CN113434432B - 一种推荐平台的性能测试方法、装置、设备、及介质 - Google Patents
一种推荐平台的性能测试方法、装置、设备、及介质 Download PDFInfo
- Publication number
- CN113434432B CN113434432B CN202110819365.7A CN202110819365A CN113434432B CN 113434432 B CN113434432 B CN 113434432B CN 202110819365 A CN202110819365 A CN 202110819365A CN 113434432 B CN113434432 B CN 113434432B
- Authority
- CN
- China
- Prior art keywords
- service module
- target
- recommendation
- response data
- 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.)
- Active
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
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- 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
Abstract
本公开提供了一种推荐平台的性能测试方法、装置、设备、及介质,涉及计算机技术领域,尤其涉及深度学习、云计算等人工智能技术领域,所述方法包括:接收多个客户端推荐请求;根据针对目标在线服务模块和目标备选服务模块的性能测试需求,在各客户端推荐请求中分别加入目标在线服务模块或目标备选服务模块对应的实验标签,得到实验推荐请求;将各实验推荐请求发送至推荐平台,以指示推荐平台根据指定的服务模块,生成目标推荐结果反馈给客户端;根据各客户端针对目标推荐结果的响应数据,对目标在线服务模块和目标备选服务模块进行性能比对。本公开实施例的技术方案可以实时发现推荐平台中的最佳服务模块,提高推荐结果的准确性。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及深度学习、云计算等人工智能技术领域,具体涉及一种推荐平台的性能测试方法、装置、设备、及介质。
背景技术
目前,各种推荐平台可以根据不同的用户属性向用户推荐不同的推荐产品。推荐平台在上线使用时,一般已经固定好产品推荐过程中所需使用的各种算法模型,例如,召回算法或者排序算法等。
实际上,当前推荐平台上线使用的各种算法模型可能在一定时间段内是最优选择,但是随着时间的推移或者因为一些特定事件的发生,需要对当前使用的算法模型进行动态更新,但是,现有技术中并没有行之有效的,实时发现新算法模型优势的推荐平台更新技术,进而无法保证推荐平台的推荐准确性。
发明内容
本公开提供了一种推荐平台的性能测试方法、装置、设备、及介质。
根据本公开的一方面,提供了一种推荐平台的性能测试方法,所述方法包括:
接收分流至实验平台的多个客户端推荐请求;
根据针对目标在线服务模块和匹配的目标备选服务模块的性能测试需求,在各客户端推荐请求中分别加入与目标在线服务模块或目标备选服务模块对应的实验标签,得到实验推荐请求;
将各实验推荐请求发送至推荐平台,以指示推荐平台根据实验标签所指定的目标在线服务模块或者目标备选服务模块,生成目标推荐结果反馈给客户端;
根据推荐平台提供的,各客户端针对目标推荐结果反馈的响应数据,对目标在线服务模块和目标备选服务模块进行性能比对。
根据本公开的另一方面,提供了一种推荐平台的性能测试装置,所述装置包括:
请求接收模块,用于接收分流至实验平台的多个客户端推荐请求;
标签添加模块,用于根据针对目标在线服务模块和匹配的目标备选服务模块的性能测试需求,在各客户端推荐请求中分别加入与目标在线服务模块或目标备选服务模块对应的实验标签,得到实验推荐请求;
结果生成模块,用于将各实验推荐请求发送至推荐平台,以指示推荐平台根据实验标签所指定的目标在线服务模块或者目标备选服务模块,生成目标推荐结果反馈给客户端;
性能比对模块,用于根据推荐平台提供的,各客户端针对目标推荐结果反馈的响应数据,对目标在线服务模块和目标备选服务模块进行性能比对。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开中任一实施例所述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本公开中任一实施例所述的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现本公开中任一实施例所述的方法。
本公开实施例的技术方案可以提供一种针对推荐平台进行性能测试并实时发现最佳服务模块的新方式,保证推荐平台中推荐结果的准确性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
图1是根据本公开实施例的一种推荐平台的性能测试方法的流程示意图;
图2是根据本公开实施例的又一种推荐平台的性能测试方法的流程示意图;
图3是根据本公开实施例的又一种推荐平台的性能测试方法的流程示意图;
图4是根据本公开实施例的一种推荐平台的性能测试装置的结构示意图;
图5是根据本公开实施例的推荐平台的性能测试方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本公开实施例的一种推荐平台的性能测试方法的流程示意图,本实施例适用于对推荐平台的性能进行测试的情形,该方法可以通过推荐平台的性能测试装置来执行,该装置可以通过软件和/或硬件的方式实现,并一般可以集成在具有数据处理功能的终端或者服务器中。具体的,参考图1,该方法具体包括如下步骤:
步骤110、接收分流至实验平台的多个客户端推荐请求。
在本实施例中,推荐平台可以是一种用于接收客户端推荐请求,并根据客户端推荐请求,向客户端对应的用户推荐具体产品的数据分析平台,所述客户端推荐请求可以是用户通过客户端向推荐平台发送的,关于特定类型产品的推荐请求。例如,假设用户通过客户端向推荐平台发送了关于金融产品的推荐请求,所述推荐平台可以根据该推荐请求,向所述用户推荐各种具体的金融产品。所述推荐平台在多个实现不同功能的在线服务模块的共同作用下,在线生成推荐结果,至少一个在线服务模块具有用于实现相同功能的备选服务模块。
其中,所述推荐平台接收到客户端推荐请求后,可以利用多个实现不同功能的在线服务模块,在线生成推荐结果。所述在线服务模块可以为推荐平台生成推荐结果的过程中,固定使用的推荐算法模块,例如召回模块、排序模块等。所述在线服务模块用于实现该模块中配置的推荐算法所对应的功能。
在一个具体的实施例中,假设用户通过客户端向推荐平台发送了关于金融产品的推荐请求,推荐平台可以根据该推荐请求,通过在线召回模块从大量的金融产品里筛选出可能与用户需求匹配的多个金融产品,然后通过在线排序模块将上述多个金融产品进行排序,并将排序后的多个金融产品推荐给用户。
在本实施例中,推荐平台在线生成推荐结果时,所使用的多个在线服务模块中存在至少一个在线服务模块具有用于实现相同功能的备选服务模块。其中,所述在线服务模块与匹配的备选服务模块中可以分别配置同一功能下对应的不同的推荐算法。例如,假设在线召回模块具有用于实现相同功能的备选召回模块,则该在线召回模块与对应的备选召回模块中可以分别配置不同的召回算法,例如对数似然比(Log Likelihood Ratio,LLR)算法,或者协同过滤算法等。
在本实施例中,所述推荐平台接收到多个客户端推荐请求后,可以将多个客户端推荐请求划分为等待推荐平台处理的推荐请求,以及等待实验平台处理的推荐请求,然后将多个等待实验平台处理的推荐请求,发送至实验平台,并利用多个实现不同功能的在线服务模块,针对多个等待推荐平台处理的推荐请求,在线生成多个对应的推荐结果。
其中,所述实验平台可以是一种用于对推荐平台使用的服务模块进行性能测试的数据分析平台。
步骤120、根据针对目标在线服务模块和匹配的目标备选服务模块的性能测试需求,在各客户端推荐请求中分别加入与目标在线服务模块或目标备选服务模块对应的实验标签,得到实验推荐请求。
在本实施例中,可以在实验平台中预先配置针对推荐平台所使用的一个或者多个在线服务模块的性能测试需求。在接收到分流至实验平台的多个客户端推荐请求之后,可以将多个客户端推荐请求划分为两部分,然后根据性能测试需求中指示的目标在线服务模块和匹配的目标备选服务模块,在一部分客户端推荐请求中分别加入与目标在线服务模块对应的实验标签,在另一部分客户端推荐请求中分别加入与目标备选服务模块对应的实验标签。在完成上述处理之后,可以得到与多个客户端推荐请求对应的多个实验推荐请求。其中,所述实验标签可以是对应的服务模块的模块名称。
步骤130、将各实验推荐请求发送至推荐平台,以指示推荐平台根据实验标签所指定的目标在线服务模块或者目标备选服务模块,生成目标推荐结果反馈给客户端。
在本实施例中,将实验推荐请求发送至推荐平台后,推荐平台可以根据实验推荐请求中的实验标签,获取到与该实验标签对应的服务模块,并根据所述服务模块,以及用于实现其他功能的在线服务模块,在线生成推荐结果反馈给客户端。
在一个具体的实施例中,假设推荐平台接收的实验推荐请求中包括与在线召回模块对应的实验标签,推荐平台可以根据所述在线召回模块,以及实现其他功能的在线服务模块(例如在线排序模块),在线生成目标推荐结果反馈给对应的客户端;假设推荐平台接收的实验推荐请求中包括与备选召回模块对应的实验标签,推荐平台可以根据所述备选召回模块,以及实现其他功能的在线服务模块(例如在线排序模块),在线生成目标推荐结果反馈给对应的客户端。
步骤140、根据推荐平台提供的,各客户端针对目标推荐结果反馈的响应数据,对目标在线服务模块和目标备选服务模块进行性能比对。
在本实施例中,推荐平台将上述步骤中生成的多个目标推荐结果反馈给客户端后,可以分别计算各客户端针对推荐平台使用目标在线服务模块得到的目标推荐结果(也称第一推荐结果)反馈的响应数据(也称第一响应数据),以及各客户端针对推荐平台使用目标备选服务模块得到的目标推荐结果(也称第二推荐结果)反馈的响应数据(也称第二响应数据)。
在获取到推荐平台提供的上述响应数据后,可以将第一响应数据与第二响应数据进行对比,根据对比结果评估目标服务模块和目标备选服务模块的性能优劣。其中,所述响应数据可以是各客户端针对目标推荐结果反馈的操作数据。
在一个具体的实施例中,如果第二响应数据的数据量大于第一响应数据的数据量,也即各客户端针对第二推荐结果反馈的操作数据较多时,可以认为各客户端对应的用户对第二推荐结果更感兴趣,由此可以认为目标备选服务模块的性能优于目标服务模块的性能。
在本实施例中,通过对目标在线服务模块和目标备选服务模块进行性能比对,可以发现推荐平台所适用的最佳服务模块,以使推荐平台对当前使用的服务模块进行动态更新,由此可以保证推荐平台的推荐结果的准确性,实现推荐服务对用户实际需求的精准命中,提高用户的使用体验。
本公开实施例的技术方案,通过接收分流至实验平台的多个客户端推荐请求,根据针对目标在线服务模块和匹配的目标备选服务模块的性能测试需求,在各客户端推荐请求中分别加入与目标在线服务模块或目标备选服务模块对应的实验标签,得到实验推荐请求,将各实验推荐请求发送至推荐平台,以指示推荐平台根据实验标签所指定的目标在线服务模块或者目标备选服务模块,生成目标推荐结果反馈给客户端,根据推荐平台提供的,各客户端针对目标推荐结果反馈的响应数据,对目标在线服务模块和目标备选服务模块进行性能比对的技术手段,可以提供一种针对推荐平台进行性能测试并实时发现最佳服务模块的新方式,可以保证推荐平台中推荐结果的准确性,实现推荐服务对用户实际需求的精准命中。
在上述实施例的基础上,所述方法还包括对推荐平台中的各在线服务模块以及备选服务模块进行训练。
在本实施例的一个实施方式中,可以对推荐平台中的各在线服务模块以及备选服务模块进行在线训练。具体的训练过程可以为:实时获取各客户端针对推荐平台提供的推荐结果反馈的响应数据,根据各客户端的用户属性信息以及匹配的各响应数据构建多个在线训练样本,使用各在线训练样本对各在线服务模块以及备选服务模块进行实时更新。
其中,在用户通过客户端向推荐平台发送推荐请求之前,用户还可以通过客户端向推荐平台发送用户属性信息,所述用户属性信息中可以包括用户感兴趣的产品信息(例如产品涉及的领域,以及产品类型等)。或者,该用户属性信息可以为推荐平台根据客户端的标识信息,从预存的用户画像库中获取的用户画像。
可选的,根据各客户端的用户属性信息以及匹配的各响应数据构建多个在线训练样本后,可以使用各在线训练样本对各在线服务模块以及备选服务模块中的算法参数进行实时更新,以完成对各在线服务模块以及备选服务模块的训练过程。
这样设置的好处在于,通过使用在线训练样本对在线服务模块以及备选服务模块进行训练,可以提高在线服务模块以及备选服务模块的更新效率。
在本实施例的另一个实施方式中,还可以对推荐平台中的各在线服务模块以及备选服务模块进行离线训练。具体的训练过程可以为:在检测到各客户端的确认数据收集指令时,获取各客户端的用户行为数据,根据各客户端的用户属性信息以及匹配的用户行为数据,构建多个离线训练样本,并使用各离线训练样本对所述推荐平台中的各在线服务模块以及备选服务模块进行实时更新。
其中,以该推荐平台为金融产品推荐平台为例,所述用户行为数据中可以包括用户在预设时间段内对各种金融产品的操作行为,例如关注行为,以及购买行为等,或者,对金融产品描述类文章的浏览或者下载行为,或者,对金融产品推荐类视频的观看、点赞或者收藏等行为。
相应的,根据用户行为数据所构建的离线训练样本可以包括:用户属性信息(例如,用户画像)以及与该用户属性信息匹配的一个或者多个金融产品。
这样设置的好处在于,通过结合用户行为数据与用户属性信息,对在线服务模块以及备选服务模块进行训练,可以提高推荐服务对用户实际需求的命中概率。
图2是根据本公开实施例的又一种推荐平台的性能测试方法的流程示意图,本实施例是对上述技术方案的进一步细化,本实施例中的技术方案可以与上述一个或者多个实施方式结合。具体的,参考图2,该方法具体包括如下步骤:
步骤210、接收分流至实验平台的多个客户端推荐请求。
步骤220、根据针对目标在线服务模块和匹配的目标备选服务模块的性能测试需求,在各客户端推荐请求中分别加入与目标在线服务模块或目标备选服务模块对应的实验标签,得到实验推荐请求。
在本实施例中,对推荐平台中的多个服务模块进行性能测试时,某些服务模块之间可能具有关联关系,因此需要对这些服务模块一起进行测试,而某些服务模块与其他任意服务模块之间都不存在关联关系,因此可以对这些服务模块分别进行单独测试。
为了保证服务模块测试结果的准确性,本实施例中的测试需求可以包括:独立实验的测试需求以及分层实验的测试需求;所述独立实验用于进行不可独立拆分的多个目标在线服务模块和匹配的多个目标备选服务模块之间的性能测试;所述分层实验用于进行可独立拆分的单一目标在线服务模块和匹配的单一目标备选服务模块之间的性能测试。
其中,在接收分流至实验平台的多个客户端推荐请求之前,可以在实验平台中预先配置针对推荐平台所使用的多个在线服务模块的独立实验的测试需求以及分层实验的测试需求。在接收到分流至实验平台的多个客户端推荐请求之后,可以将多个客户端推荐请求划分为两部分,其中,一部分客户端推荐请求用于进行独立实验,一部分客户端推荐请求用于进行分层实验。
如果当前处理的性能测试需求为独立实验的测试需求,则可以将用于进行独立实验的客户端推荐请求再划分为两部分,并获取该性能测试需求中指定的多个目标在线服务模块以及匹配的多个目标备选服务模块,在一部分客户端推荐请求中分别加入与多个目标在线服务模块对应的实验标签,在另一部分客户端推荐请求中分别加入与多个目标备选服务模块对应的实验标签。
如果当前处理的性能测试需求为分层实验的测试需求,则可以将用于进行分层实验的客户端推荐请求再划分为两部分,并获取该性能测试需求中指定的单一目标在线服务模块以及匹配的单一目标备选服务模块,在一部分客户端推荐请求中分别加入与所述目标在线服务模块对应的实验标签,在另一部分客户端推荐请求中分别加入与所述目标备选服务模块对应的实验标签。
在一个具体的实施例中,假设推荐平台中待测试的服务模块分别为召回模块、融合模块以及排序模块,其中,召回模块与融合模块不可独立拆分,排序模块可独立拆分。在实验平台接收到多个客户端推荐请求之前,可以在实验平台中配置针对召回模块与融合模块的独立实验的测试需求,以及针对排序模块的分层实验的测试需求。
步骤230、将各实验推荐请求发送至推荐平台,以指示推荐平台根据实验标签所指定的目标在线服务模块或者目标备选服务模块,生成目标推荐结果反馈给客户端。
步骤240、根据推荐平台提供的,各客户端针对目标推荐结果反馈的响应数据,对目标在线服务模块和目标备选服务模块进行性能比对。
在本实施例中,推荐平台将上述步骤中生成的多个目标推荐结果反馈给客户端后,可以分别计算各客户端针对独立实验中多个目标在线服务模块得到的目标推荐结果反馈的响应数据,以及各客户端针对独立实验中多个目标备选服务模块得到的目标推荐结果反馈的响应数据,通过将上述两种响应数据进行比对,评估独立实验中多个目标服务模块和匹配的多个目标备选服务模块的性能优劣;
然后分别计算各客户端针对分层实验中单个目标在线服务模块得到的目标推荐结果反馈的响应数据,以及各客户端针对分层实验中单个目标备选服务模块得到的目标推荐结果反馈的响应数据,通过将上述两种响应数据进行比对,评估分层实验中单个目标服务模块和匹配的单个目标备选服务模块的性能优劣。
在本实施例中,通过配置独立实验的测试需求以及分层实验的测试需求,一方面可以实现对多个服务模块进行同时测试;另一方面可以保证服务模块的测试结果与服务模块之间的关系相关联,进而可以提高服务模块测试结果的准确性。
步骤250、如果确定所述目标备选服务模块的性能优于所述目标在线服务模块,则向所述推荐平台提供配置切换信息。
其中,所述配置切换信息用于指示所述推荐平台切换使用所述目标备选服务模块生成在线的推荐结果。
在一个具体的实施例中,所述配置切换信息中可以包括目标备选服务模块的模块名称,推荐平台可以根据配置切换信息中的模块名称,获取对应的目标备选服务模块,并切换使用所述目标备选服务模块生成在线的推荐结果。
这样设置的好处在于,通过将配置切换信息提供给推荐平台,可以提高推荐平台对服务模块的更新效率,提高推荐平台的推荐结果的准确性。
本公开实施例的技术方案,通过接收分流至实验平台的多个客户端推荐请求,并根据针对目标在线服务模块和匹配的目标备选服务模块的性能测试需求,在各客户端推荐请求中分别加入与目标在线服务模块或目标备选服务模块对应的实验标签,得到实验推荐请求,然后将各实验推荐请求发送至推荐平台,以指示推荐平台根据实验标签所指定的目标在线服务模块或者目标备选服务模块,生成目标推荐结果反馈给客户端,最后根据推荐平台提供的,各客户端针对目标推荐结果反馈的响应数据,对目标在线服务模块和目标备选服务模块进行性能比对,如果确定目标备选服务模块的性能优于目标在线服务模块,则向推荐平台提供配置切换信息的技术手段,可以提供一种针对推荐平台进行性能测试并实时发现最佳服务模块的新方式,可以保证推荐平台中推荐结果的准确性,实现推荐服务对用户实际需求的精准命中。
本公开实施例是对上述实施例的进一步细化,与上述实施例相同或相应的术语解释,本公开实施例不再赘述。图3为本公开实施例提供的一种推荐平台的性能测试方法的流程图,本实施例的方法具体包括如下步骤:
步骤310、接收分流至实验平台的多个客户端推荐请求。
步骤320、根据针对目标在线服务模块和匹配的目标备选服务模块的性能测试需求,在各客户端推荐请求中分别加入与目标在线服务模块或目标备选服务模块对应的实验标签,得到实验推荐请求。
在本实施例中,所述实验标签中包括:服务配置信息;所述服务配置信息中包括:目标在线服务模块或目标备选服务模块所配置服务器的服务器标识以及服务端口标识;其中,所述服务配置信息用于指示推荐平台在生成推荐结果的过程中,调用与所述服务配置信息匹配的服务器的服务端口,以获取匹配的服务模块。
其中,服务端口标识可以包括服务端口对应的互联网协议(Internet Protocol,IP)地址,以及服务端口对应的端口号等。
这样设置的好处在于,通过在客户端推荐请求中加入服务配置信息,便于推荐平台根据服务配置信息,快速获取对应的服务模块,由此可以提高对推荐平台中服务模块的测试效率。
在本实施例的一个实施方式中,所述实验标签中还包括:用于识别目标在线服务模块或目标备选服务模块的服务模块识别信息;所述服务模块识别信息,用于指示推荐平台在接收到各客户端针对目标推荐结果反馈的响应数据时,在所述响应数据中加入与目标推荐结果匹配的实验推荐请求中的服务模块识别信息,并反馈至实验平台。
其中,服务模块识别信息可以为服务模块的身份标识(Identity document,ID)。
在本实施例中,推荐平台在接收到各客户端针对目标推荐结果反馈的响应数据时,可以先获取与该目标推荐结果匹配的实验推荐请求中的实验标签,然后获取该实验标签中的服务模块识别信息,并在所述响应数据中加入所述服务模块识别信息,最后将处理后的响应数据反馈至实验平台。
这样设置的好处在于,便于实验平台根据响应数据中的服务模块识别信息,对响应数据进行分类,根据分类后的响应数据,对目标在线服务模块和目标备选服务模块进行性能比对。
步骤330、将各实验推荐请求发送至推荐平台,以指示推荐平台根据实验标签所指定的目标在线服务模块或者目标备选服务模块,生成目标推荐结果反馈给客户端。
步骤340、获取推荐平台提供的,各客户端针对目标推荐结果反馈的响应数据。
步骤350、根据各响应数据中包括的服务模块识别信息,将各响应数据划分为与目标在线服务模块匹配的第一响应数据集以及与目标备选服务模块匹配的第二响应数据集。
步骤360、计算与所述第一响应数据集和第二响应数据集分别对应的至少一个性能评价指标。
在本实施例中,所述性能评价指标包括下述至少一项:与目标推荐结果匹配的点击量、点击率、展现量以及展现率。
其中,所述点击量可以为预设时间段内目标推荐结果被客户端对应的用户进行点击的次数,所述点击率可以为预设时间段内目标推荐结果被点击的次数与被显示的次数的比值,所述展现量可以为预设时间段内目标推荐结果被展现的次数,所述展现率可以为预设时间段内目标推荐结果被点击的次数与展现量的比值。
这样设置的好处在于,通过计算与第一响应数据集和第二响应数据集分别对应的点击量、点击率、展现量以及展现率,可以准确反映出用户对目标推荐结果的感兴趣程度,便于根据用户对目标推荐结果的感兴趣程度,发现推荐平台所适用的最佳服务模块。
步骤370、根据与所述第一响应数据集和第二响应数据集分别对应的至少一个性能评价指标,对目标在线服务模块和目标备选服务模块进行性能比对。
在此步骤中,可以将与第一响应数据集和第二响应数据集分别对应的性能评价指标进行比对,根据各性能评价指标对应的比对结果,评估目标服务模块和目标备选服务模块的性能优劣。
这样设置的好处在于,通过将与第一响应数据集和第二响应数据集分别对应的性能评价指标进行比对,可以发现推荐平台所适用的最佳服务模块,以使推荐平台对当前使用的服务模块进行动态更新,由此可以保证推荐平台的推荐结果的准确性。
本公开实施例通过接收分流至实验平台的多个客户端推荐请求,根据针对目标在线服务模块和匹配的目标备选服务模块的性能测试需求,在各客户端推荐请求中分别加入与目标在线服务模块或目标备选服务模块对应的实验标签,得到实验推荐请求,然后将各实验推荐请求发送至推荐平台,以指示推荐平台根据实验标签所指定的目标在线服务模块或者目标备选服务模块,生成目标推荐结果反馈给客户端,并获取推荐平台提供的,各客户端针对目标推荐结果反馈的响应数据,根据各响应数据中包括的服务模块识别信息,将各响应数据划分为与目标在线服务模块匹配的第一响应数据集以及与目标备选服务模块匹配的第二响应数据集,然后计算与第一响应数据集和第二响应数据集分别对应的性能评价指标,根据与第一响应数据集和第二响应数据集分别对应的性能评价指标,对目标在线服务模块和目标备选服务模块进行性能比对的技术手段,可以提供一种针对推荐平台进行性能测试并实时发现最佳服务模块的新方式,可以保证推荐平台中推荐结果的准确性,实现推荐服务对用户实际需求的精准命中。
需要说明的是,本公开的技术方案中,所涉及的用户个人信息的获取、存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
本公开实施例还提供了一种推荐平台的性能测试装置,用于执行上述的推荐平台的性能测试方法。
图4为本公开实施例提供的一种推荐平台的性能测试装置400的结构图,该装置包括:请求接收模块410、标签添加模块420、结果生成模块430和性能比对模块440。
其中,请求接收模块410,用于接收分流至实验平台的多个客户端推荐请求;
标签添加模块420,用于根据针对目标在线服务模块和匹配的目标备选服务模块的性能测试需求,在各客户端推荐请求中分别加入与目标在线服务模块或目标备选服务模块对应的实验标签,得到实验推荐请求;
结果生成模块430,用于将各实验推荐请求发送至推荐平台,以指示推荐平台根据实验标签所指定的目标在线服务模块或者目标备选服务模块,生成目标推荐结果反馈给客户端;
性能比对模块440,用于根据推荐平台提供的,各客户端针对目标推荐结果反馈的响应数据,对目标在线服务模块和目标备选服务模块进行性能比对。
本公开实施例的技术方案,通过接收分流至实验平台的多个客户端推荐请求,根据针对目标在线服务模块和匹配的目标备选服务模块的性能测试需求,在各客户端推荐请求中分别加入与目标在线服务模块或目标备选服务模块对应的实验标签,得到实验推荐请求,将各实验推荐请求发送至推荐平台,以指示推荐平台根据实验标签所指定的目标在线服务模块或者目标备选服务模块,生成目标推荐结果反馈给客户端,根据推荐平台提供的,各客户端针对目标推荐结果反馈的响应数据,对目标在线服务模块和目标备选服务模块进行性能比对的技术手段,可以提供一种针对推荐平台进行性能测试并实时发现最佳服务模块的新方式,可以保证推荐平台中推荐结果的准确性,实现推荐服务对用户实际需求的精准命中。
在上述各实施例的基础上,所述装置还包括:
信息提供模块,用于如果确定所述目标备选服务模块的性能优于所述目标在线服务模块,则向所述推荐平台提供配置切换信息;
其中,所述配置切换信息用于指示所述推荐平台切换使用所述目标备选服务模块生成在线的推荐结果。
其中,所述测试需求包括:独立实验的测试需求以及分层实验的测试需求;
所述独立实验用于进行不可独立拆分的多个目标在线服务模块和匹配的多个目标备选服务模块之间的性能测试;
所述分层实验用于进行可独立拆分的单一目标在线服务模块和匹配的单一目标备选服务模块之间的性能测试。
所述实验标签中包括:服务配置信息;
所述服务配置信息中包括:目标在线服务模块或目标备选服务模块所配置服务器的服务器标识以及服务端口标识;
其中,所述服务配置信息用于指示推荐平台在生成推荐结果的过程中,调用与所述服务配置信息匹配的服务器的服务端口,以获取匹配的服务模块。
所述实验标签中还包括:用于识别目标在线服务模块或目标备选服务模块的服务模块识别信息;
所述服务模块识别信息,用于指示推荐平台在接收到各客户端针对目标推荐结果反馈的响应数据时,在所述响应数据中加入与目标推荐结果匹配的实验推荐请求中的服务模块识别信息,并反馈至实验平台。
性能比对模块440,包括:
响应数据获取单元,用于获取推荐平台提供的,各客户端针对目标推荐结果反馈的响应数据;
数据划分单元,用于根据各响应数据中包括的服务模块识别信息,将各响应数据划分为与目标在线服务模块匹配的第一响应数据集以及与目标备选服务模块匹配的第二响应数据集;
指标计算单元,用于计算与所述第一响应数据集和第二响应数据集分别对应的至少一个性能评价指标;
比对单元,用于根据与所述第一响应数据集和第二响应数据集分别对应的至少一个性能评价指标,对目标在线服务模块和目标备选服务模块进行性能比对。
所述性能评价指标包括下述至少一项:与目标推荐结果匹配的点击量、点击率、展现量以及展现率。
所述装置还包括下述至少一项:
在线训练模块,用于实时获取各客户端针对推荐平台提供的推荐结果反馈的响应数据,根据各客户端的用户属性信息以及匹配的各响应数据构建多个在线训练样本,并使用各在线训练样本对所述推荐平台中的各在线服务模块以及备选服务模块进行实时更新;
离线训练模块,用于在检测到各客户端的确认数据收集指令时,获取各客户端的用户行为数据,根据各客户端的用户属性信息以及匹配的用户行为数据,构建多个离线训练样本,并使用各离线训练样本对所述推荐平台中的各在线服务模块以及备选服务模块进行实时更新。
本公开实施例所提供的推荐平台的性能测试装置可执行本公开任意实施例所提供的推荐平台的性能测试方法,具备执行方法相应的功能模块和有益效果。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如推荐平台的性能测试方法。例如,在一些实施例中,推荐平台的性能测试方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的推荐平台的性能测试方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行推荐平台的性能测试方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开提供的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (14)
1.一种推荐平台的性能测试方法,包括:
接收分流至实验平台的多个客户端推荐请求;
根据针对目标在线服务模块和匹配的目标备选服务模块的性能测试需求,在各客户端推荐请求中分别加入与目标在线服务模块或目标备选服务模块对应的实验标签,得到实验推荐请求;
将各实验推荐请求发送至推荐平台,以指示推荐平台根据实验标签所指定的目标在线服务模块或者目标备选服务模块,生成目标推荐结果反馈给客户端;
根据推荐平台提供的,各客户端针对目标推荐结果反馈的响应数据,对目标在线服务模块和目标备选服务模块进行性能比对;
其中,所述测试需求包括:独立实验的测试需求以及分层实验的测试需求;
所述独立实验用于进行不可独立拆分的多个目标在线服务模块和匹配的多个目标备选服务模块之间的性能测试;
所述分层实验用于进行可独立拆分的单一目标在线服务模块和匹配的单一目标备选服务模块之间的性能测试。
2.根据权利要求1所述的方法,其中,在根据推荐平台提供的,各客户端针对目标推荐结果反馈的响应数据,对目标在线服务模块和目标备选服务模块进行性能比对之后,还包括:
如果确定所述目标备选服务模块的性能优于所述目标在线服务模块,则向所述推荐平台提供配置切换信息;
其中,所述配置切换信息用于指示所述推荐平台切换使用所述目标备选服务模块生成在线的推荐结果。
3.根据权利要求1所述的方法,其中,所述实验标签中包括:服务配置信息;
所述服务配置信息中包括:目标在线服务模块或目标备选服务模块所配置服务器的服务器标识以及服务端口标识;
其中,所述服务配置信息用于指示推荐平台在生成推荐结果的过程中,调用与所述服务配置信息匹配的服务器的服务端口,以获取匹配的服务模块。
4.根据权利要求3所述的方法,其中,所述实验标签中还包括:用于识别目标在线服务模块或目标备选服务模块的服务模块识别信息;
所述服务模块识别信息,用于指示推荐平台在接收到各客户端针对目标推荐结果反馈的响应数据时,在所述响应数据中加入与目标推荐结果匹配的实验推荐请求中的服务模块识别信息,并反馈至实验平台;
根据推荐平台提供的,各客户端针对目标推荐结果反馈的响应数据,对目标在线服务模块和目标备选服务模块进行性能比对,包括:
获取推荐平台提供的,各客户端针对目标推荐结果反馈的响应数据;
根据各响应数据中包括的服务模块识别信息,将各响应数据划分为与目标在线服务模块匹配的第一响应数据集以及与目标备选服务模块匹配的第二响应数据集;
计算与所述第一响应数据集和第二响应数据集分别对应的至少一个性能评价指标;
根据与所述第一响应数据集和第二响应数据集分别对应的至少一个性能评价指标,对目标在线服务模块和目标备选服务模块进行性能比对。
5.根据权利要求4所述的方法,其中,所述性能评价指标包括下述至少一项:与目标推荐结果匹配的点击量、点击率、展现量以及展现率。
6.根据权利要求1所述的方法,所述方法还包括下述至少一项:
实时获取各客户端针对推荐平台提供的推荐结果反馈的响应数据,根据各客户端的用户属性信息以及匹配的各响应数据构建多个在线训练样本,并使用各在线训练样本对所述推荐平台中的各在线服务模块以及备选服务模块进行实时更新;
在检测到各客户端的确认数据收集指令时,获取各客户端的用户行为数据,根据各客户端的用户属性信息以及匹配的用户行为数据,构建多个离线训练样本,并使用各离线训练样本对所述推荐平台中的各在线服务模块以及备选服务模块进行实时更新。
7.一种推荐平台的性能测试装置,所述装置包括:
请求接收模块,用于接收分流至实验平台的多个客户端推荐请求;
标签添加模块,用于根据针对目标在线服务模块和匹配的目标备选服务模块的性能测试需求,在各客户端推荐请求中分别加入与目标在线服务模块或目标备选服务模块对应的实验标签,得到实验推荐请求;
结果生成模块,用于将各实验推荐请求发送至推荐平台,以指示推荐平台根据实验标签所指定的目标在线服务模块或者目标备选服务模块,生成目标推荐结果反馈给客户端;
性能比对模块,用于根据推荐平台提供的,各客户端针对目标推荐结果反馈的响应数据,对目标在线服务模块和目标备选服务模块进行性能比对;
其中,所述测试需求包括:独立实验的测试需求以及分层实验的测试需求;
所述独立实验用于进行不可独立拆分的多个目标在线服务模块和匹配的多个目标备选服务模块之间的性能测试;
所述分层实验用于进行可独立拆分的单一目标在线服务模块和匹配的单一目标备选服务模块之间的性能测试。
8.根据权利要求7所述的装置,其中,所述装置还包括:
信息提供模块,用于如果确定所述目标备选服务模块的性能优于所述目标在线服务模块,则向所述推荐平台提供配置切换信息;
其中,所述配置切换信息用于指示所述推荐平台切换使用所述目标备选服务模块生成在线的推荐结果。
9.根据权利要求7所述的装置,其中,所述实验标签中包括:服务配置信息;
所述服务配置信息中包括:目标在线服务模块或目标备选服务模块所配置服务器的服务器标识以及服务端口标识;
其中,所述服务配置信息用于指示推荐平台在生成推荐结果的过程中,调用与所述服务配置信息匹配的服务器的服务端口,以获取匹配的服务模块。
10.根据权利要求9所述的装置,其中,所述实验标签中还包括:用于识别目标在线服务模块或目标备选服务模块的服务模块识别信息;
所述服务模块识别信息,用于指示推荐平台在接收到各客户端针对目标推荐结果反馈的响应数据时,在所述响应数据中加入与目标推荐结果匹配的实验推荐请求中的服务模块识别信息,并反馈至实验平台;
性能比对模块,包括:
响应数据获取单元,用于获取推荐平台提供的,各客户端针对目标推荐结果反馈的响应数据;
数据划分单元,用于根据各响应数据中包括的服务模块识别信息,将各响应数据划分为与目标在线服务模块匹配的第一响应数据集以及与目标备选服务模块匹配的第二响应数据集;
指标计算单元,用于计算与所述第一响应数据集和第二响应数据集分别对应的至少一个性能评价指标;
比对单元,用于根据与所述第一响应数据集和第二响应数据集分别对应的至少一个性能评价指标,对目标在线服务模块和目标备选服务模块进行性能比对。
11.根据权利要求10所述的装置,其中,所述性能评价指标包括下述至少一项:与目标推荐结果匹配的点击量、点击率、展现量以及展现率。
12.根据权利要求7所述的装置,其中,所述装置还包括下述至少一项:
在线训练模块,用于实时获取各客户端针对推荐平台提供的推荐结果反馈的响应数据,根据各客户端的用户属性信息以及匹配的各响应数据构建多个在线训练样本,并使用各在线训练样本对所述推荐平台中的各在线服务模块以及备选服务模块进行实时更新;
离线训练模块,用于在检测到各客户端的确认数据收集指令时,获取各客户端的用户行为数据,根据各客户端的用户属性信息以及匹配的用户行为数据,构建多个离线训练样本,并使用各离线训练样本对所述推荐平台中的各在线服务模块以及备选服务模块进行实时更新。
13.一种电子设备,其中,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110819365.7A CN113434432B (zh) | 2021-07-20 | 2021-07-20 | 一种推荐平台的性能测试方法、装置、设备、及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110819365.7A CN113434432B (zh) | 2021-07-20 | 2021-07-20 | 一种推荐平台的性能测试方法、装置、设备、及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113434432A CN113434432A (zh) | 2021-09-24 |
CN113434432B true CN113434432B (zh) | 2022-11-08 |
Family
ID=77761132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110819365.7A Active CN113434432B (zh) | 2021-07-20 | 2021-07-20 | 一种推荐平台的性能测试方法、装置、设备、及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113434432B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102576A (zh) * | 2013-04-12 | 2014-10-15 | 阿里巴巴集团控股有限公司 | 一种多版本测试方法和装置 |
CN104348679A (zh) * | 2013-08-08 | 2015-02-11 | 阿里巴巴集团控股有限公司 | 一种分桶测试的方法、装置和系统 |
CN107562632A (zh) * | 2017-09-12 | 2018-01-09 | 北京奇艺世纪科技有限公司 | 针对推荐策略的a/b测试方法及装置 |
CN109783364A (zh) * | 2018-12-14 | 2019-05-21 | 深圳先进技术研究院 | 一种区块链性能测试系统及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8997081B1 (en) * | 2014-09-18 | 2015-03-31 | Ensighten, Inc. | Analytics for mobile applications |
CN106598741B (zh) * | 2016-12-16 | 2024-03-01 | 飞狐信息技术(天津)有限公司 | 个性化推荐系统的分布式a/b测试方法、系统及视频推荐系统 |
CN109948016A (zh) * | 2017-10-31 | 2019-06-28 | 北京嘀嘀无限科技发展有限公司 | 应用信息推送方法、装置、服务器和计算机可读存储介质 |
EP3522552A1 (en) * | 2018-01-31 | 2019-08-07 | Thomson Licensing | Method of selection of a recommendation algorithm and corresponding apparatus |
CN110071960A (zh) * | 2019-03-12 | 2019-07-30 | 平安科技(深圳)有限公司 | 管理灰度发布的方法、系统、设备及存储介质 |
CN113127328A (zh) * | 2019-12-31 | 2021-07-16 | 国信优易数据股份有限公司 | 一种推荐算法的测试系统及测试方法 |
-
2021
- 2021-07-20 CN CN202110819365.7A patent/CN113434432B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102576A (zh) * | 2013-04-12 | 2014-10-15 | 阿里巴巴集团控股有限公司 | 一种多版本测试方法和装置 |
CN104348679A (zh) * | 2013-08-08 | 2015-02-11 | 阿里巴巴集团控股有限公司 | 一种分桶测试的方法、装置和系统 |
CN107562632A (zh) * | 2017-09-12 | 2018-01-09 | 北京奇艺世纪科技有限公司 | 针对推荐策略的a/b测试方法及装置 |
CN109783364A (zh) * | 2018-12-14 | 2019-05-21 | 深圳先进技术研究院 | 一种区块链性能测试系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113434432A (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111639027B (zh) | 一种测试方法、装置及电子设备 | |
CN111639253A (zh) | 一种数据判重方法、装置、设备及存储介质 | |
CN112084150A (zh) | 模型训练、数据检索方法,装置,设备以及存储介质 | |
CN111460292A (zh) | 模型评估方法、装置、设备和介质 | |
CN111563198A (zh) | 一种物料召回方法、装置、设备及存储介质 | |
CN106802906A (zh) | 信息查询方法、装置及服务器设备 | |
CN116955817A (zh) | 内容推荐方法、装置、电子设备以及存储介质 | |
CN113434432B (zh) | 一种推荐平台的性能测试方法、装置、设备、及介质 | |
CN115860877A (zh) | 一种产品营销方法、装置、设备及介质 | |
CN113052325A (zh) | 在线模型的优化方法、装置、设备、存储介质及程序产品 | |
CN113190746A (zh) | 推荐模型的评估方法、装置及电子设备 | |
CN114048137A (zh) | 一种应用测试方法、装置及电子设备 | |
CN113326461A (zh) | 跨平台内容分发方法、装置、设备以及存储介质 | |
CN112116395A (zh) | 一种用户数据处理方法、装置、电子设备以及存储介质 | |
CN113836291B (zh) | 数据处理方法、装置、设备和存储介质 | |
CN114329230B (zh) | 信息生成方法和装置 | |
CN114035729B (zh) | 电子投票方法及装置、终端设备 | |
CN115599998A (zh) | 一种信息生成方法、装置、存储介质、电子设备及产品 | |
CN112541710A (zh) | 搜索产品质量评估方法、装置、电子设备及存储介质 | |
CN114036391A (zh) | 数据推送方法、装置、电子设备和存储介质 | |
CN113934932A (zh) | 推荐列表生成方法和装置 | |
CN114401337A (zh) | 基于云手机的数据分享方法、装置、设备及存储介质 | |
CN113190779A (zh) | 网页评估方法和装置 | |
CN117633360A (zh) | 基于多场景的内容推荐方法、装置、电子设备及存储介质 | |
CN114547417A (zh) | 一种媒体资源排序方法及电子设备 |
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 |