CN110781456A - 一种排序权重更新方法 - Google Patents
一种排序权重更新方法 Download PDFInfo
- Publication number
- CN110781456A CN110781456A CN201910927755.9A CN201910927755A CN110781456A CN 110781456 A CN110781456 A CN 110781456A CN 201910927755 A CN201910927755 A CN 201910927755A CN 110781456 A CN110781456 A CN 110781456A
- Authority
- CN
- China
- Prior art keywords
- weight
- score
- sequencing
- latest
- updating
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000012163 sequencing technique Methods 0.000 claims abstract description 12
- 238000012549 training Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000010801 machine learning Methods 0.000 abstract description 3
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
Abstract
本发明公开了权重更新技术领域的一种排序权重更新方法，S01：设计排序算法；S02：定期训练样本获得最新的权重值并保存；S03：使用最新权重计算出待排序物品分值；S04：按分值对排序结果倒序进行组装展示。本发明解决了排序特征权重的自动计算和自动更新的问题，保持原有人工权重的排序算法不变，只是把权重的由人工设置改为机器学习训练得出，支持不同的排序场景，训练不同的权重，实现了自动化，免去了人工调试权重的问题。
Description
技术领域
本发明涉及权重更新技术领域，具体为一种排序权重更新方法。
背景技术
权重，一指某一因素或指标相对于某一事物的重要程度，其不同于一般的比重，体现的不仅仅是某一因素或指标所占的百分比，强调的是因素或指标的相对重要程度，倾向于贡献度或重要性。通常，权重可通过划分多个层次指标进行判断和计算，常用的方法包括层次分析法、模糊法、模糊层次分析法和专家评价法等；二指贡献度；三指权利、大权。
在实际业务中，常常会使用排序。排序特征的权重往往是人工根据经验进行设置。这种方式很难把握具体设置多少合适。同时权重的更新也会成为一个问题，基于此，本发明设计了一种排序权重更新方法，以解决上述问题。
发明内容
本发明的目的在于提供一种排序权重更新方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种排序权重更新方法，
S01：设计排序算法
score＝w1*x1+w2*x2+w3*x3+...+wn*xn+b
x为特征值，w为权重，b为偏置；
S02：定期训练样本获得最新的权重值并保存
已知某评价因子实测数据的平均值为
标准差为si，
评价标准为σi，
使用梯度下降算法进行训练得到w1，w2，w3...值；
S03：使用最新权重计算出待排序物品分值
获取物品的特征数据x1，x2...，及S02中的w1，w2，w3...及b带入S01中的公式得到每个物品的排序分值score；
S04：按分值对排序结果倒序进行组装展示
根据S03中的score倒序，并进行数据的组件后展示。
优选的，所述步骤S01中score值的大小为S04中最终结果排序的依据。
优选的，所述步骤S02中
其中i＝1,2,3...n。
优选的，所述步骤S02中
与现有技术相比，本发明的有益效果是：
1)本发明解决了排序特征权重的自动计算和自动更新的问题；
2)本发明保持原有人工权重的排序算法不变，只是把权重的由人工设置改为机器学习训练得出；
3)本发明支持不同的排序场景，训练不同的权重；
4)本发明实现了自动化，免去了人工调试权重的问题。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方法流程图。
具体实施方式
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，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：一种排序权重更新方法，其特征在于：
S01：设计排序算法
score＝w1*x1+w2*x2+w3*x3+...+wn*xn+b
x为特征值，w为权重，b为偏置；
S02：定期训练样本获得最新的权重值并保存
已知某评价因子实测数据的平均值为
(
其中i＝1,2,3...n)，
标准差为si
评价标准为σi，
使用梯度下降算法进行训练得到w1，w2，w3...值；
S03：使用最新权重计算出待排序物品分值
获取物品的特征数据x1，x2...，及S02中的w1，w2，w3...及b带入S01中的公式得到每个物品的排序分值score；
S04：按分值对排序结果倒序进行组装展示
根据S03中的score倒序，并进行数据的组件后展示。
本实施例的一个具体应用为：本发明将机器学习算法融入到传统的排序算法中，用于代替人工设置权重；排序特征权重的自动计算；排序特征权重的自动更新；定期训练后对模型特征的权重进行存储，使用时使用存储的权重进行计算。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (4)
1.一种排序权重更新方法，其特征在于：
S01：设计排序算法
score＝w1*x1+w2*x2+w3*x3+...+wn*xn+b
x为特征值，w为权重，b为偏置；
S02：定期训练样本获得最新的权重值并保存
已知某评价因子实测数据的平均值为
标准差为Si，
评价标准为σi，
使用梯度下降算法进行训练得到w1，w2，w3...值；
S03：使用最新权重计算出待排序物品分值
获取物品的特征数据x1，x2...，及S02中的w1，w2，w3...及b带入S01中的公式得到每个物品的排序分值score；
S04：按分值对排序结果倒序进行组装展示
根据S03中的score倒序，并进行数据的组件后展示。
2.根据权利要求1所述的一种排序权重更新方法，其特征在于：所述步骤S01中score值的大小为S04中最终结果排序的依据。
3.根据权利要求1所述的一种排序权重更新方法，其特征在于：所述步骤S02中其中i＝1,2,3...n。
4.根据权利要求1所述的一种排序权重更新方法，其特征在于：所述步骤S02中
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910927755.9A CN110781456A (zh) | 2019-09-27 | 2019-09-27 | 一种排序权重更新方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910927755.9A CN110781456A (zh) | 2019-09-27 | 2019-09-27 | 一种排序权重更新方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110781456A true CN110781456A (zh) | 2020-02-11 |
Family
ID=69384591
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910927755.9A Pending CN110781456A (zh) | 2019-09-27 | 2019-09-27 | 一种排序权重更新方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110781456A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103049452A (zh) * | 2011-10-14 | 2013-04-17 | 百度在线网络技术（北京）有限公司 | 一种基于预估下载率进行应用排序的方法与设备 |
| CN106248096A (zh) * | 2016-09-29 | 2016-12-21 | 百度在线网络技术（北京）有限公司 | 路网权重的获取方法和装置 |
| CN106384197A (zh) * | 2016-09-13 | 2017-02-08 | 北京协力筑成金融信息服务股份有限公司 | 一种基于大数据的业务质量评估方法和装置 |
| CN109102030A (zh) * | 2018-08-23 | 2018-12-28 | 阿里巴巴集团控股有限公司 | 控制在线模型更新的方法及装置 |
| US20190156214A1 (en) * | 2017-11-18 | 2019-05-23 | Neuralmagic Inc. | Systems and methods for exchange of data in distributed training of machine learning algorithms |
-
2019
- 2019-09-27 CN CN201910927755.9A patent/CN110781456A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103049452A (zh) * | 2011-10-14 | 2013-04-17 | 百度在线网络技术（北京）有限公司 | 一种基于预估下载率进行应用排序的方法与设备 |
| CN106384197A (zh) * | 2016-09-13 | 2017-02-08 | 北京协力筑成金融信息服务股份有限公司 | 一种基于大数据的业务质量评估方法和装置 |
| CN106248096A (zh) * | 2016-09-29 | 2016-12-21 | 百度在线网络技术（北京）有限公司 | 路网权重的获取方法和装置 |
| US20190156214A1 (en) * | 2017-11-18 | 2019-05-23 | Neuralmagic Inc. | Systems and methods for exchange of data in distributed training of machine learning algorithms |
| CN109102030A (zh) * | 2018-08-23 | 2018-12-28 | 阿里巴巴集团控股有限公司 | 控制在线模型更新的方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104834748B (zh) | 一种利用基于深度语义排序哈希编码的图像检索方法 | |
| CN109960759B (zh) | 基于深度神经网络的推荐系统点击率预测方法 | |
| Aksakal et al. | Personel selection based on talent management | |
| CN107239443A (zh) | 一种词向量学习模型的训练方法及服务器 | |
| CN107391547B (zh) | 一种人力对象数据匹配方法及系统 | |
| CN106202377B (zh) | 一种基于随机梯度下降的在线协同排序方法 | |
| CN104966105A (zh) | 一种鲁棒机器错误检索方法与系统 | |
| CN112862380B (zh) | 一种基于混合算法的项目型产品装配车间人员调度方法、设备及存储介质 | |
| CN114398049A (zh) | 一种离散制造车间数字孪生模型自适应动态更新方法 | |
| CN108115678B (zh) | 机器人及其动作控制方法和装置 | |
| CN110705283A (zh) | 基于文本法律法规与司法解释匹配的深度学习方法和系统 | |
| CN106778791A (zh) | 一种基于多重感知器的木材视觉识别方法 | |
| CN104572915B (zh) | 一种基于内容环境增强的用户事件相关度计算方法 | |
| CN116311374A (zh) | 一种化工厂工人异常行为识别与预警方法及系统 | |
| CN107807206A (zh) | 一种基于工业需求的片烟适宜醇化环境及其适宜醇化时间的判定方法 | |
| CN110781456A (zh) | 一种排序权重更新方法 | |
| CN110489131B (zh) | 一种灰度用户选取方法及装置 | |
| CN107590538B (zh) | 一种基于在线序列学习机的危险源识别方法 | |
| CN110083663B (zh) | 一种数据展示的分类优化方法和装置 | |
| CN110765349A (zh) | 一种自动排序权重操作方法 | |
| CN115936389A (zh) | 一种基于大数据技术的评审专家与评审材料的匹配方法 | |
| CN114492836B (zh) | 面向隐式反馈推荐系统的负样本采样及训练方法 | |
| CN109978406A (zh) | 一种证券下行风险评估诊断的方法及系统 | |
| CN110297886A (zh) | 基于短文本的oj题目分类器构建方法及题目模拟方法 | |
| CN111309774A (zh) | 数据处理方法、装置、电子设备及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200211 |