的集合,其中,每一路操作数据为统计的用户针对同一个操作对象的操作记录的集合,该路操作数据对应的统计策略可以是一种或者多种偏序策略。在不同偏序策略下统计的用户对操作对象的操作记录不同,在所有预设偏序策略下统计的用户对同一操作对象的操作记录的集合,构成一路操作数据。不同路操作数据对应的偏序策略可能不同,导致不同操作对象对应的操作数据类别可能存在差异,不同操作对象对应的操作数据也可能存在不完备的情况,因此,无法根据操作数据集合得到用户对所有操作对象的完备的喜好偏序关系,因此,需要利用偏序关系的传递性,对初始喜好偏序进行传递处理,去发掘用户更多的喜好偏序。
在数学理论中,偏序关系是指配备了部分排序关系的集合,在实际应用中,任意两个可进行比较的操作对象之间均可建立起相应的偏序关系。示例性地,操作对象可以是在搜索引擎中输入关键字后,得到的不同搜索结果,也可以是终端为用户推荐的不同视频、不同网址、不同商品等。可知,能够建立起用户喜好偏序的所有对象,皆为本申请中涉及的操作对象。
偏序策略为对偏序关系进行判断的算法策略,举例来说,偏序策略包括:Time停留时长策略、Longclick长点策略、Skynet策略和Baseline策略,其中,
Time停留时长策略:根据用户先后两次对同一操作对象触发操作的时间差,计算用户在该操作对象上的停留时长dt,比较用户在不同操作对象上的停留时长dt,得到偏序关系;
Longclick长点:根据用户先后两次对同一操作对象触发操作的时间差,计算用户在该操作对象上的停留时长dt,通过判断dt大小确定是否属于长点击。确定为长点击后,统计长点击发生的概率,以得到长点击率lctr,根据长点击率lctr的大小得到偏序关系;
Skynet策略:根据用户对操作对象在不同关联询问式集合下的点击和停留时长数据,得到综合计算得分score,根据score大小得到偏序关系;
Baseline策略:根据预设时间段内操作对象在操作对象列表中的平均展现位置大小pos,确定偏序关系。
获取到的用户的操作数据集合,包括至少两路操作数据,根据操作数据集合中的任意两路操作数据,确定出用户对操作数据集合中涉及的操作对象的喜好程度的偏序关系,得到用户的初始喜好偏序。其中,初始喜好偏序为根据获取的用户的操作数据集合,确定出的用户对不同操作对象的喜好程度的偏序关系,该种偏序关系是客观存在的。
步骤102、对初始喜好偏序进行传递处理,得到用户的预测喜好偏序。
在本实施例中,具体的,确定出的初始喜好偏序为用户对操作对象的部分喜好偏序,为发掘用户对操作对象的潜在喜好偏序,对初始喜好偏序进行传递处理,得到用户的预测喜好偏序。具体的,根据偏序关系的传递性,对初始喜好偏序进行传递处理,得到用户对更多操作对象组合的喜好偏序。举例来说,确定出的用户的初始喜好偏序,为用户对u1、u2和u2、u3这两个操作对象组合的喜好偏序,现通过对初始喜好偏序进行传递处理,来试图挖掘用户对u1、u3这一操作对象组合的预测喜好偏序。
步骤103、在预测喜好偏序的偏序方向显著时,确定预测喜好偏序为用户的扩展喜好偏序。
在本实施例中,具体的,预测喜好偏序的偏序方向显著性,决定了预测喜好偏序的偏序关系置信度,通过设置判断阈值,来进行预测喜好偏序的偏序方向显著性判断。具体的,假设预测喜好偏序的本身偏序方向成立的概率为第一概率值,与本身偏序方向相反的可能偏序方向成立的概率为第二概率值,当第一概率值与第二概率值的差值大于设定阈值时,判断预测喜好偏序的偏序方向显著。在预测喜好偏序的偏序方向显著时,确定预测喜好偏序可信,进而将预测喜好偏序确定为用户的扩展喜好偏序。在确定出扩展喜好偏序后,将扩展喜好偏序结合初始喜好偏序进行传递处理,进一步得到用户的预测喜好偏序。
步骤104、根据用户的初始喜好偏序和扩展喜好偏序,确定操作对象的排序队列并显示。
在本实施例中,具体的,确定出的用户的初始喜好偏序和扩展喜好偏序,不一定能够描述用户对任意两个操作对象的喜好程度的偏序关系,但因为本申请中是在确定预测喜好偏序的偏序方向显著时,确定预测喜好偏序为用户的扩展喜好偏序,所以确定出的用户的初始喜好偏序和扩展喜好偏序,描述了用户对任意两个操作对象的可信的喜好程度的偏序关系。按照用户对操作对象的喜好程度的偏序关系,确定与偏序关系对应的操作对象的排序队列并显示。举例来说,在视频终端为用户推荐视频列表时,根据确定出的用户对视频的初始喜好偏序和扩展喜好偏序,确定视频的推荐排序队列并向用户显示。
本实施例中根据获取的用户的操作数据集合,确定用户的初始喜好偏序,其中,操作数据集合包括至少两路操作数据,每一路操作数据为在预设的偏序策略下统计的用户针对同一个操作对象的操作记录的集合,初始喜好偏序为用户对操作对象的喜好程度的偏序关系;对初始喜好偏序进行传递处理,得到用户的预测喜好偏序;在预测喜好偏序的偏序方向显著时,确定预测喜好偏序为用户的扩展喜好偏序;根据用户的初始喜好偏序和扩展喜好偏序,确定操作对象的排序队列并显示。在确定出用户的初始喜好偏序后,对初始喜好偏序进行传递处理,得到用户的预测喜好偏序,实现了对用户喜好偏序的扩展,以挖掘出用户对操作对象潜在的喜好偏序,有利于为确定操作对象的排序队列提供更多元化的参考,有利于确定出更符合用户喜好偏序的操作对象的排序队列;在预测喜好偏序的偏序方向显著时,确定预测喜好偏序为用户的扩展喜好偏序,并根据用户的扩展喜好偏序和初始喜好偏序,确定操作对象的排序队列并显示,通过判断预测喜好偏序的偏序方向是否显著,来判断预测喜好偏序是否可信,在确定预测喜好偏序可信时,判断预测喜好偏序为扩展喜好偏序,根据扩展喜好偏序确定出的操作对象的排序队列,参考价值大、可信度高,与用户的喜好习惯匹配度高,有利于提高用户使用体验。
图2为本申请实施例提供的又一种排除处理方法的流程示意图,如图2所示,包括:
步骤201、根据获取的用户的操作数据集合,确定用户的初始喜好偏序,其中,操作数据集合包括至少两路操作数据,每一路操作数据为在预设的偏序策略下统计的用户针对同一个操作对象的操作记录的集合,初始喜好偏序为用户对操作对象的喜好程度的偏序关系。
每一路操作数据为在至少一个预设的偏序策略下统计的用户针对同一个操作对象的操作记录的集合,可选的,步骤201包括:
在操作数据集合中,选择任意两路操作数据为目标操作数据,其中,目标操作数据对应的操作对象为目标操作对象;
重复以下步骤,直至确定出目标操作数据中所有偏序策略对应的单元偏序关系:根据在任意一个偏序策略下统计的用户针对目标操作对象的操作记录,确定用户对目标操作对象的喜好程度的偏序关系,作为偏序策略对应的单元偏序关系,其中,目标操作数据的所有偏序策略对应的单元偏序关系相同,或者偏序方向相反;
在目标操作数据的所有偏序策略对应的单元偏序关系中,确定个数占比超过一半的偏序方向对应的单元偏序关系,为用户针对目标操作对象的初始喜好偏序。
在本实施例中,具体的,获取的用户的操作数据集合,包括至少两路操作数据,每路操作数据包括在一个或者多个预设偏序策略下统计的用户对同一个操作对象的操作记录的集合,不同偏序策略下统计的用户对同一个操作对象的操作记录不同。在操作数据集合中,选择任意两路操作数据为目标操作数据,在目标操作数据中,确定每一个偏序策略下的用户对目标操作对象的单元喜好偏序。不同偏序策略对应的单元喜好偏序可能相同,也可能相反,具体的,为偏序方向相反。对于目标操作数据,在所有偏序策略对应的单元喜好偏序中,确定个数占比超过一半的偏序方向对应的单元喜好偏序为用户对目标操作对象的喜好偏序。确定用户对任意两个操作对象的喜好偏序,构成用户的初始喜好偏序。
举例来说,操作数据集合包括五路操作数据,四路操作数据分别为预设偏序策略下统计的用户对u1、u2、u3、u4四个操作对象的操作记录的集合,其中每路操作数据具体包括在五种预设偏序策略下统计的用户对同一个操作对象的操作记录的集合,其中,不同预设偏序策略下统计的用户对同一个操作对象的操作记录不同。假设,选择前两路操作数据为目标操作数据,其中,u1、u2为目标操作对象,确定五种偏序策略对应的单元偏序关系,不同偏序策略对应的单元偏序关系可能相同,也可能相反。在五种偏序策略对应的单元偏序关系中,确定个数占比超过半数的偏序方向对应的单元偏序关系为ur1>ur2,偏序诸元ur1、ur2分别表示用户对目标操作对象u1、u2的喜好程度,ur1>ur2为用户对u1、u2的喜好偏序。
步骤202、对初始喜好偏序进行传递处理,得到用户的预测喜好偏序。
对于任意两个初始喜好偏序,其中,第一初始喜好偏序的偏序方向为第一偏序方向,第一初始喜好偏序具有第一左偏序诸元和第一右偏序诸元,第二初始喜好偏序的偏序方向为第二偏序方向,第二初始喜好偏序具有第二左偏序诸元和第二右偏序诸元,偏序诸元为用户对操作对象的喜爱程度。可选的,步骤202包括:
在第一偏序方向与第二偏序方向相同,且第一右偏序诸元与第二左偏序诸元相同时,根据第一偏序方向、第一左偏序诸元和第二右偏序诸元,确定预测喜好偏序,其中,预测喜好偏序的偏序方向为第一偏序方向,预测喜好偏序的左偏序诸元为第一左偏序诸元,预测喜好偏序的右偏序诸元为第二右偏序诸元。
举例来说,第一初始喜好偏序为ur1>ur2,第二初始喜好偏序为ur2>ur3,ur1>ur2和ur2>ur3具有相同的偏序方向,且ur1>ur2的第一右偏序诸元与ur2>ur3第二左偏序诸元相同,根据第一偏序方向、第一左偏序诸元和第二右偏序诸元,确定预测喜好偏序ur1>ur3,预测喜好偏序的偏序方向为第一偏序方向,预测喜好偏序的左偏序诸元为第一左偏序诸元,预测喜好偏序的右偏序诸元为第二右偏序诸元。
步骤203、确定预测喜好偏序的第一自身偏序方向和第一可能偏序方向的分布概率,其中,第一自身偏序方向为预测喜好偏序的自身偏序方向,第一可能偏序方向为与预测喜好偏序的自身偏序方向相反的偏序方向。
举例来说,对于预测喜好偏序ur1>ur3,其第一自身偏序方向为ur1>ur3,其含义为用户对操作对象u1的喜好程度高于对操作对象u3的喜好程度;其第一可能偏序方向为ur1<ur3,其含义为用户对操作对象u1的喜好程度低于对操作对象u3的喜好程度,第一可能偏序方向与预测喜好偏序的自身偏序方向相反。对于一个喜好偏序来说,第一自身偏序方向与第一可能偏序方向的分布概率之和不一定为1,因为还存在用户对操作对象u1、u3的喜好程度相同的可能。利用结果得分GSB(g13、s13、b13)来描述预测喜好偏序ur1>ur3的偏序方向概率分布,其中g13表示第一自身偏序方向的分布概率,b13表示第一可能偏序方向的分布概率,其中,g13、s13、b13的和为1。
确定预测喜好偏序的第一自身偏序方向和第一可能偏序方向的分布概率,包括:
确定初始喜好偏序的第二自身偏序方向和第二可能偏序方向的分布概率,其中,第二自身偏序方向为初始喜好偏序的自身偏序方向,第二可能偏序方向为与初始喜好偏序的自身偏序方向相反的偏序方向,第二自身偏序方向的分布概率为第一分布概率,第二可能偏序方向的分布概率为第二分布概率;
根据第一分布概率和第二分布概率,确定第二自身偏序方向与第二可能偏序方向的差别程度量化值;
根据第一分布概率和第二分布概率,确定第二自身偏序方向和第二可能偏序方向的相似程度量化值;
根据差别程度量化值和相似程度量化值,确定预测喜好偏序的第一自身偏序方向和第一可能偏序方向的分布概率。
确定初始喜好偏序的第二自身偏序方向和第二可能偏序方向的分布概率,包括:利用预设的统计结果,确定第二自身偏序方向成立的第一概率值,和第二可能偏序方向成立的第二概率值;根据第一概率值与第二概率值,确定初始喜好偏序的第二自身偏序方向和第二可能偏序方向的分布概率。
在本实施例中,具体的,确定出的初始喜好偏序为ur1>ur2、ur2>ur3,利用结果得分GSB(g12、s12、b12)来描述初始喜好偏序ur1>ur2的偏序方向概率分布,利用结果得分GSB(g23、s23、b23)来描述初始喜好偏序ur2>ur3的偏序方向概率分布,其中g12、g23表示初始喜好偏序的第二自身偏序方向的分布概率,即g12、g23为第一分布概率,b12、b23表示初始喜好偏序的第二可能偏序方向的分布概率值,即b12、b23为第二分布概率,g12、s12、b12的和为1,g23、s23、b23的和为1。
确定初始喜好偏序的第二自身偏序方向的分布概率g12、g23,和第二可能偏序方向的分布概率b12、b23的方法包括:
对于初始喜好偏序为ur1>ur2、ur2>ur3,利用预设的统计结果,确定第二自身偏序方向成立的第一概率值a1、a2,和第二可能偏序方向成立的第二概率值b1、b2,根据a1、b1计算初始喜好偏序为ur1>ur2的GSB(g12、s12、b12),根据a2、b2计算初始喜好偏序为ur2>ur3的GSB(g23、s23、b23),具体计算方法为:对a和b进行归一化得到:r1=a/(a+b),r2=b/(a+b),GSB:S=math.pow(1-abs(r1-r2)/max(r1,r2),2),G=(1-S)*r1/(r1+r2),B=(1-S)*r2/(r1+r2),其中g12、g23为初始喜好偏序为ur1>ur2、ur2>ur3的第二自身偏序方向的分布概率,b12、b23为初始喜好偏序为ur1>ur2、ur2>ur3的第二可能偏序方向的分布概率。
在第一自身偏序方向与第一可能偏序方向的分布概率差值大于设定阈值时,确定初始喜好偏序的偏序方向显著,即在初始喜好偏序的结果得分中的G与B的差值大于设定阈值时,确定初始喜好偏序的偏序方向显著。在确定初始喜好偏序的偏序方向显著后,对初始喜好偏序进行传递处理。
根据第一分布概率g12、g23和第二分布概率b12、b23,确定第二自身偏序方向与第二可能偏序方向的差别程度量化值,具体的,
差别程度量化值:
相似程度量化值:
根据差别程度量化值和相似程度量化值,确定预测喜好偏序的第一自身偏序方向和第一可能偏序方向的分布概率,具体的,和beta=epsilonx*epsilony,根据三角公式计算得到delta,然后根据S=beta,G-B=alpha和G+B+S=1计算得到新的GSB:S=beta,B=1-G-S,即,预测喜好偏序ur1>ur3的结果得分GSB为其第一自身偏序方向分布概率为第一可能偏序方向分布概率为1-G-S。
步骤204、在第一自身偏序方向与第一可能偏序方向的分布概率差值大于设定阈值时,确定预测喜好偏序的偏序方向显著,确定预测喜好偏序为用户的扩展喜好偏序。
在本实施例中,具体的,在第一自身偏序方向与第一可能偏序方向的分布概率差值大于设定阈值时,确定预测喜好偏序的偏序方向显著,即在预测喜好偏序的结果得分中的G与B的差值大于设定阈值时,确定预测喜好偏序的偏序方向显著,确定预测喜好偏序为用户的扩展喜好偏序。通过设置假设检验显著性水平来对预测喜好偏序的可靠性进行验证,在确定预测喜好偏序的置信度满足预设条件时,确定预测喜好偏序为用户的扩展喜好偏序,根据扩展喜好偏序确定出的操作对象的排序队列,参考价值大、可信度高。
步骤205、根据用户的初始喜好偏序和扩展喜好偏序,确定操作对象的排序队列并显示。
在本实施例中,具体的,扩展喜好偏序为利用偏序关系的传递性,发掘出的用户针对操作对象潜在的喜好偏序,且扩展喜好偏序的置信度满足预设条件。根据确定出的用户的初始喜好偏序和扩展喜好偏序,确定操作对象的排序队列并显示。
本实施例通过根据获取的用户的操作数据集合,确定用户的初始喜好偏序,其中,操作数据集合包括至少两路操作数据,每一路操作数据为在预设的偏序策略下统计的用户针对同一个操作对象的操作记录的集合,初始喜好偏序为用户对操作对象的喜好程度的偏序关系;对初始喜好偏序进行传递处理,得到用户的预测喜好偏序;确定预测喜好偏序的第一自身偏序方向和第一可能偏序方向的分布概率,其中,第一自身偏序方向为预测喜好偏序的自身偏序方向,第一可能偏序方向为与预测喜好偏序的自身偏序方向相反的偏序方向;在第一自身偏序方向与第一可能偏序方向的分布概率差值大于设定阈值时,确定预测喜好偏序的偏序方向显著,确定预测喜好偏序为用户的扩展喜好偏序;根据用户的初始喜好偏序和扩展喜好偏序,确定操作对象的排序队列并显示。在确定出用户的初始喜好偏序后,对初始喜好偏序进行传递处理,得到用户的预测喜好偏序,实现了对用户喜好偏序的扩展,以挖掘出用户对操作对象潜在的喜好偏序,有利于为确定操作对象的排序队列提供更多元化的参考,有利于确定出更符合用户喜好习惯的操作对象的排序队列;在预测喜好偏序的偏序方向显著时,确定预测喜好偏序为用户的扩展喜好偏序,并根据用户的扩展喜好偏序和初始喜好偏序,确定操作对象的排序队列并显示,通过判断预测喜好偏序的偏序方向是否显著,来判断预测喜好偏序是否可信,在确定预测喜好偏序可信时,判断预测喜好偏序为扩展喜好偏序,根据扩展喜好偏序确定出的操作对象的排序队列,参考价值大、可信度高,与用户的喜好习惯匹配度高,有利于提高用户使用体验。
图3为本申请实施例提供的一种排序处理装置的结构示意图,如图3所示,该装置包括:
第一处理单元1,用于根据获取的用户的操作数据集合,确定用户的初始喜好偏序,其中,操作数据集合包括至少两路操作数据,每一路操作数据为在预设的偏序策略下统计的用户针对同一个操作对象的操作记录的集合,初始喜好偏序为用户对操作对象的喜好程度的偏序关系;
第二处理单元2,用于对初始喜好偏序进行传递处理,得到用户的预测喜好偏序;
第三处理单元3,用于在预测喜好偏序的偏序方向显著时,确定预测喜好偏序为用户的扩展喜好偏序;
第四处理单元4,用于根据用户的初始喜好偏序和扩展喜好偏序,确定操作对象的排序队列并显示。
本实施例中根据获取的用户的操作数据集合,确定用户的初始喜好偏序,其中,操作数据集合包括至少两路操作数据,每一路操作数据为在预设的偏序策略下统计的用户针对同一个操作对象的操作记录的集合,初始喜好偏序为用户对操作对象的喜好程度的偏序关系;对初始喜好偏序进行传递处理,得到用户的预测喜好偏序;在预测喜好偏序的偏序方向显著时,确定预测喜好偏序为用户的扩展喜好偏序;根据用户的初始喜好偏序和扩展喜好偏序,确定操作对象的排序队列并显示。在确定出用户的初始喜好偏序后,对初始喜好偏序进行传递处理,得到用户的预测喜好偏序,实现了对用户喜好偏序的扩展,以挖掘出用户对操作对象潜在的喜好偏序,有利于为确定操作对象的排序队列提供更多元化的参考,有利于确定出更符合用户喜好偏序的操作对象的排序队列;在预测喜好偏序的偏序方向显著时,确定预测喜好偏序为用户的扩展喜好偏序,并根据用户的扩展喜好偏序和初始喜好偏序,确定操作对象的排序队列并显示,通过判断预测喜好偏序的偏序方向是否显著,来判断预测喜好偏序是否可信,在确定预测喜好偏序可信时,判断预测喜好偏序为扩展喜好偏序,根据扩展喜好偏序确定出的操作对象的排序队列,参考价值大、可信度高,与用户的喜好习惯匹配度高,有利于提高用户使用体验。
图4为本申请实施例提供的又一种排序处理装置的结构示意图,在图3所示实施例的基础上,如图4所示,
每一路操作数据为在至少一个预设的偏序策略下统计的用户针对同一个操作对象的操作记录的集合,第一处理单元1,包括:
第一处理子单元11,用于在操作数据集合中,选择任意两路操作数据为目标操作数据,其中,目标操作数据对应的操作对象为目标操作对象;
第二处理子单元12,用于重复以下步骤,直至确定出目标操作数据中所有偏序策略对应的单元偏序关系:根据在任意一个偏序策略下统计的用户针对目标操作对象的操作记录,确定用户对目标操作对象的喜好程度的偏序关系,作为偏序策略对应的单元偏序关系,其中,目标操作数据的所有偏序策略对应的单元偏序关系相同,或者偏序方向相反;
第三处理子单元13,用于在目标操作数据的所有偏序策略对应的单元偏序关系中,确定个数占比超过一半的偏序方向对应的单元偏序关系,为用户针对目标操作对象的初始喜好偏序。
对于任意两个初始喜好偏序,其中,第一初始喜好偏序的偏序方向为第一偏序方向,第一初始喜好偏序具有第一左偏序诸元和第一右偏序诸元,第二初始喜好偏序的偏序方向为第二偏序方向,第二初始喜好偏序具有第二左偏序诸元和第二右偏序诸元,偏序诸元为用户对操作对象的喜爱程度;第二处理单元2,包括:
第一处理子单元21,用于在第一偏序方向与第二偏序方向相同,且第一右偏序诸元与第二左偏序诸元相同时,根据第一偏序方向、第一左偏序诸元和第二右偏序诸元,确定预测喜好偏序,其中,预测喜好偏序的偏序方向为第一偏序方向,预测喜好偏序的左偏序诸元为第一左偏序诸元,预测喜好偏序的右偏序诸元为第二右偏序诸元。
第三处理单元3包括:
第一处理子单元31,用于确定预测喜好偏序的第一自身偏序方向和第一可能偏序方向的分布概率,其中,第一自身偏序方向为预测喜好偏序的自身偏序方向,第一可能偏序方向为与预测喜好偏序的自身偏序方向相反的偏序方向;
第二处理子单元32,用于在第一自身偏序方向与第一可能偏序方向的分布概率差值大于设定阈值时,确定预测喜好偏序的偏序方向显著,确定预测喜好偏序为用户的扩展喜好偏序。
第一处理子单元31,包括:
第一处理模311,用于确定初始喜好偏序的第二自身偏序方向和第二可能偏序方向的分布概率,其中,第二自身偏序方向为初始喜好偏序的自身偏序方向,第二可能偏序方向为与初始喜好偏序的自身偏序方向相反的偏序方向,第二自身偏序方向的分布概率为第一分布概率,第二可能偏序方向的分布概率为第二分布概率;
第二处理模块312,用于根据第一分布概率和第二分布概率,确定第二自身偏序方向与第二可能偏序方向的差别程度量化值;
第三处理模块313,用于根据第一分布概率和第二分布概率,确定第二自身偏序方向和第二可能偏序方向的相似程度量化值;
第四处理模块314,用于根据差别程度量化值和相似程度量化值,确定预测喜好偏序的第一自身偏序方向和第一可能偏序方向的分布概率。
第一处理模块311,包括:
第一处理子模3111,用于利用预设的统计结果,确定第二自身偏序方向成立的第一概率值,和第二可能偏序方向成立的第二概率值;
第二处理子模块3112,用于根据第一概率值与第二概率值,确定初始喜好偏序的第二自身偏序方向和第二可能偏序方向的分布概率。
第三处理单元3,还包括:
第三处理子单33,用于在确定初始喜好偏序的偏序方向显著时,对初始喜好偏序进行传递处理,得到用户的预测喜好偏序。
本实施例通过根据获取的用户的操作数据集合,确定用户的初始喜好偏序,其中,操作数据集合包括至少两路操作数据,每一路操作数据为在预设的偏序策略下统计的用户针对同一个操作对象的操作记录的集合,初始喜好偏序为用户对操作对象的喜好程度的偏序关系;对初始喜好偏序进行传递处理,得到用户的预测喜好偏序;确定预测喜好偏序的第一自身偏序方向和第一可能偏序方向的分布概率,其中,第一自身偏序方向为预测喜好偏序的自身偏序方向,第一可能偏序方向为与预测喜好偏序的自身偏序方向相反的偏序方向;在第一自身偏序方向与第一可能偏序方向的分布概率差值大于设定阈值时,确定预测喜好偏序的偏序方向显著,确定预测喜好偏序为用户的扩展喜好偏序;根据用户的初始喜好偏序和扩展喜好偏序,确定操作对象的排序队列并显示。在确定出用户的初始喜好偏序后,对初始喜好偏序进行传递处理,得到用户的预测喜好偏序,实现了对用户喜好偏序的扩展,以挖掘出用户对操作对象潜在的喜好偏序,有利于为确定操作对象的排序队列提供更多元化的参考,有利于确定出更符合用户喜好习惯的操作对象的排序队列;在预测喜好偏序的偏序方向显著时,确定预测喜好偏序为用户的扩展喜好偏序,并根据用户的扩展喜好偏序和初始喜好偏序,确定操作对象的排序队列并显示,通过判断预测喜好偏序的偏序方向是否显著,来判断预测喜好偏序是否可信,在确定预测喜好偏序可信时,判断预测喜好偏序为扩展喜好偏序,根据扩展喜好偏序确定出的操作对象的排序队列,参考价值大、可信度高,与用户的喜好习惯匹配度高,有利于提高用户使用体验。
图5为本申请实施例提供的一种排序处理设备的结构示意图,如图5所示,本申请实施例提供了一种排序处理设备,可以用于执行图1-图3所示实施例中排序处理设备动作或步骤,具体包括:处理器501,存储器502和通信接口503。
存储器502,用于存储计算机程序。
处理器501,用于执行存储器502中存储的计算机程序,以实现图1-图4所示实施例中排序处理设备的动作,不再赘述。
可选的,排序处理设备还可以包括总线504。其中,处理器501、存储器502以及通信接口503可以通过总线504相互连接;总线504可以是外设部件互连标准(PeripheralComponent Interconnect,简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture,简称EISA)总线等。上述总线504可以分为地址总线、数据总线和控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
在本申请实施例中,上述各实施例之间可以相互参考和借鉴,相同或相似的步骤以及名词均不再一一赘述。
或者,以上各个模块的部分或全部也可以通过集成电路的形式内嵌于该排序设备的某一个芯片上来实现。且它们可以单独实现,也可以集成在一起。即以上这些模块可以被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(Digital Singnal Processor,简称DSP),或,一个或者多个现场可编程门阵列(FieldProgrammable Gate Array,简称FPGA)
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行以实现上述处理方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、排序设备或数据中心通过有线(例如,同轴电缆、光纤、数字用户线(digitalsubscriber line,DSL))或无线(例如,红外、无线、微波等)方式向另一个网站站点、计算机、排序设备或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的排序设备、数据中心等数据存储设备。可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如,固态硬盘(solid state disk,SSD))等。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本申请实施例描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时,可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本发明旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (17)
1.一种排序处理方法,其特征在于,包括:
根据获取的用户的操作数据集合,确定所述用户的初始喜好偏序,其中,所述操作数据集合包括至少两路操作数据,每一路所述操作数据为在预设的偏序策略下统计的所述用户针对同一个操作对象的操作记录的集合,所述初始喜好偏序为所述用户对所述操作对象的喜好程度的偏序关系;
对所述初始喜好偏序进行传递处理,得到所述用户的预测喜好偏序;
在所述预测喜好偏序的偏序方向显著时,确定所述预测喜好偏序为所述用户的扩展喜好偏序;
根据所述用户的所述初始喜好偏序和所述扩展喜好偏序,确定所述操作对象的排序队列并显示。
2.根据权利要求1所述的方法,其特征在于,根据获取的用户的操作数据集合,确定所述用户的初始喜好偏序,包括:
在所述操作数据集合中,选择任意两路所述操作数据为目标操作数据,其中,所述目标操作数据对应的所述操作对象为目标操作对象,每一路所述操作数据为在至少一个预设的偏序策略下统计的所述用户针对同一个操作对象的操作记录的集合;
重复以下步骤,直至确定出所述目标操作数据中所有所述偏序策略对应的单元偏序关系:根据在任意一个所述偏序策略下统计的所述用户针对所述目标操作对象的操作记录,确定所述用户对所述目标操作对象的喜好程度的偏序关系,作为所述偏序策略对应的单元偏序关系,其中,所述目标操作数据的所有所述偏序策略对应的所述单元偏序关系相同,或者偏序方向相反;
在所述目标操作数据的所有所述偏序策略对应的所述单元偏序关系中,确定个数占比超过一半的偏序方向对应的所述单元偏序关系,为所述用户针对所述目标操作对象的初始喜好偏序。
3.根据权利要求1所述的方法,其特征在于,对于任意两个初始喜好偏序,其中,第一初始喜好偏序的偏序方向为第一偏序方向,第一初始喜好偏序具有第一左偏序诸元和第一右偏序诸元,第二初始喜好偏序的偏序方向为第二偏序方向,第二初始喜好偏序具有第二左偏序诸元和第二右偏序诸元,所述偏序诸元为所述用户对所述操作对象的喜爱程度;对所述初始喜好偏序进行传递处理,得到预测喜好偏序,包括:
在所述第一偏序方向与所述第二偏序方向相同,且所述第一右偏序诸元与所述第二左偏序诸元相同时,根据所述第一偏序方向、所述第一左偏序诸元和所述第二右偏序诸元,确定所述预测喜好偏序,其中,所述预测喜好偏序的偏序方向为所述第一偏序方向,所述预测喜好偏序的左偏序诸元为所述第一左偏序诸元,所述预测喜好偏序的右偏序诸元为所述第二右偏序诸元。
4.根据权利要求1所述的方法,其特征在于,在所述预测喜好偏序的偏序方向显著时,确定所述预测喜好偏序为所述用户的扩展喜好偏序,包括:
确定所述预测喜好偏序的第一自身偏序方向和第一可能偏序方向的分布概率,其中,所述第一自身偏序方向为所述预测喜好偏序的自身偏序方向,所述第一可能偏序方向为与所述预测喜好偏序的自身偏序方向相反的偏序方向;
在所述第一自身偏序方向与所述第一可能偏序方向的分布概率差值大于设定阈值时,确定所述预测喜好偏序的偏序方向显著,确定所述预测喜好偏序为所述用户的扩展喜好偏序。
5.根据权利要求4所述的方法,其特征在于,确定所述预测喜好偏序的第一自身偏序方向和第一可能偏序方向的分布概率,包括:
确定所述初始喜好偏序的第二自身偏序方向和第二可能偏序方向的分布概率,其中,所述第二自身偏序方向为所述初始喜好偏序的自身偏序方向,所述第二可能偏序方向为与所述初始喜好偏序的自身偏序方向相反的偏序方向,所述第二自身偏序方向的分布概率为第一分布概率,所述第二可能偏序方向的分布概率为第二分布概率;
根据所述第一分布概率和所述第二分布概率,确定所述第二自身偏序方向与所述第二可能偏序方向的差别程度量化值;
根据所述第一分布概率和所述第二分布概率,确定所述第二自身偏序方向和所述第二可能偏序方向的相似程度量化值;
根据所述差别程度量化值和所述相似程度量化值,确定所述预测喜好偏序的第一自身偏序方向和第一可能偏序方向的分布概率。
6.根据权利要求5所述的方法,其特征在于,确定所述初始喜好偏序的第二自身偏序方向和第二可能偏序方向的分布概率,包括:
利用预设的统计结果,确定所述第二自身偏序方向成立的第一概率值,和所述第二可能偏序方向成立的第二概率值;
根据所述第一概率值与所述第二概率值,确定所述初始喜好偏序的第二自身偏序方向和第二可能偏序方向的分布概率。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述方法还包括:结合所述扩展喜好偏序与所述初始喜好偏序进行传递处理,得到所述用户的所述预测喜好偏序。
8.根据权利要求1-6任一项所述的方法,其特征在于,在确定所述初始喜好偏序的偏序方向显著时,对所述初始喜好偏序进行传递处理,得到所述用户的预测喜好偏序。
9.一种排序处理装置,其特征在于,包括:
第一处理单元,用于根据获取的用户的操作数据集合,确定所述用户的初始喜好偏序,其中,所述操作数据集合包括至少两路操作数据,每一路所述操作数据为在预设的偏序策略下统计的所述用户针对同一个操作对象的操作记录的集合,所述初始喜好偏序为所述用户对所述操作对象的喜好程度的偏序关系;
第二处理单元,用于对所述初始喜好偏序进行传递处理,得到所述用户的预测喜好偏序;
第三处理单元,用于在所述预测喜好偏序的偏序方向显著时,确定所述预测喜好偏序为所述用户的扩展喜好偏序;
第四处理单元,用于根据所述用户的所述初始喜好偏序和所述扩展喜好偏序,确定所述操作对象的排序队列并显示。
10.根据权利要求9所述的装置,其特征在于,所述第一处理单元包括:
第一处理子单元,用于在所述操作数据集合中,选择任意两路所述操作数据为目标操作数据,其中,所述目标操作数据对应的所述操作对象为目标操作对象,每一路所述操作数据为在至少一个预设的偏序策略下统计的所述用户针对同一个操作对象的操作记录的集合;
第二处理子单元,用于重复以下步骤,直至确定出所述目标操作数据中所有所述偏序策略对应的单元偏序关系:根据在任意一个所述偏序策略下统计的所述用户针对所述目标操作对象的操作记录,确定所述用户对所述目标操作对象的喜好程度的偏序关系,作为所述偏序策略对应的单元偏序关系,其中,所述目标操作数据的所有所述偏序策略对应的所述单元偏序关系相同,或者偏序方向相反;
第三处理子单元,用于在所述目标操作数据的所有所述偏序策略对应的所述单元偏序关系中,确定个数占比超过一半的偏序方向对应的所述单元偏序关系,为所述用户针对所述目标操作对象的初始喜好偏序。
11.根据权利要求9所述的装置,其特征在于,对于任意两个初始喜好偏序,其中,第一初始喜好偏序的偏序方向为第一偏序方向,第一初始喜好偏序具有第一左偏序诸元和第一右偏序诸元,第二初始喜好偏序的偏序方向为第二偏序方向,第二初始喜好偏序具有第二左偏序诸元和第二右偏序诸元,所述偏序诸元为所述用户对所述操作对象的喜爱程度;所述第二处理单元包括:
第一处理子单元,用于在所述第一偏序方向与所述第二偏序方向相同,且所述第一右偏序诸元与所述第二左偏序诸元相同时,根据所述第一偏序方向、所述第一左偏序诸元和所述第二右偏序诸元,确定所述预测喜好偏序,其中,所述预测喜好偏序的偏序方向为所述第一偏序方向,所述预测喜好偏序的左偏序诸元为所述第一左偏序诸元,所述预测喜好偏序的右偏序诸元为所述第二右偏序诸元。
12.根据权利要求9所述的装置,其特征在于,所述第三处理单元包括:
第一处理子单元,用于确定所述预测喜好偏序的第一自身偏序方向和第一可能偏序方向的分布概率,其中,所述第一自身偏序方向为所述预测喜好偏序的自身偏序方向,所述第一可能偏序方向为与所述预测喜好偏序的自身偏序方向相反的偏序方向;
第二处理子单元,用于在所述第一自身偏序方向与所述第一可能偏序方向的分布概率差值大于设定阈值时,确定所述预测喜好偏序的偏序方向显著,确定所述预测喜好偏序为所述用户的扩展喜好偏序。
13.根据权利要求12所述的装置,其特征在于,所述第一处理子单元包括:
第一处理模块,用于确定所述初始喜好偏序的第二自身偏序方向和第二可能偏序方向的分布概率,其中,所述第二自身偏序方向为所述初始喜好偏序的自身偏序方向,所述第二可能偏序方向为与所述初始喜好偏序的自身偏序方向相反的偏序方向,所述第二自身偏序方向的分布概率为第一分布概率,所述第二可能偏序方向的分布概率为第二分布概率;
第二处理模块,用于根据所述第一分布概率和所述第二分布概率,确定所述第二自身偏序方向与所述第二可能偏序方向的差别程度量化值;
第三处理模块,用于根据所述第一分布概率和所述第二分布概率,确定所述第二自身偏序方向和所述第二可能偏序方向的相似程度量化值;
第四处理模块,用于根据所述差别程度量化值和所述相似程度量化值,确定所述预测喜好偏序的第一自身偏序方向和第一可能偏序方向的分布概率。
14.根据权利要求13所述的装置,其特征在于,所述第一处理模块包括:
第一处理子模块,用于利用预设的统计结果,确定所述第二自身偏序方向成立的第一概率值,和所述第二可能偏序方向成立的第二概率值;
第二处理子模块,用于根据所述第一概率值与所述第二概率值,确定所述初始喜好偏序的第二自身偏序方向和第二可能偏序方向的分布概率。
15.根据权利要求9-14任一项所述的装置,其特征在于,所述第三处理单元还包括:
第三处理子单元,用于在确定所述初始喜好偏序的偏序方向显著时,对所述初始喜好偏序进行传递处理,得到所述用户的预测喜好偏序。
16.一种排序处理设备,其特征在于,包括:处理器、存储器以及计算机程序;
其中,计算机程序存储在存储器中,并被配置为由处理器执行以实现如1-8任一项的方法。
17.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,计算机程序被处理器执行以实现如1-8任一项的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910539394.0A CN110297974B (zh) | 2019-06-20 | 2019-06-20 | 排序处理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910539394.0A CN110297974B (zh) | 2019-06-20 | 2019-06-20 | 排序处理方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110297974A true CN110297974A (zh) | 2019-10-01 |
CN110297974B CN110297974B (zh) | 2021-07-20 |
Family
ID=68028494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910539394.0A Active CN110297974B (zh) | 2019-06-20 | 2019-06-20 | 排序处理方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110297974B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927673A (zh) * | 2014-03-24 | 2014-07-16 | 腾讯科技(深圳)有限公司 | 一种推荐业务信息的方法及装置 |
CN107507073A (zh) * | 2017-09-14 | 2017-12-22 | 中国人民解放军信息工程大学 | 基于信任扩展和列表级排序学习的服务推荐方法 |
CN108664552A (zh) * | 2018-04-02 | 2018-10-16 | 拉扎斯网络科技(上海)有限公司 | 一种用户偏好挖掘方法及装置 |
CN109635004A (zh) * | 2018-12-13 | 2019-04-16 | 广东工业大学 | 一种数据库的对象描述提供方法、装置及设备 |
-
2019
- 2019-06-20 CN CN201910539394.0A patent/CN110297974B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927673A (zh) * | 2014-03-24 | 2014-07-16 | 腾讯科技(深圳)有限公司 | 一种推荐业务信息的方法及装置 |
CN107507073A (zh) * | 2017-09-14 | 2017-12-22 | 中国人民解放军信息工程大学 | 基于信任扩展和列表级排序学习的服务推荐方法 |
CN108664552A (zh) * | 2018-04-02 | 2018-10-16 | 拉扎斯网络科技(上海)有限公司 | 一种用户偏好挖掘方法及装置 |
CN109635004A (zh) * | 2018-12-13 | 2019-04-16 | 广东工业大学 | 一种数据库的对象描述提供方法、装置及设备 |
Non-Patent Citations (1)
Title |
---|
张振冀: ""融合主题模型的排序学习算法的研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110297974B (zh) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI559158B (zh) | 於商業分析中之關係發現之方法、電腦系統及電腦程式產品 | |
Taha et al. | Using the spanning tree of a criminal network for identifying its leaders | |
WO2016155493A1 (zh) | 数据处理方法及装置 | |
CN109241403A (zh) | 项目推荐方法、装置、机器设备和计算机可读存储介质 | |
US20200057770A1 (en) | Visualizing changes in a multi-dimensional dataset using three-dimensional cubes | |
WO2017058447A1 (en) | Managing a database of patterns used to identify subsequences in logs | |
CN112463859B (zh) | 基于大数据和业务分析的用户数据处理方法及服务器 | |
CN112508075A (zh) | 基于横向联邦的dbscan聚类方法、及其相关设备 | |
CN109379608A (zh) | 一种直播间的推荐方法以及相关设备 | |
US11620547B2 (en) | Estimating number of distinct values in a data set using machine learning | |
CN105786810B (zh) | 类目映射关系的建立方法与装置 | |
CN109977415A (zh) | 一种文本纠错方法及装置 | |
US9460393B2 (en) | Inference of anomalous behavior of members of cohorts and associate actors related to the anomalous behavior based on divergent movement from the cohort context centroid | |
CN109886300A (zh) | 一种用户聚类方法、装置及设备 | |
CN107659982B (zh) | 一种无线网络接入点的分类方法及装置 | |
CN109003181B (zh) | 可疑用户确定方法、装置、设备和计算机可读存储介质 | |
CN110297974A (zh) | 排序处理方法、装置、设备和存储介质 | |
JP2005301786A (ja) | 評価装置、クラスタ生成装置、プログラム、記録媒体、評価方法、及びクラスタ生成方法 | |
JP6749866B2 (ja) | トレンド評価装置、および、トレンド評価方法 | |
CN115168732A (zh) | 资源推荐方法、装置、设备以及存储介质 | |
CN115033916A (zh) | 基于多方联合数据训练推送模型及信息推送的方法和装置 | |
CN111104582B (zh) | 一种搜索页面容错方法、装置及电子设备 | |
CN104834696B (zh) | 一种用于在计算机设备中搜索私有资源的方法和装置 | |
CN112100441A (zh) | 视频推荐方法、电子设备和计算机可读存储介质 | |
CN109325198A (zh) | 一种资源展示方法、装置和存储介质 |
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 |