CN113127328A - 一种推荐算法的测试系统及测试方法 - Google Patents
一种推荐算法的测试系统及测试方法 Download PDFInfo
- Publication number
- CN113127328A CN113127328A CN201911414335.7A CN201911414335A CN113127328A CN 113127328 A CN113127328 A CN 113127328A CN 201911414335 A CN201911414335 A CN 201911414335A CN 113127328 A CN113127328 A CN 113127328A
- Authority
- CN
- China
- Prior art keywords
- server
- recommendation algorithm
- test
- algorithm
- client
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请涉及一种推荐算法的测试系统及测试方法。本申请提供的推荐算法的测试系统包括客户端和服务器,其中,在客户端向服务器上传测试数据,以及针对每个目标推荐算法,向服务器发送针对该目标推荐算法的测试指令之后,服务器通过测试数据对该目标推荐算法进行测试,并将测试得到的该目标推荐算法的测试结果发送至客户端,这样,客户端侧的用户可以查看到各个目标推荐算法对应的测试结果,从而知晓到各个目标推荐算法的推荐准确度,可以方便用户选取一个目标推荐算法处理目标推荐任务。基于上述方式,可以简化对各个推荐算法的测试过程,提高了推荐算法确定的效率,进而达到较快辅助用户选取最适合处理目标推荐任务的推荐算法的目的。
Description
技术领域
本申请涉及计算机技术领域,尤其是涉及一种推荐算法的测试系统及测试方法。
背景技术
推荐算法是计算机专业中的一种算法,通过一些数学算法,推测出用户可能喜欢的东西。随着个性化推荐技术的日趋成熟,推荐领域的工作重点逐步由理论研究转变为工程应用,使得推荐任务具有很强的业务针对性。
研究人员往往根据经验确定用于处理推荐任务的推荐算法,之后编写该推荐算法的算法程序,并依据该推荐算法获得针对推荐任务的推荐结果;若研究人员该确定的推荐算法的对推荐结果不满意,则需要修改程序或重新编写其他的推荐算法的算法程序,再对推荐任务进行处理。采取上述方式确定推荐算法效率较低。
发明内容
有鉴于此,本申请实施例至少提供一种推荐算法的测试系统及测试方法,可以简化对各个推荐算法的测试过程,提高推荐算法确定的效率,进而达到较快辅助用户选取最适合处理目标推荐任务的目标推荐算法的目的。
本申请主要包括以下几个方面:
第一方面,本申请实施例提供一种推荐算法的测试系统,所述推荐算法的测试系统包括客户端和服务器;其中:
所述客户端,用于向所述服务器上传测试数据,以及针对每个目标推荐算法,向所述服务器发送针对该目标推荐算法的测试指令,接收所述服务器发送的该目标推荐算法的测试结果;该目标推荐算法为所述服务器存储的多个推荐算法中的一个;所述测试结果用于表征该目标推荐算法的推荐准确度;
所述服务器,用于在接收到所述客户端上传的所述测试数据,以及接收所述客户端发送的所述测试指令之后,通过所述测试数据对该目标推荐算法进行测试,并将测试得到的该目标推荐算法的测试结果发送至所述客户端。
在一种可能的实施方式中,所述客户端,还用于将接收到的所述服务器发送的各个目标推荐算法分别对应的测试结果在同一展示页面上进行展示。
在一种可能的实施方式中,所述客户端,还用于向所述服务器上传训练数据;
所述服务器,还用于在对该目标推荐算法进行测试之前,通过接收到的所述客户端发送的所述训练数据对该目标推荐算法进行训练。
在一种可能的实施方式中,所述服务器,用于在接收到所述客户端发送的所述测试指令之后,向所述客户端发送该目标推荐算法对应的算法参数,并在接收到所述客户端发送的修改后的该目标推荐算法的算法参数之后,对修改算法参数后的该目标推荐算法进行测试;
所述客户端,用于在接收到所述服务器发送的该目标推荐算法对应的算法参数之后,对该目标推荐算法的算法参数进行修改,并将修改后的该目标推荐算法的算法参数发送至所述服务器。
在一种可能的实施方式中,所述客户端,还用于向所述服务器发送数据查询指令,并将接收到的所述服务器反馈的查询结果进行展示;
所述服务器,还用于在接收到所述客户端发送的所述数据查询指令后,根据所述数据查询指令中携带的关键字,获取与所述关键字匹配的所述查询结果,并将所述查询结果反馈给所述客户端。
在一种可能的实施方式中,所述客户端,还用于向所述服务器上传任务数据,并向所述服务器发送通过实际推荐算法计算所述任务数据的计算指令,以及接收并展示所述服务器发送所述实际推荐算法计算所述任务数据后得到的任务结果;
所述服务器,还用于在接收到所述客户端发送的所述计算指令后,通过所述实际推荐算法计算所述任务数据,并将得到的所述任务结果发送至所述客户端。
第二方面,本申请实施例还提供一种推荐算法的测试方法,应用于客户端,所述测试方法包括:
向服务器上传测试数据,以及针对每个目标推荐算法,向所述服务器发送针对该目标推荐算法的测试指令;
接收所述服务器发送的该目标推荐算法的测试结果;所述测试结果用于表征该目标推荐算法的推荐准确度。
在一种可能的实施方式中,在接收到所述服务器发送的各个目标推荐算法的测试结果之后,所述测试方法还包括:
将接收到的所述服务器发送的各个目标推荐算法分别对应的测试结果在同一展示页面上进行展示。
在一种可能的实施方式中,在向所述服务器上传测试数据之前,所述测试方法还包括:
向所述服务器上传训练数据。
在一种可能的实施方式中,在向所述服务器发送针对该目标推荐算法的测试指令之后,所述测试方法还包括:
在接收到所述服务器发送的该目标推荐算法对应的算法参数之后,对该目标推荐算法的算法参数进行修改,并将修改后的该目标推荐算法的算法参数发送至所述服务器。
在一种可能的实施方式中,所述测试方法还包括:
向所述服务器发送数据查询指令,并将接收到的所述服务器反馈的查询结果进行展示。
在一种可能的实施方式中,在所述接收所述服务器发送的该目标推荐算法的测试结果,所述测试方法还包括:
向所述服务器上传任务数据,并向所述服务器发送通过实际推荐算法计算所述任务数据的计算指令,以及接收并展示所述服务器发送所述实际推荐算法计算所述任务数据后得到的任务结果。
第三方面,本申请实施例还提供一种推荐算法的测试方法,应用于服务器,所述测试方法包括:
针对每个目标推荐算法,接收客户端上传的测试数据以及针对目标推荐算法的测试指令;
根据所述测试指令,通过所述测试数据对该目标推荐算法进行测试,并将测试得到的该目标推荐算法的测试结果发送至所述客户端。
在一种可能的实施方式中,在所述通过所述测试数据对该目标推荐算法进行测试之前,所述测试方法还包括:
通过接收到的所述客户端发送的所述训练数据对该目标推荐算法进行训练。
在一种可能的实施方式中,在接收到所述客户端发送的所述测试指令之后,所述测试方法还包括:
向所述客户端发送该目标推荐算法对应的算法参数,并在接收到所述客户端发送的修改后的该目标推荐算法的算法参数之后,对修改算法参数后的该目标推荐算法进行测试。
在一种可能的实施方式中,所述测试方法还包括:
在接收到所述客户端发送的所述数据查询指令后,根据所述数据查询指令中携带的关键字,获取与所述关键字匹配的所述查询结果,并将所述查询结果反馈给所述客户端。
在一种可能的实施方式中,在接收到所述客户端发送的所述计算指令后,所述测试方法还包括:
在接收到所述客户端发送的所述计算指令后,通过该目标推荐算法计算所述任务数据,并将得到的所述任务结果发送至所述客户端。
第四方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线进行通信,所述机器可读指令被所述处理器运行时执行上述第二方面或第二方面中任一种可能的实施方式中所述的推荐算法的测试方法的步骤,和/或执行上述第三方面或第三方面中任一种可能的实施方式中所述的推荐算法的测试方法的步骤。
第五方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述第二方面或第二方面中任一种可能的实施方式中所述的推荐算法的测试方法的步骤,和/或执行上述第三方面或第三方面中任一种可能的实施方式中所述的推荐算法的测试方法的步骤。
在本申请实施例中,在客户端向服务器上传测试数据,以及针对每个目标推荐算法,向服务器发送针对该目标推荐算法的测试指令之后,服务器执行测试指令,并通过测试数据对该目标推荐算法进行测试,并将测试得到的该目标推荐算法的测试结果发送至客户端,这样,客户端侧的用户可以查看到各个目标推荐算法对应的测试结果,从而知晓到各个目标推荐算法的推荐准确度,可以方便用户选取一个目标推荐算法处理目标推荐任务。基于上述方式,可以简化对各个目标推荐算法的测试过程,提高了目标推荐算法确定的效率,进而达到较快辅助用户选取最适合处理目标推荐任务的目标推荐算法的目的。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本申请实施例所提供的一种推荐算法的测试系统的功能模块图;
图2示出了本申请实施例所提供的一种推荐算法的测试方法的流程图;
图3示出了本申请实施例所提供的另一种推荐算法的测试方法的流程图;
图4示出了本申请实施例所提供的一种电子设备的结构示意图。
主要元件符号说明:
图中:100-推荐算法的测试系统;110-客户端;120-服务器;400-电子设备;410-处理器;420-存储器;430-总线。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中的附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应当理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的全部其他实施例,都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容,结合特定应用场景“推荐算法的测试”,给出以下实施方式,对于本领域技术人员来说,在不脱离本申请的精神和范围的情况下,可以将这里定义的一般原理应用于其他实施例和应用场景。
本申请实施例下述方法、装置、电子设备或计算机可读存储介质可以应用于任何需要进行推荐算法的测试的场景,本申请实施例并不对具体的应用场景作限制,任何使用本申请实施例提供的推荐算法的测试系统及方法的方案均在本申请保护范围内。
值得注意的是,在本申请提出之前,研究人员往往根据经验确定用于处理推荐任务的推荐算法,之后编写该推荐算法的算法程序,并依据该推荐算法获得针对推荐任务的推荐结果;若研究人员该确定的推荐算法的对推荐结果不满意,则需要修改程序或重新编写其他的推荐算法的算法程序,再对推荐任务进行处理。采取上述方式确定推荐算法效率较低。
针对上述问题,本申请实施例提供的推荐算法的测试系统包括客户端和服务器,其中,在客户端向服务器上传测试数据,以及针对每个目标推荐算法,向服务器发送针对该目标推荐算法的测试指令之后,服务器执行测试指令,并通过测试数据对该目标推荐算法进行测试,并将测试得到的该目标推荐算法的测试结果发送至客户端,这样,客户端侧的用户可以查看到各个目标推荐算法对应的测试结果,进而知晓到各个目标推荐算法的推荐准确度,可以方便用户选取一个目标推荐算法处理目标推荐任务。基于上述方式,可以简化对各个推荐算法的测试过程,提高推荐算法确定的效率,进而达到较快辅助用户选取最适合处理目标推荐任务的推荐算法的目的。
为便于对本申请进行理解,下面结合具体实施例对本申请提供的技术方案进行详细说明。
图1为本申请实施例所提供的一种推荐算法的测试系统100的功能模块图。如图1所示,本申请实施例提供的推荐算法的测试系统100包括客户端110和服务器120;其中:
所述客户端110,用于向所述服务器120上传测试数据,以及针对每个目标推荐算法,向所述服务器120发送针对该目标推荐算法的测试指令,接收所述服务器120发送的该目标推荐算法的测试结果;该目标推荐算法为所述服务器120存储的多个推荐算法中的一个;所述测试结果用于表征该目标推荐算法的推荐准确度。
所述服务器120,用于在接收到所述客户端110上传的所述测试数据,以及接收所述客户端110发送的所述测试指令之后,通过所述测试数据对该目标推荐算法进行测试,并将测试得到的该目标推荐算法的测试结果发送至所述客户端110。
在具体实施中,本申请提供的推荐算法的测试系统100包括客户端110和服务器120,客户端110侧的用户先通过客户端110向服务器120上传测试数据,客户端110向服务器120发送针对服务器120存储的多个目标推荐算法中的一个目标推荐算法的测试指令,进一步地,服务器120在接收到客户端110发送的测试指令后,通过测试数据对该目标推荐算法进行测试,并将测试得到的该目标推荐算法的测试结果发送给客户端110,这里,用户可以通过客户端110向服务器120发送针对不同目标推荐算法的测试指令,服务器120在执行完成每个测试指令后,都会将对应目标推荐算法的测试结果发送给客户端110,这样,客户端110侧的用户可以查看到各个目标推荐算法对应的测试结果,进而知晓到各个目标推荐算法的推荐准确度,可以方便用户选取一个目标推荐算法处理目标推荐任务。
其中,测试数据是用于对目标推荐算法进行测试的数据,由于测试具有很强的业务针对性,因而测试结果会受到测试数据的影响,这里,用户在对多个目标推荐算法进行测试时,可以采用相同的测试数据分别对各个目标推荐算法进行测试,这样得到的各个目标推荐算法的测试结果更能在同一水平上反应出各个目标推荐算法的推荐准确度;测试结果可以表征出对应目标推荐算法的推荐准确度。
需要说明的是,本申请中的推荐算法的测试系统100是搭建了浏览器和服务器120的系统,这里,浏览器可以作为客户端110,通过将推荐算法数据库与服务开发框架相结合,不但可以保留一般算法库的算法多样性,又可以提供较为友好的web页面的交互方式,为研究人员提供了在推荐任务初期针对推荐算法测试的集成环境,其中,可以将推荐算法数据库存储在服务器120,这样,可以在服务器120完成对各个推荐算法的测试;web页面可以部署在客户端110,这样,用户可以通过web页面与服务器120进行交互。
这里,推荐算法库包括但不限于LibRec库、Surprise库、Crab库。
进一步地,用户可以通过客户端110向服务器120发送针对不同目标推荐算法的测试指令,服务器120在执行完成每个测试指令后,会将对应目标推荐算法的测试结果发送给客户端110,这样,客户端110可以接收到多个目标推荐算法的测试结果,在客户端110接收到多个目标推荐算法的测试结果之后,客户端110,还用于将接收到的服务器120发送的各个目标推荐算法分别对应的测试结果在同一展示页面上进行展示,这样,客户端110侧的用户可以在同一个展示页面上查看到多个不同的目标推荐算法的测试结果,用户可以知晓到各个目标推荐算法的推荐准确度,可以方便用户从中选取一个目标推荐算法处理需求处理的推荐任务。
需要说明的是,本申请提供的推荐算法的测试系统100提供给用户一个对各个目标推荐算法进行测试的集成环境,用户只需通过客户端110上传测试数据,并选择进行测试的目标推荐算法,通过点击客户端110的web页面上的测试按钮,向服务器120发送针对选择的该目标推荐算法的测试指令,就可以获取到该目标推荐算法的测试结果,如果对该目标推荐算法得到的测试结果不满意,可以重新发送针对其他目标推荐算法的测试指令,就可以直接获取到其他目标推荐算法的测试结果。
这里,本申请提供的推荐算法的测试系统100可以直接对各个目标推荐算法进行测试,无需用户编写任何代码程序,对用户侧的客户端110的硬件无限制,与通过修改程序或重新编写其他目标推荐算法的算法程序,以得到测试结果相比,不但可以简化对各个目标推荐算法的测试过程,还可以辅助用户选取最适合处理所需处理的推荐任务的推荐算法,而且,测试过程是在服务器120中执行,可以保证测试指令的执行效率。
进一步地,服务器120在对该目标推荐算法进行测试之前,还需要先对该目标推荐算法进行训练,并利用测试数据对训练好的该目标推荐算法进行测试,也即,客户端110,还用于向服务器120上传训练数据,服务器120在对该目标推荐算法进行测试之前,通过接收到的客户端110发送的训练数据对该目标推荐算法进行训练。
在具体实施中,用户通过客户端110分别向服务器120上传训练数据和测试数据,这里,用户可以在客户端110提供的web页面对应的数据上传位置,分别上传训练数据和测试数据。
这里,客户端110提供对各个目标推荐算法的训练过程和测试过程的监视和控制操作,可以下达对目标推荐算法进行训练和测试的指令,可以控制与服务器120的连接,控制断开与服务器120连接,以及清空监视内容等功能。其中,用户可以通过点击客户端110的web页面的测试按钮,由web页面触发服务器120开始执行对目标推荐算法的测试任务,并在完成对该目标推荐算法进行训练后,通过测试数据对训练好的目标推荐算法进行测试,此时,在测试任务触发时自动连接服务器120,并在任务结束或中断后自动断开服务器120的连接。
需要说明的是,客户端110可以实现与服务器120的连接和断开,连接指web页面在建立连接后可实时获取服务器120的系统日志内容,该系统日志包含训练的相关信息,同时也包括系统的错误记录,错误记录可以突出显示;断开与服务器120的连接时,web页面将不再接收服务器120的系统日志内容;清空监控内容指清空web页面中已获取的系统日志,该操作不影响服务器120的日记内容。
进一步地,服务器120存储有推荐算法库,推荐算法库中包含多个推荐算法,以及各个推荐算法对应的算法参数,这里,可以在客户端110对应的web页面上展示多个推荐算法的名称列表,故,用户可以通过客户端110选择进行测试的目标推荐算法,进一步地,在客户端110发送针对该目标推荐算法的测试指令后,服务器120在接收到测试指令之后,向客户端110发送该目标推荐算法对应的算法参数,并在接收到客户端110发送的修改后的目该标推荐算法的算法参数之后,对修改算法参数后的该目标推荐算法进行测试。这里,每个目标推荐算法的算法参数为预先设置好的参数,用户可以根据实际业务需要对其进行调整。
需要说明的是,不同目标推荐算法对应的算法参数不同,可以将用户选择的目标推荐算法的算法参数展示在客户端110的web页面上,用户可以对算法参数进行修改、添加、删除等操作,并将修改后的目标推荐算法的算法参数通过客户端110发送给服务器120,以便服务器120对修改算法参数后的目标推荐算法进行测试。
进一步地,本申请提供的推荐算法的测试系统100还支持对数据的查询、下载、删除等功能,也即,客户端110可以向服务器120发送数据查询指令,并将接收到的服务器120反馈的查询结果进行展示;服务器120还用于在接收到客户端110发送的数据查询指令后,根据数据查询指令中携带的关键字,获取与关键字匹配的所述查询结果,并将查询结果反馈给客户端110。
在具体实施中,对于数据的查询的操作,服务器120在接收到客户端110发送的数据查询指令后,可以根据数据查询指令中携带的关键字,获取与关键字匹配的所述查询结果,并将查询结果反馈给客户端110,这样,客户端110侧的用户可以直接获取到查询结果。
需要说明的是,数据查询的实现,用户可以在客户端110对应的web页面上输入要查询内容的关键字,并触发数据查询指令,服务器120按顺序读取数据文件并匹配相关内容,将符合查询条件的前m行返回至web页面。这里,数据查询指令支持正则表达式,可应对复杂的检索应用场景,已上传的测试数据和训练数据会存储在服务器120的特定文件夹内,并提供下载和删除操作。
进一步地,本申请提供的推荐算法的测试系统100还可以提供处理推荐任务的功能,具体地,用户可以通过客户端110向服务器120上传任务数据以及其通过客户端110选择的用于处理任务数据的实际推荐算法,并向服务器120发送处理指令,以及接收并展示服务器120发送的通过实际推荐算法处理任务数据后得到的任务结果;服务器120用于在接收到客户端110发送的处理指令后,利用实际推荐算法处理任务数据,并将得到的任务结果发送至客户端110。
在具体实施中,客户端110可以将各个目标推荐算法的测试结果在同一展示页面进行展示,这样,用户可以知晓各个目标推荐算法的推荐准确度,进而从多个目标推荐算法中选取一个目标推荐算法作为实际推荐算法,用于处理推荐任务。
需要说明的是,本申请提供的推荐算法的测试系统100,是一种基于web页面的推荐算法的测试环境,用户可以通过客户端110对应的web页面以图形化的形式与服务器120交互,可以完成推荐算法的选择、调参、数据上传、训练、检索,结果查看等一系列操作,可以辅助推荐任务的完成,而且所有计算和检索过程均发生在服务器120,对于相对庞大的数据集和较为复杂的推荐算法,可提供高效的算力支持。
一示例中,训练数据和测试数据为已经存在的数据,比如,历史浏览数据,训练数据比如:用户ID1、商品ID2、评分5分;用户ID2、商品ID5、评分4分,测试数据比如:用户ID3、商品ID5、评分4.5分;在通过训练数据对目标推荐算法进行训练后,通过测试数据对训练好的目标推荐算法进行测试,得到测试结果,比如,预测结果为用户ID3对商品ID5打分4分,而实际上用户ID3对商品ID5打分4.5分,4.5分与4分之间的差值就是预测误差,即测试结果。
另一示例中,在用户选择目标推荐算法执行推荐任务时,可以得到推荐任务对应的任务结果,推荐任务比如给1号用户推荐,通过目标推荐算法执行推荐任务后,预测出1号用户会给1号、2号、3号、4号、5号、....n号物品打分,然后根据打分对各个物品进行排序,取打分最高的物品作为“最终要给1号用户推荐的物品”,即得到任务结果。
在本申请实施例中,推荐算法的测试系统100包括客户端110和服务器120,其中,在客户端110向服务器120上传测试数据,以及针对每个目标推荐算法,向服务器120发送针对该目标推荐算法的测试指令之后,服务器120执行测试指令,并通过测试数据对该目标推荐算法进行测试,并将测试得到的该目标推荐算法的测试结果发送至客户端110,这样,客户端110侧的用户可以查看到各个目标推荐算法对应的测试结果,进而知晓到各个目标推荐算法的推荐准确度,可以方便用户选取一个目标推荐算法处理目标推荐任务。基于上述方式,可以简化对各个推荐算法的测试过程,提高了推荐算法确定的效率,进而达到较快辅助用户选取最适合处理目标推荐任务的推荐算法的目的。
基于同一申请构思,本申请实施例中还提供了与上述实施例提供的推荐算法的测试系统中的客户端对应的推荐算法的测试方法,由于本申请实施例中的方法解决问题的原理与本申请上述实施例的推荐算法的测试系统中的客户端相似,因此方法的实施可以参见系统的实施,重复之处不再赘述。
图2为本申请实施例所提供的一种推荐算法的测试方法的流程图。如图2所示,本申请实施例提供的推荐算法的测试方法,应用于客户端,推荐算法的测试方法包括以下步骤:
S201:向服务器上传测试数据,以及针对每个目标推荐算法,向所述服务器发送针对该目标推荐算法的测试指令。
在具体实施中,客户端侧的用户先通过客户端向服务器上传测试数据,并向服务器发送针对服务器存储的多个目标推荐算法中的一个目标推荐算法的测试指令。
S202:接收所述服务器发送的该目标推荐算法的测试结果;所述测试结果用于表征该目标推荐算法的推荐准确度。
在具体实施中,客户端在接收到服务器发送的该目标推荐算法的测试结果后,会对测试结果进行展示,以便用户查看到该目标推荐算法的推荐准确度。
进一步地,在步骤S202接收服务器发送的该目标推荐算法的测试结果之后,推荐算法的测试方法还包括:
将接收到的所述服务器发送的各个目标推荐算法分别对应的测试结果在同一展示页面上进行展示。
进一步地,在向服务器上传测试数据之前,推荐算法的测试方法还包括:
向服务器上传训练数据。
进一步地,在向服务器发送针对该目标推荐算法的测试指令之后,推荐算法的测试方法还包括:
在接收到所述服务器发送的该目标推荐算法对应的算法参数之后,对该目标推荐算法的算法参数进行修改,并将修改后的该目标推荐算法的算法参数发送至所述服务器。
进一步地,推荐算法的测试方法还包括:
向所述服务器发送数据查询指令,并将接收到的所述服务器反馈的查询结果进行展示。
进一步地,在所述接收所述服务器发送的该目标推荐算法的测试结果,推荐算法的测试方法还包括:
向所述服务器上传任务数据,并向所述服务器发送通过实际推荐算法计算所述任务数据的计算指令,以及接收并展示所述服务器发送所述实际推荐算法计算所述任务数据后得到的任务结果。
在本申请实施例中,在向服务器上传测试数据,以及针对每个目标推荐算法,向服务器发送针对该目标推荐算法的测试指令之后,接收服务器经过测试得到的该目标推荐算法的测试结果,这样,用户可以查看到各个目标推荐算法对应的测试结果,从而知晓到各个目标推荐算法的推荐准确度,可以方便用户选取一个推荐算法处理目标推荐任务。基于上述方式,可以简化对各个推荐算法的测试过程,提高了推荐算法确定的效率,进而达到较快辅助用户选取最适合处理目标推荐任务的推荐算法的目的。
基于同一申请构思,本申请实施例中还提供了与上述实施例提供的推荐算法的测试系统中的服务器对应的推荐算法的测试方法,由于本申请实施例中的方法解决问题的原理与本申请上述实施例的推荐算法的测试系统中的服务器相似,因此方法的实施可以参见系统的实施,重复之处不再赘述。
图3为本申请实施例所提供的一种推荐算法的测试方法的流程图。如图3所示,本申请实施例提供的推荐算法的测试方法,应用于服务器,推荐算法的测试方法包括以下步骤:
S301:针对每个目标推荐算法,接收客户端上传的测试数据以及针对该目标推荐算法的测试指令。
在具体实施中,服务器存储有推荐算法数据库,推荐算法数据库存储有多个推荐算法,服务器可以接收客户端针对推荐算法数据库中任一目标推荐算法的测试指令,比如针对一个目标推荐算法的测试指令,这里,还可以接收客户端上传的测试数据。
其中,是用于对推荐算法进行测试的数据。
S302:根据所述测试指令,通过所述测试数据对该目标推荐算法进行测试,并将测试得到的该目标推荐算法的测试结果发送至所述客户端。
在具体实施中,服务器在接收到客户端发送的针对该目标推荐算法的测试指令后,执行测试指令,并通过测试数据对该目标推荐算法进行测试,得到该目标推荐算法的测试结果,并将得到的测试结果发送至客户端。
这里,测试结果用于表征该目标推荐算法的推荐准确度。
进一步地,在所述通过所述测试数据对该目标推荐算法进行测试之前,所述推荐算法的测试方法还包括:
通过接收到的所述客户端发送的所述训练数据对该目标推荐算法进行训练。
进一步地,在接收到所述客户端发送的所述测试指令之后,所述推荐算法的测试方法还包括:
向所述客户端发送该目标推荐算法对应的算法参数,并在接收到所述客户端发送的修改后的该目标推荐算法的算法参数之后,对修改算法参数后的该目标推荐算法进行测试。
进一步地,所述推荐算法的测试方法还包括:
在接收到所述客户端发送的所述数据查询指令后,根据所述数据查询指令中携带的关键字,获取与所述关键字匹配的所述查询结果,并将所述查询结果反馈给所述客户端。
进一步地,在接收到所述客户端发送的所述计算指令后,所述推荐算法的测试方法还包括:
在接收到所述客户端发送的所述计算指令后,通过实际推荐算法计算所述任务数据,并将得到的所述任务结果发送至所述客户端。
在本申请实施例中,在接收到客户端上传测试数据,以及接收到的针对该目标推荐算法的测试指令之后,执行测试指令,并通过测试数据对目标推荐算法进行测试,并将测试得到的该目标推荐算法的测试结果发送至客户端,这样,用户可以查看到各个目标推荐算法对应的测试结果,进而知晓到各个目标推荐算法的推荐准确度,可以方便用户选取一个目标推荐算法处理目标推荐任务。基于上述方式,可以简化对各个推荐算法的测试过程,提高了推荐算法确定的效率,进而达到较快辅助用户选取最适合处理目标推荐任务的推荐算法的目的。
基于同一申请构思,参见图4所示,为本申请实施例提供的一种电子设备400的结构示意图,包括:处理器410、存储器420和总线430,所述存储器420存储有所述处理器410可执行的机器可读指令,当电子设备400运行时,所述处理器410与所述存储器420之间通过所述总线430进行通信,所述机器可读指令被所述处理器410运行时执行如上述实施例中任一所述的推荐算法的测试方法的步骤。
具体地,所述机器可读指令被所述处理器410执行时可以执行如下处理:
向服务器上传测试数据,以及针对每个目标推荐算法,向所述服务器发送针对该目标推荐算法的测试指令;
接收所述服务器发送的该目标推荐算法的测试结果;所述测试结果用于表征该目标推荐算法的推荐准确度。
具体地,所述机器可读指令被所述处理器410执行时还可以执行如下处理:
针对每个目标推荐算法,接收客户端上传的测试数据以及针对目标推荐算法的测试指令;
根据所述测试指令,通过所述测试数据对该目标推荐算法进行测试,并将测试得到的该目标推荐算法的测试结果发送至所述客户端。
本申请实施例中,客户端侧的用户可以查看到各个目标推荐算法对应的测试结果,从而知晓到各个推荐算法的推荐准确度,可以方便用户选取一个目标推荐算法处理目标推荐任务。基于上述方式,可以简化对各个推荐算法的测试过程,提高了推荐算法确定的效率,进而达到较快辅助用户选取最适合处理目标推荐任务的推荐算法的目的。
基于同一申请构思,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述实施例提供的推荐算法的测试方法的步骤。
具体地,所述存储介质能够为通用的存储介质,如移动磁盘、硬盘等,所述存储介质上的计算机程序被运行时,能够执行上述推荐算法的测试方法,可以简化对各个推荐算法的测试过程,提高了推荐算法确定的效率,进而达到较快辅助用户选取最适合处理目标推荐任务的推荐算法得目的。
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,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本申请所提供的几个实施例中,应所述理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来,所述计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种推荐算法的测试系统,其特征在于,所述测试系统包括客户端和服务器;其中:
所述客户端,用于向所述服务器上传测试数据,以及针对每个目标推荐算法,向所述服务器发送针对该目标推荐算法的测试指令,接收所述服务器发送的该目标推荐算法的测试结果;该目标推荐算法为所述服务器存储的多个推荐算法中的一个;所述测试结果用于表征该目标推荐算法的推荐准确度;
所述服务器,用于在接收到所述客户端上传的所述测试数据,以及接收所述客户端发送的所述测试指令之后,通过所述测试数据对该目标推荐算法进行测试,并将测试得到的该目标推荐算法的测试结果发送至所述客户端。
2.根据权利要求1所述的测试系统,其特征在于,
所述客户端,还用于将接收到的所述服务器发送的各个目标推荐算法分别对应的测试结果在同一展示页面上进行展示。
3.根据权利要求1所述的测试系统,其特征在于,
所述客户端,还用于向所述服务器上传训练数据;
所述服务器,还用于在对该目标推荐算法进行测试之前,通过接收到的所述客户端发送的所述训练数据对该目标推荐算法进行训练。
4.根据权利要求1所述的测试系统,其特征在于,
所述服务器,用于在接收到所述客户端发送的所述测试指令之后,向所述客户端发送该目标推荐算法对应的算法参数,并在接收到所述客户端发送的修改后的该目标推荐算法的算法参数之后,对修改算法参数后的该目标推荐算法进行测试;
所述客户端,用于在接收到所述服务器发送的该目标推荐算法对应的算法参数之后,对该目标推荐算法的算法参数进行修改,并将修改后的该目标推荐算法的算法参数发送至所述服务器。
5.根据权利要求1所述的测试系统,其特征在于,
所述客户端,还用于向所述服务器发送数据查询指令,并将接收到的所述服务器反馈的查询结果进行展示;
所述服务器,还用于在接收到所述客户端发送的所述数据查询指令后,根据所述数据查询指令中携带的关键字,获取与所述关键字匹配的所述查询结果,并将所述查询结果反馈给所述客户端。
6.一种推荐算法的测试方法,其特征在于,应用于客户端,所述测试方法包括:
向服务器上传测试数据,以及针对每个目标推荐算法,向所述服务器发送针对该目标推荐算法的测试指令;
接收所述服务器发送的该目标推荐算法的测试结果;所述测试结果用于表征该目标推荐算法的推荐准确度。
7.根据权利要求6所述的测试方法,其特征在于,在接收到所述服务器发送的各个目标推荐算法的测试结果之后,所述测试方法还包括:
将接收到的所述服务器发送的各个目标推荐算法分别对应的测试结果在同一展示页面上进行展示。
8.根据权利要求6所述的测试方法,其特征在于,在向所述服务器发送针对该目标推荐算法的测试指令之后,所述测试方法还包括:
在接收到所述服务器发送的该目标推荐算法对应的算法参数之后,对该目标推荐算法的算法参数进行修改,并将修改后的该目标推荐算法的算法参数发送至所述服务器。
9.一种推荐算法的测试方法,其特征在于,应用于服务器,所述测试方法包括:
针对每个目标推荐算法,接收客户端上传的测试数据以及针对该目标推荐算法的测试指令;
根据所述测试指令,通过所述测试数据对该目标推荐算法进行测试,并将测试得到的该目标推荐算法的测试结果发送至所述客户端。
10.根据权利要求9所述的测试方法,其特征在于,在接收到所述客户端发送的所述测试指令之后,所述测试方法还包括:
向所述客户端发送该目标推荐算法对应的算法参数,并在接收到所述客户端发送的修改后的该目标推荐算法的算法参数之后,对修改算法参数后的该目标推荐算法进行测试。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911414335.7A CN113127328A (zh) | 2019-12-31 | 2019-12-31 | 一种推荐算法的测试系统及测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911414335.7A CN113127328A (zh) | 2019-12-31 | 2019-12-31 | 一种推荐算法的测试系统及测试方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113127328A true CN113127328A (zh) | 2021-07-16 |
Family
ID=76770461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911414335.7A Pending CN113127328A (zh) | 2019-12-31 | 2019-12-31 | 一种推荐算法的测试系统及测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113127328A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113434432A (zh) * | 2021-07-20 | 2021-09-24 | 北京百度网讯科技有限公司 | 一种推荐平台的性能测试方法、装置、设备、及介质 |
-
2019
- 2019-12-31 CN CN201911414335.7A patent/CN113127328A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113434432A (zh) * | 2021-07-20 | 2021-09-24 | 北京百度网讯科技有限公司 | 一种推荐平台的性能测试方法、装置、设备、及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11222273B2 (en) | Service recommendation method, apparatus, and device | |
US11222285B2 (en) | Feature selection method, device and apparatus for constructing machine learning model | |
US10489361B2 (en) | System and methods for cleansing automated robotic traffic from sets of usage logs | |
CN108833458B (zh) | 一种应用推荐方法、装置、介质及设备 | |
US20120047146A1 (en) | Visual aid to assist making purchase by tracking key product characteristics | |
CN107783861B (zh) | 交易回滚方法、装置、存储介质和计算机设备 | |
JP2020144493A (ja) | 学習モデル生成支援装置、及び学習モデル生成支援方法 | |
CN110019261B (zh) | 数据查询方法和装置 | |
CN109375843A (zh) | 基于快捷方式的应用检索方法、装置、设备及介质 | |
CN113127328A (zh) | 一种推荐算法的测试系统及测试方法 | |
KR20110122719A (ko) | 탐색 엔진 결과 페이지 연구 보조를 위한 시스템 및 방법 | |
CN108596712B (zh) | 基于物品序列的单类协同过滤方法、存储介质及服务器 | |
CN108461127B (zh) | 医疗数据关系图像获取方法、装置、终端设备及存储介质 | |
US20170302725A1 (en) | Systems and Methods for Sharing Context Among Standalone Applications | |
CN112702225B (zh) | 云平台性能测试装置、方法、计算机终端和可读存储介质 | |
US11978067B2 (en) | Determining patterns within a string sequence of user actions | |
US20200020013A1 (en) | System and method to customize user experience based on brand resilience data | |
CN107807993B (zh) | 一种网页历史记录功能的实现方法及装置 | |
CN100587663C (zh) | 数据提示装置以及数据提示方法 | |
US20190265954A1 (en) | Apparatus and method for assisting discovery of design pattern in model development environment using flow diagram | |
US20230260003A1 (en) | Machine learning-based item feature ranking | |
CN115422439A (zh) | 一种在线教育平台的学习资源自动组织与展示方法 | |
CN112783762B (zh) | 软件质量的评估方法、装置及服务器 | |
JP2014119945A (ja) | 情報処理装置、情報処理装置の制御方法、プログラム、及び記録媒体 | |
JP2015026345A (ja) | 検索装置、検索システムおよびプログラム |
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 |