CN114841305A - 数据处理方法及计算设备 - Google Patents
数据处理方法及计算设备 Download PDFInfo
- Publication number
- CN114841305A CN114841305A CN202110138392.8A CN202110138392A CN114841305A CN 114841305 A CN114841305 A CN 114841305A CN 202110138392 A CN202110138392 A CN 202110138392A CN 114841305 A CN114841305 A CN 114841305A
- Authority
- CN
- China
- Prior art keywords
- parameter
- target
- instance
- user
- sub
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Stored Programmes (AREA)
Abstract
本申请实施例提供一种数据处理方法及计算设备,该方法包括:确定目标处理系统中比例参数对应的目标参数实例;获取目标用户使用所述目标参数实例对应的目标处理系统产生的使用效果信息;基于所述使用效果信息,生成所述目标参数实例在所述目标处理系统产生的系统反馈信息;其中,所述系统反馈信息用于向所述目标用户反馈。本申请实施例提高了目标处理系统的参数更新效率。
Description
技术领域
本申请涉及电子设备技术领域,尤其涉及一种数据处理方法及计算设备。
背景技术
参数是一种数学计算过程中用于表述几个变量的变化以及变量之间的相互关系。比例参数可以由多个参数分别按照一定的比例构成,各个参数所占百分比之和为1,假设存在n个参数,{a1,a2,a3,…,an},其中ai为[0,1]范围内的正小数,且随着云计算的普及,基于云端计算的在线系统可以提供大量的数据计算以满足人们的日常生活需要。随着系统复杂度的提示,系统中往往会涉及到很多比例参数,比例参数中不同参数的比例选择对计算结果往往产生较为重要的影响,因此,需要为比例参数中的各个参数设置较优的比例值。
现有技术中,比例参数中多个参数各自的参数值确定时,可以形成一个参数实例,比例参数的参数实例的设置通常是利用人工方式,依赖于历史经验,不断进行参数试验,以设置不同参数实例,并对各个参数实例的具体应用环境进行应用试验,获取各个参数实例的试验结果,并根据各个参数实例的试验结果,从不同参数实例中选择目标参数实例。
但是,通过人工设置参数实例,以获取目标参数实例的方式,需要运维人员对比例参数的多个参数的比例值进行多次设置并进行使用测试,进行参数更新,成本较高,参数更新效率低下。
发明内容
有鉴于此,本申请实施例提供一种数据处理方法及计算设备,用以解决现有技术中人工调试比例参数更新效率较低的技术问题。
第一方面,本申请实施例提供一种数据处理方法,包括:
确定目标处理系统中比例参数对应的目标参数实例;
获取目标用户使用所述目标参数实例对应的目标处理系统产生的使用效果信息;
基于所述使用效果信息,生成所述目标参数实例在所述目标处理系统产生的系统反馈信息;其中,所述系统反馈信息用于向所述目标用户反馈。
第二方面,本申请实施例提供一种数据处理方法,包括:
确定目标用户针对网络交易系统发起的系统访问请求;
响应于所述系统访问请求,确定所述网络交易系统中比例参数对应的目标参数实例;
获取所述目标用户使用所述目标参数实例对应的网络交易系统产生的使用效果信息;
基于所述使用效果信息,生成所述目标参数实例在所述网络交易系统产生的系统反馈信息;其中,所述系统反馈信息用于向所述目标用户反馈。
第三方面,本申请实施例提供一种数据处理方法,包括:
响应于调用数据处理接口的使用请求,确定所述数据处理接口对应的处理资源;
利用所述数据处理接口对应的处理资源执行如下步骤:
确定目标处理系统中比例参数对应的目标参数实例;
获取目标用户使用所述目标参数实例对应的目标处理系统产生的使用效果信息;
基于所述使用效果信息,生成所述目标参数实例在所述目标处理系统产生的系统反馈信息;其中,所述系统反馈信息用于向所述目标用户反馈。
第四方面,本申请实施例提供一种数据处理装置,包括:
实例确定模块,用于确定目标处理系统中比例参数对应的目标参数实例;
信息获取模块,用于获取目标用户使用所述目标参数实例对应的目标处理系统产生的使用效果信息;
反馈生成模块,用于基于所述使用效果信息,生成所述目标参数实例在所述目标处理系统产生的系统反馈信息;其中,所述系统反馈信息用于向所述目标用户反馈。
第五方面,本申请实施例提供一种计算设备,包括:
存储组件以及处理组件;所述存储组件用于存储一条或多条计算机指令,所述一条或多条计算机指令被所述处理组件调用;
所述处理组件用于:
确定目标处理系统中比例参数对应的目标参数实例;获取目标用户使用所述目标参数实例对应的目标处理系统产生的使用效果信息;基于所述使用效果信息,生成所述目标参数实例在所述目标处理系统产生的系统反馈信息;其中,所述系统反馈信息用于向所述目标用户反馈。
本申请实施例,确定目标处理系统中比例参数对应的目标参数实例。通过获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息,可以基于该使用效果信息,生成该目标参数实例在目标处理系统产生的系统反馈信息,该系统反馈信息用于向目标用户反馈。通过自动生成目标参数实例,并对目标参数实例的使用效果进行自动评估,可以实现参数实例的使用效果进行快速评估,提高比例参数的测试效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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为本申请实施例提供的一种数据处理方法的一个实施例的流程图;
图2为本申请实施例提供的一种数据处理方法的又一个实施例的流程图;
图3为本申请实施例提供的一种数据处理方法的又一个实施例的流程图;
图4为本申请实施例提供的一种数据处理方法的一个示例图;
图5为本申请实施例提供的一种数据处理方法的又一个实施例的流程图;
图6为本申请实施例提供的一种数据处理方法的又一个实施例的流程图;
图7为本申请实施例提供的一种数据处理方法的一个示例图;
图8为本申请实施例提供的一种数据处理方法的又一个实施例的流程图;
图9为本申请实施例提供的一种计算设备的一个实施例的结构示意图。
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,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种,但是不排除包含至少一种的情况。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于识别”。类似地,取决于语境,短语“如果确定”或“如果识别(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当识别(陈述的条件或事件)时”或“响应于识别(陈述的条件或事件)”。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
本申请实施例的技术方案可以应用于比例参数的优化场景中,通过对比例参数的参数实例进行效果预估,实现对参数实例的自动评价,提高参数实例的更新效率。
现有技术中,在线系统中的参数优化场景中,涉及到许多超参数的优化问题,这些超参数的选择会显著影响系统运行能力,为了获得实际准确的运行效果,一般采用人工方式,依赖人工经验设置在线系统中的超参数的参数实例。但是依赖人工方式设置参数实例的成本较高,效率较为低下,实例的使用效果往往也无法得到保证。
本申请实施例中,确定目标处理系统中比例参数对应的目标参数实例。通过获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息,可以基于该使用效果信息,生成该目标参数实例在目标处理系统产生的系统反馈信息,该系统反馈信息用于向目标用户反馈。通过自动生成目标参数实例,并对目标参数实例的使用效果进行自动评估,可以实现参数实例的使用效果进行快速评估,提高比例参数的更新效率。
下面将结合附图对本申请实施例进行详细描述。
如图1所示,为本申请实施例提供的一种数据处理方法的一个实施例的流程图,方法可以包括以下几个步骤:
101:确定目标处理系统中比例参数对应的目标参数实例。
本申请实施例提供的数据处理方法可以应用于计算设备中,该计算设备例如可以包括:计算机、服务器、云端服务器、超级个人计算机、笔记本电脑、平板电脑等,本申请实施例对计算设备的具体类型并不作出过多限定。
可选地,目标处理系统可以包括能够提供系统应用服务的网络平台,目标处理系统的系统类型可以包括线上系统,可以向目标用户提供线上对外服务。目标处理系统例如可以包括电子商务平台、金融云平台、物流云平台、政务云平台、在线游戏平台、在线教育平台、社交平台、能源管理平台、智能制造平台、医疗服务平台等,本申请实施例对目标处理系统的具体类型并不作出过多限定。
目标用户使用目标处理系统时,可以先在目标处理系统注册,获得系统账号以及密码,此外,在某些实施例中,还可以通过发起使用请求、支付使用费用等方式获得目标处理系统的使用权限。
比例参数可以包括目标处理系统中与用户发起的系统应用请求相关联的参数,可以为普通参数也可以为超参数。在用户使用目标处理系统的过程中,会使用到比例参数。比例参数可以包括多个系统子参数,多个系统子参数分别对应的参数值之和为1。不同系统子参数所代表的系统含义不同。以电子商务场景为例,比例参数可以为向用户推荐的相关产品,假设比例参数包括3个系统子参数,其中,第一系统子参数可以代表向用户推荐的产品类型为用户浏览的产品,第二系统子参数可以代表基于上线时间排序获得的最新产品,第三系统子参数可以代表基于过滤技术过滤后的产品。
目标参数实例可以包括比例参数的参数值。比例参数由多个系统子参数构成时,目标参数实例可以包括多个系统子参数分别对应的参数值。多个系统子参数分别对应的参数值之和为1。假设存在n个系统子参数,n个子参数分别对应的参数值为ai,其中,ai∈[0,1],
102:获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息。
目标参数实例确定时,目标处理系统可以依据于目标参数实例设置,可以向目标用户展示按照目标参数实例设置的目标处理系统,供目标用户使用。目标用户使用目标处理系统时,会产生一定的使用信息,通过该目标用户产生的使用信息可以获取目标用户使用目标处理系统产生的使用效果信息。使用信息可以包括目标用户对目标处理系统执行的操作信息,例如,对目标处理系统的页面对象或者控件执行的点击操作或者未执行的点击操作,对目标处理系统的页面的浏览时间等。
使用效果信息可以包括对目标用户使用目标处理系统产生的使用结果或者使用信息的评估结果。例如可以对目标用户使用目标处理系统产生的使用结果进行打分或者概率计算,获得效果分数。使用效果信息可以用于标示目标参数实例对应的目标处理系统的优劣。
103:基于使用效果信息,生成目标参数实例在目标处理系统产生的系统反馈信息。
其中,系统反馈信息用于向目标用户反馈。
使用效果信息可以用于向目标处理系统直接反馈,例如,可以通过使用效果信息测试比例参数的参数实例,以更新目标处理系统,将更新后的目标处理系统向目标用户展示,供目标用户重新使用。利用使用效果信息及时更新目标处理系统可以确保系统反馈的及时有效性,不断向提高使用效果的方向测试目标处理系统,使得目标处理系统的使用效果提高。
使用效果信息还可以用于直接向目标用户展示,通常,计算设备可以将使用效果信息向目标用户展示,目标用户可以根据使用效果信息调整目标处理系统的使用方式或者使用过程。此外,目标用户还可以根据使用效果信息向计算设备反馈使用建议,通过目标用户反馈的使用建议调整比例参数的参数实例,从而更新目标处理系统的设置,提高目标处理系统与用户使用习惯的关联性,提供更具个性化的系统服务。
本申请实施例中,确定目标处理系统中比例参数对应的目标参数实例。通过获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息,可以基于该使用效果信息,生成目标参数实例在目标处理系统产生的系统反馈信息。该系统反馈信息可以用于向目标用户反馈。通过自动生成目标参数实例,并对目标参数实例的使用效果进行自动评估,可以实现参数实例的使用效果进行快速评估,提高比例参数的更新效率,实现有效更新。
在一种可能的设计中,比例参数可以包括目标处理系统中的超参数。超参数可以为目标处理系统开始计算或者学习过程之前,为建立该数据处理系统而设置的一种参数,并非训练过程中使用的模型参数。通常一个超参数可以包括多个子超参数。而超参数的类型可以包括多种。例如,机器学习模型中的深层网络的网络层数、模型的学习率等均可以属于普通超参数中的两个子超参数。比例超参数可以包括多个子超参数各自占用的参数比例之和为1的超参数,假设存在n个子超参数,n个子超参数分别对应的参数值为ai,其中,ai∈[0,1],本申请实施例中对比例参数的具体类型并不作出过多限定。
如图2所示,为本申请实施例提供的一种数据处理方法的一个实施例的流程图,方法可以包括以下几个步骤:
201:确定目标用户针对目标处理系统发起的系统应用请求。
可选地,目标处理系统提供对外服务时,目标用户可以使用目标处理系统提供的对外服务,用户端可以为目标用户展示目标处理系统,并检测目标用户发起的系统应用请求。系统应用请求可以是目标用户在用户端向目标处理系统发起的,系统应用请求由用户端检测之后,可以由用户端发送至配置有本申请实施例提供的数据处理方法的计算设备。
202:响应于系统应用请求,确定目标处理系统中比例参数对应的目标参数实例。
203:获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息。
204:基于使用效果信息,生成目标参数实例在目标处理系统产生的系统反馈信息。
其中,系统反馈信息用于向目标用户反馈。
本申请实施例中部分步骤与前述实施例中部分步骤相同,为了描述的简洁性考虑,在此不再赘述。
本申请实施例中,在确定目标用户针对目标处理系统发起的系统应用请求时,可以响应该系统应用请求,确定目标处理系统中比例参数对应的目标参数实例。通过获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息,可以基于该使用效果信息,生成目标参数实例在目标处理系统产生的系统反馈信息。该系统反馈信息可以用于向目标用户反馈。通过自动生成目标参数实例,并对目标参数实例的使用效果进行自动评估,可以实现参数实例的使用效果进行快速评估,提高比例参数的更新效率,实现有效更新。
作为又一个实施例,确定目标处理系统中比例参数对应的目标参数实例可以包括:
检测目标处理系统满足更新条件时,确定目标处理系统中比例参数对应的目标参数实例。
可选地,可以检测目标处理系统的使用过程,当目标处理系统满足更新条件时,可以启动对目标处理系统的更新,此时,可以为目标处理系统中的比例参数生成目标参数实例。
可选地,对目标处理系统是否满足更新条件进行判断时,可以获取目标用户对目标处理系统的历史使用信息,根据历史使用信息对目标用户的使用行为进行分析,例如,对目标用户的使用频率以及使用时间、点击率等使用数据进行分析,当判断目标用户的使用行为不满足目标行为时,可以确定目标处理系统满足更新条件。在一种可能的设计中目标用户的使用行为不满足目标行为具体可以是目标用户的多个使用数据中至少一个使用数据不满足预设数据阈值。
作为一个实施例,在获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息之后,该方法还可以包括:
根据目标参数实例的使用效果信息,判断目标参数实例是否满足参数使用条件。
可选地,判断目标参数实例是否满足参数使用条件可以包括:判断使用效果信息是否达到预设目标效果,如果是,则判断目标参数实例满足参数使用条件,如果否则判断目标参数实例不满足参数使用条件。使用效果信息为量化的点击率、点击量等效果数据时,可以使用效果是否达到预设目标效果具体可以包括判断效果数据是否满足预设效果阈值。效果数据是否满足效果阈值例如可以包括效果数据是否大于效果阈值,或者效果数据是否小于效果阈值,具体可以根据实际使用需求确定。
可选地,判断目标参数实例是否满足参数使用条件可以包括:判断当前迭代次数是否达到预设迭代次数阈值,如果是,则判断目标参数实例满足参数使用条件,如果否,则判断目标参数实例不满足参数使用条件。
可选地,使用效果信息可以包括至少一个系统子参数分别对应的奖励概率,目标参数实例是否满足参数使用条件可以包括:确定目标参数实例的使用效果信息以及历史参数实例的历史效果信息;利用使用效果信息以及历史效果信息计算当前累计后悔度(regret)的期望,若累计后悔度期望满足收敛条件,确定目标参数实例满足参数使用条件。累计后悔度期望满足收敛条件可以是累计后悔度期望最小,例如,小于一定的期望阈值或者小于所有历史期望。
此时,基于使用效果信息,生成目标参数实例在目标处理系统产生的系统反馈信息可以包括:
如果目标参数实例满足参数使用条件,生成目标参数实例对应的系统反馈信息。
当目标参数实例满足使用条件时,可以基于目标参数实例设置目标处理系统,此时系统反馈信息可以包括对目标处理系统的设置信息。
在某些实施例中,该方法还可以包括:
如果目标参数实例不满足参数使用条件,基于目标参数实例对应的使用效果信息,更新目标处理系统中比例参数对应的目标参数实例,返回至获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息的步骤继续执行。
当目标参数实例不满足使用条件时,可以对目标参数实例继续进行调整,可以获得满足参数使用条件的参数实例,使得获得的目标参数实例满足参数使用要求。
如图3所示,为本申请实施例提供的一种数据处理方法的又一个实施例的流程图,该方法可以包括:
301:确定目标用户针对目标处理系统发起的系统应用请求。
本申请实施例中部分步骤与前述实施例中部分步骤相同,为了描述的简洁性考虑,在此不再赘述。
302:响应于系统应用请求,确定目标处理系统中比例参数对应的目标参数实例。
303:获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息。
304:根据目标参数实例的使用效果信息,判断目标参数实例是否满足参数使用条件。
305:如果目标参数实例满足参数使用条件,生成目标参数实例对应的系统反馈信息。其中,该系统反馈信息用于向目标用户反馈。
306:如果目标参数实例不满足参数使用条件,基于使用效果信息,更新比例参数对应的目标参数实例;向目标用户展示更新后的目标参数实例对应的目标处理系统,返回至步骤303。
可选地,可以利用黑盒优化算法对目标参数实例进行更新,获得更新后的目标参数实例。具体可以将使用效果信息以及目标参数实例输入黑盒优化算法,计算获得更新后的目标参数实例。黑盒优化算法例如可以包括贝叶斯优化算法。
可选地,可以基于目标参数实例对应的使用效果信息,以及历史参数实例对应的历史效果信息对目标参数实例的调整信息进行估计,并利用调整信息更新目标参数实例。目标参数实例包括至少一个系统子参数分别对应的参数值,可以获得至少一个系统子参数分别对应的子调整信息,利用至少一个系统子参数分别对应的子调整信息对各自的参数值进行调整,以获得更新后的目标参数实例。使用效果信息可以包括至少一个系统子参数分别对应的奖励概率,可以通过历史参数实例以及当前目标参数实例在至少一个系统子参数分别对应的奖励差异,更新目标参数实例。任一个系统子参数的奖励差异可以包括该系统子参数在目标参数实例对应的奖励概率与历史参数实例对应的历史奖励概率之差。在一种可能的设计中,可以确定目标参数实例与历史参数实例中奖励差异为正且差异值最大的系统子参数,设置该系统子参数的调整值高于其他系统子参数,其他系统子参数同样依据奖励差异的大小确定调整值。根据用户使用情况及时对参数实例进行调整,使得调整方向与用户关联度更高,实现高效准确的调整。
本申请实施例中,确定目标用户针对目标处理系统发起的系统应用请求时,可以响应于该系统应用请求,确定目标处理系统中比例参数对应的目标参数实例,从而按照目标参数实例设置目标处理系统。目标用户使用第一参数使用对应的目标处理系统时,可以产生一定的使用效果。可以获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息,通过该使用效果信息可以判断目标参数实例是否满足参数使用条件,如果目标参数实例满足参数使用条件,可以生成该目标参数实例的系统反馈信息,如果该目标参数实例不满足参数使用条件,则可以基于使用效果信息,更新比例参数对应的目标参数实例;向目标用户展示更新后的目标参数实例对应的目标处理系统,使得目标用户使用新的目标处理系统,以返回至获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息的步骤继续执行。通过不断测试比例参数的目标参数实例,以不断对目标处理系统进行修正,使得目标处理系统向用户的使用习惯靠近,提高目标处理系统与用户使用的关联性,实现系统的自动测试,提高测试效率以及测试时效。
目标参数实例可以由目标生成算法为比例参数生成。
作为一种可能的实现方式,响应于系统应用请求,确定目标处理系统中比例参数对应的目标参数实例包括:
响应于系统应用请求,确定目标处理系统中比例参数对应的目标生成算法。
通过目标生成算法,生成目标处理系统中比例参数对应的目标参数实例。
目标生成算法可以包括参数生成算法,计算设备中可以直接配置目标生成算法以生成目标参数实例。或者,还可以以程序模块,或者第三方生成系统的方式向计算设备提供算法生成服务。当目标生成算法为第三方生成系统或者程序模块时,计算设备可以向第三方生成系统或者程序模块发起参数生成请求,该第三方生成系统或者程序模块可以响应于参数生成请求,利用目标生成算法生成比例参数的目标参数实例。
使用效果信息可以用于更新生成目标参数实例的目标生成算法,以使得目标参数实例对应的目标处理系统与用户的使用习惯更匹配,提高参数设置的准确性以及有效性。
在某些实施例中,如果目标参数实例不满足参数使用条件,基于目标参数实例对应的使用效果信息,更新目标处理系统中比例参数对应的目标参数实例,返回至获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息的步骤继续执行包括:
如果目标参数实例不满足参数使用条件,则基于目标参数实例对应的使用效果信息,更新目标生成算法。
通过目标生成算法重新生成目标处理系统中比例参数对应的目标参数实例。
返回至获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息的步骤继续执行。
目标生成算法主要是通过对至少一个系统子参数的能够获得的未来奖赏进行预估以及排序,以获得至少一个系统子参数分别可能获胜的概率,将至少一个系统子参数分别可能获胜的概率作为目标参数实例。
目标参数实例对应的使用效果信息可以作为未来能够获得的奖赏的预估基础,提高预估结果的准确度。
本申请实施例中,将目标参数实例对应的使用效果信息更新目标生成算法,以通过目标生成算法产生新的目标参数实例,实现比例参数的参数实例的更新,通过不断迭代更新比例参数的参数实例,可以获得更准确的参数实例,从而依据于更准确的参数实例设置目标处理系统,实现在线训练目标处理系统,获得时效性以及可用性更高的目标处理系统。
目标生成算法可以依次为比例参数中的至少一个系统子参数分别设置参数值。在一种可能的设计中,目标生成算法可以通过以下方式生成目标处理系统中比例参数对应的目标参数实例:
确定目标处理系统中比例参数对应的至少一个系统子参数;
确定至少一个系统子参数分别对应的参数值构成的目标参数实例。
通过运行目标生成算法即可以获得目标参数实例。
为了获得准确的参数实例,在某些实施例中,至少一个系统子参数分别对应的参数值可以通过以下方式确定:
预估目标用户分别对至少一个系统子参数执行目标操作的概率,获得至少一个系统子参数分别对应的触发概率;
确定至少一个系统子参数分别对应的触发概率为至少一个系统子参数分别对应的参数值。
通过对至少一个系统子参数分别能够获得用户执行目标操作的概率进行预估,可以实现对至少一个系统子参数分别对应的参数值的确定。至少一个系统子参数分别能够获得用户执行目标操作的概率是基于以目标参数实例设置目标处理系统之后,未来一段时间目标用户分别对至少一个系统子参数对应的系统信息执行目标操作的概率。
为了使目标用户的相关信息与比例参数的参数实例的关联更紧密,获得更准确的参数实例,作为一种可能的实现方式,预估目标用户分别对至少一个系统子参数执行目标操作的概率,获得至少一个系统子参数分别对应的触发概率包括:
确定目标用户在目标处理系统的用户特征;
根据用户特征,预估目标用户分别对至少一个系统子参数执行目标操作的概率,获得至少一个系统子参数分别对应的触发概率。
用户特征可以包括目标用户发起的系统应用请求对应的上下文特征,通过目标用户的信息确定。将用户特征增加到概率预估过程中,可以增加预估触发概率的准确度。
目标操作为目标用户针对目标处理系统触发的相关操作。以目标处理系统为电子商务平台为例,目标用户对电子商务平台执行目标操作可以包括目标用户触发电子商务平台向目标用户推荐的产品页面。
在生成比例参数的目标参数实例的过程中,除考虑目标用户的相关信息之外,还可以考虑比例参数中各个系统子参数的参数特征,使得参数实例的参考范围更准确,在某些实施例中,该方法还可以包括:
获取在目标处理系统中至少一个系统子参数分别对应的参数特征;
根据用户特征,预估目标用户分别对至少一个系统子参数执行目标操作的概率,获得至少一个系统子参数分别对应的触发概率包括:
根据用户特征以及至少一个系统子参数分别对应的参数特征,预估目标用户分别对至少一个系统子参数执行目标操作的概率,获得至少一个系统子参数分别对应的触发概率。
将用户特征以及至少一个系统子参数分别对应的参数特征用于预估目标用户分别对至少一个系统子参数执行目标操作的概率,增加了概率预估的参考内容,提高预估结果的准确性。
目标用户使用目标处理系统产生的使用效果信息,实际可以通过用户对目标处理系统执行的目标操作确定。因此,在一种可能的设计中,根据用户特征以及至少一个系统子参数分别对应的参数特征,预估目标用户分别对至少一个系统子参数执行目标操作的概率,获得至少一个系统子参数分别对应的触发概率包括:
根据用户特征以及至少一个系统子参数分别对应的参数特征,预估N次目标用户对至少一个系统子参数中任一个系统子参数执行目标操作的触发结果,获得N个触发结果;其中,任一个触发结果为目标用户对至少一个系统子参数中任一个系统子参数执行目标操作;
根据N个触发结果,确定至少一个系统子参数分别对应的触发次数;
根据至少一个系统子参数分别对应的触发次数与N的比值,确定至少一个系统子参数分别对应的触发概率。
其中,N为大于1的正整数,为了获取准确的触发概率,N可以设置为较大的数值,例如为100、200或500等。N个触发结果分别为目标用户对至少一个系统子参数中的任一个系统子参数执行的目标操作执行N次产生的。至少一个系统子参数分别对应的触发次数可以通过统计N个触发结果中触发每个系统子参数的次数。
为了获得用户对目标处理系统执行目标操作的触发结果,在一种可能的设计中,触发结果通过以下方式确定:
根据用户特征以及至少一个系统子参数分别对应的参数特征,生成在线预估模型;
利用在线预估模型,预估至少一个系统子参数分别获得的奖励信息的概率,获得至少一个系统子参数分别对应的奖励概率;
根据至少一个系统子参数分别对应的奖励概率,确定奖励概率最大的系统子参数为目标用户执行目标操作的系统子参数。
奖励信息可以包括目标用户对任一个子参数执行目标操作。
可选地,可以将至少一个系统子参数分别对应的奖励概率进行排序,获得奖励概率醉的系统子参数为目标用户执行目标操作的系统子参数。
在线预估模型可以包括多种,不同的在线预估模型的模型属性不同。在线预估模型可以包括在线处理模型,诸如UCB(The Upper Confidence Bound,上置信)、TS(TabuSearch,禁忌搜索)、LinUCB(Linear Upper Confidence Bound,线性上置信)或者LinTS(Linear Thompson Sampling,线性汤普森抽样)等能够对参数比例取值进行平衡探索和利用的模型。
因此,在一种可能的设计中,当在线预估模型具有随机属性信息时,利用在线预估模型,预估至少一个系统子参数分别获得的奖励信息的概率,获得至少一个系统子参数分别对应的奖励概率包括:
利用在线预估模型,随机对至少一个系统子参数中任一个系统子参数被触发的事件进行多次事件采样,获得多个采样结果;其中,任一次采样结果为至少一个系统子参数中任一个系统子参数获得目标用户的奖励信息;
根据多个采样结果,统计至少一个系统子参数分别获得奖励信息的次数,以获得至少一个系统子参数分别对应的奖励次数;
根据至少一个系统子参数分别对应的奖励次数,确定至少一个系统子参数分别对应的奖励概率。
可以通过计算至少一个系统子参数分别对应的奖励次数之和,获得奖励总次数,并计算至少一个系统子参数分别对应的奖励次数与奖励总次数的比值,获得至少一个系统子参数分别对应的奖励概率。
此外,在又一种可能的设计中,当在线预估模型不具备随机属性信息时,利用在线预估模型,预估至少一个系统子参数分别获得的奖励信息的概率,获得至少一个系统子参数分别对应的奖励概率包括:
利用在线预估模型,预估至少一个系统子参数分别对应的奖励分数;
根据至少一个应用子模型分别对应的奖励分数,生成至少一个系统子参数对应的采样分布模型;
利用采样分布模型,采样获得至少一个系统子参数分别对应的奖励概率。
作为一种可能的实现方式,采样分布模型包括均匀分布模型,根据至少一个应用子模型分别对应的奖励分数,生成至少一个系统子参数分别对应的采样分布模型包括:
对至少一个应用子模型分别对应的奖励分数进行归一化处理,获得至少一个应用子模型分别对应的奖励数据;
根据至少一个应用子模型分别对应的奖励数据,构建均匀分布模型。
均匀分布模型可以对用户执行目标操作进行模拟性的有效采样。
在某些实施例中,根据用户特征以及至少一个系统子参数分别对应的参数特征,生成在线预估模型可以包括:
获取至少一个系统子参数分别对应的历史奖励信息;
根据用户特征以及至少一个系统子参数分别对应的参数特征,结合至少一个系统子参数分别对应的历史奖励信息,生成在线预估模型。
将历史奖励、参数特征以及用户特征均用于在线预估模型的构建,可以确保在线预估模型对用户执行目标操作的操作结果进行准确建模,使用更准确的模型进行使用效果预估,提高预估的准确度。
在某些实施例中,目标参数实例是不断更新的,当参数实例被更新时,之前的目标参数实例即可以成为历史参数实例,历史参数实例以及历史参数实例的使用效果信息对最新的目标参数实例的使用效果信息的确定也可以产生影响。作为一个实施例,获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息可以包括:
获取历史参数实例,以及历史参数实例对应的历史使用信息;
根据历史参数实例对应的历史使用信息以及目标参数实例的当前使用信息,生成至少一个系统子参数分别对应的第一子效果信息;
确定至少一个系统子参数分别对应的第一子效果信息构成的使用效果信息。
可选地,使用效果信息可以包括对目标用户产生的使用信息的分析结果,分析结果可以包括至少一个系统子参数分别对应的奖励概率。使用信息可以是用户对至少一个系统子参数分别执行相关操作,或者说至少一个系统子参数获得奖励(reward),使用效果信息中的分析结果可以对当前使用信息以及历史使用信息进行整体统计获得。例如,在推荐系统中,系统子参数可以包括超参数,不同超参数的效果信息可以代表不同召回链路的结果比例,假设当前得到的整体反馈是用户点击了某一商品,即获得用户的奖励,反馈为1,则如果该商品出自链路1,则超参数1的效果反馈即为1,其他超参数的效果反馈即为0,统计用户在某个超参数执行点击的次数,与用户执行总操作的次数的比例,可以获得该系统子参数对应的奖励概率。根据历史参数实例对应的历史使用信息以及目标参数实例的当前使用信息,生成至少一个系统子参数分别对应的第一子效果信息具体可以是对至少一个系统子参数各自的获得历史奖励与当前奖励的次数进行整体统计分析,以获得至少一个系统子参数分别对应的奖励概率。通过奖励概率标示了目标参数实例的使用效果,从而获得至少一个系统子参数分别对应的第一子效果信息。
在某些实施例中,系统反馈信息可以通过参数实例的使用效果信息确定。因此,在某些实施例中,如果目标参数实例满足参数使用条件,生成目标参数实例对应的系统反馈信息包括:
如果目标参数实例满足参数使用条件,根据目标参数实例生成目标处理系统的系统设置信息;
系统反馈信息通过以下方式向目标用户反馈:
向目标用户展示系统设置信息对应的目标处理系统,以供目标用户使用系统设置信息对应的目标处理系统。
作为一种可能的实现方式,还包括:
确定目标处理系统中比例参数对应的至少一个系统子参数;
确定比例参数的至少一个系统子参数在目标处理系统对应的系统参数;
如果目标参数实例满足参数使用条件,根据目标参数实例生成目标处理系统的系统设置信息包括:
如果目标参数实例满足参数使用条件,获取目标参数实例分别在至少一个系统子参数对应的参数值;
根据任一个系统子参数对应的参数值,确定系统子参数对应的系统参数的系统数据;
确定至少一个系统参数分别对应的系统数据构成的系统设置信息。
在某些实施例中,如果目标参数实例满足参数使用条件,生成目标参数实例对应的系统反馈信息可以包括:
如果目标参数实例满足参数使用条件,生成目标参数实例对应的参数提示信息;
系统反馈信息通过以下方式向目标用户反馈:
为目标用户输出参数提示信息,以供目标用户查看目标参数实例。
通过生成目标参数实例对应的参数提示信息为目标用户展示,可以使得目标用户基于分析目标参数实例,以便于判断是否使用目标参数实例或者继续执行参数实例的更新。
在电子商务领域中,目标用户可以通过用户设备,例如手机、平板电脑、计算机、笔记本等终端设备访问电子商务领域中的目标处理系统,此时该目标处理系统即可以包括网络交易系统。
参考图4,假设目标用户使用平板电脑M1使用网络交易系统,此时网络交易系统可以提供网络交易页面给目标用户。平板电脑M1可以包括目标用户展示网络交易系统为目标用户提供的网页页面P1,该网页页面可以包括一推荐页面,目标用户在浏览目标处理系统的推荐页面时,目标处理系统可以向目标用户展示为目标用户推荐的内容,平板电脑M1可以检测目标用户针对推荐页面触发的浏览操作,如图4中所示的滑动操作401,不断为目标用户展示推荐对象。现有技术中,推荐对象通常是根据用户的历史浏览行为产生的,缺乏实时性。
在实际应用中,由于网络交易系统中提供的交易对象种类较多,为用户提供推荐页面的推荐对象时,不同交易对象集合可以作为一比例参数,多个推荐对象分别对应的推荐比例之和可以为1,多个推荐参数此时可以构成一比例参数。现有技术中,多个推荐比例分别对应的比例值一般通过历史经验确定,是固定不变的。假定本申请实施例的技术方案配置于云服务器M2中,确定多个推荐参数构成一比例参数时,在用户浏览推荐页面的过程中,可以确定目标用户针对网络交易系统发起402系统应用请求,响应于该系统应用请求,可以确定403网络交易系统中的比例参数对应的目标参数实例。之后可以将按照该目标参数实例在多个推荐参数分别对应的参数值,重新确定404向目标用户展示新推荐页面,发送405至平板电脑M1,将该重新确定的推荐页面向目标用户展示之后,可以产生使用效果信息,例如,目标用户对某个推荐对象S执行的点击操作。云服务器M2可以获取406目标用户使用此目标参数实例对应的网络交易系统产生的使用效果信息。从而基于该使用效果信息,生成407目标参数实例在该目标处理系统产生的系统反馈信息。
系统反馈信息可以用于反馈至目标处理系统中,用于比例参数的目标参数实例的更新,可以利用系统反馈信息更新比例参数的目标参数实例,并返回至确定网络交易系统中的比例参数对应的目标参数实例的步骤继续执行,实现在线调节比例参数的参数实例,提高参数更新的时效性,且与目标参数实例与用户的使用结果相匹配,提供更具个性化的系统应用,提高系统使用有效性。
在电子商务领域中,网络交易平台的使用范围越来越广泛,任意用户访问网络交易系统的过程中,可以按照用户的使用信息,个性化更新向目标用户展示的网络交易系统,以提高网络交易系统的使用效率以及有效性。
如图5所示,为本申请实施例提供的一种数据处理方法的又一个实施例的流程图,该方法可以包括以下几个步骤:
501:确定目标用户针对网络交易系统发起的系统访问请求。
502:响应于系统访问请求,确定网络交易系统中比例参数对应的目标参数实例。
503:获取目标用户使用目标参数实例对应的网络交易系统产生的使用效果信息。
504:基于使用效果信息,生成目标参数实例在网络交易系统产生的系统反馈信息。
其中,系统反馈信息用于向目标用户反馈。
作为一个实施例,确定目标用户针对网络交易系统发起的系统访问请求可以包括:确定目标用户针对网络交易系统的推荐页面发起的系统访问请求。
获取目标用户使用目标参数实例对应的网络交易系统产生的使用效果信息包括获取目标用户使用目标参数实例对应的网络交易系统产生的浏览信息以及点击信息。
基于使用效果信息,生成目标参数实例在网络交易系统产生的系统反馈信息可以包括:基于目标用户的浏览信息以及点击信息,更新比例参数对应的目标参数实例;根据更新后的目标参数实例,确定多个推荐参数分别对应的参数值;按照多个推荐参数分别对应的参数值从数据库中查找多个推荐参数分别对应的推荐对象;基于多个推荐参数分别对应的推荐对象,生成新的推荐页面。
系统反馈信息具体可以通过以下方式向目标用户反馈:
将新的推荐页面通过网络交易系统为目标用户输出,以供目标用户浏览新的推荐页面。在实际应用中,目标用户浏览新的推荐页面的过程中,还可以重新获取目标用户使用目标参数实例对应的网络交易系统产生的使用效果信息,不断对比例参数的目标参数实例进行更新,使得目标参数实例与用户的使用信息匹配度更高,获得的目标参数实例更准确。
本申请实施例中,在目标用户访问网络交易系统的过程中,可以检测目标用户针对网络交易系统发起的系统访问请求。此时,响应于该系统访问请求,可以确定网络交易系统中比例参数对应的目标参数实例,从而可以获取目标用户使用目标参数实例对应的网络交易系统产生的使用效果信息。基于使用效果信息,可以生成目标参数实例在网络交易系统产生的系统反馈信息。通过用户的使用信息,个性化更新向目标用户展示的网络交易系统,以提高网络交易系统的使用效率以及有效性。
作为一个实施例,确定目标处理系统中比例参数对应的目标参数实例可以包括:
确定目标处理系统中比例参数对应的多个参数生成算法;
确定多个参数生成算法分别为比例参数生成的目标参数实例,以获得多个目标参数实例;
获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息可以包括:
获取目标用户使用任一个目标参数实例对应的目标处理系统产生的使用效果信息,以获得多个目标参数实例分别对应的使用效果信息;
基于使用效果信息,生成目标参数实例在目标处理系统产生的系统反馈信息可以包括:
基于多个目标参数实例分别对应的使用效果信息,从多个目标参数实例中确定目标参数实例;确定生成目标参数实例的参数生成算法为目标生成算法。
如图6所示,为本申请实施例提供的一种数据处理方法的又一个实施例的流程图,该方法可以包括以下几个步骤:
601:确定目标处理系统中比例参数对应的多个参数生成算法。
本申请实施例中部分步骤与前述实施例中部分步骤相同,为了描述的简洁性考虑,在此不再赘述。
602:确定多个参数生成算法分别为比例参数生成的目标参数实例,以获得多个目标参数实例。
603:获取目标用户使用任一个目标参数实例对应的目标处理系统产生的使用效果信息,以获得多个目标参数实例分别对应的使用效果信息。
604:基于多个目标参数实例分别对应的使用效果信息,从多个目标参数实例中确定目标参数实例。
605:确定生成目标参数实例的参数生成算法为目标生成算法。
606:根据目标生成算法,生成目标处理系统中算法提示信息。
607:展示算法提示信息,以提示与目标用户最匹配的目标生成算法。
本申请实施例中,针对目标处理系统,可以使用多种参数生成算法分别生成目标参数实例,通过对多个目标参数实例进行使用效果的评估,以从多个参数生成算法中选择目标生成算法,实现算法的有效选择,获得生成效果更佳的生成算法,进而根据目标生成算法作生成目标处理系统中的算法提示信息。利用算法提示信息提示目标生成算法。
除提供线上应用系统的参数实例的优化方案之外,还可以提供目标处理系统中参数生成算法的选择方案。在某些实施例中,确定目标用户针对目标处理系统发起的系统应用请求可以包括:
接收优化用户发起的算法选择请求;
响应于算法选择请求,生成目标用户针对目标处理系统发起的系统应用请求。
可选地,确定目标用户针对目标处理系统发起的系统应用请求还可以包括:接收优化用户发起的算法选择请求;响应于算法选择请求,通过请求模拟模块模拟生成目标用户针对目标处理系统发起的系统应用请求。通过为优化用户提供多个参数生成算法,以及自动对多个参数生成算法进行测试,获得目标生成算法。
为优化用户提供参数生成算法的选择服务时,目标处理系统可以包括离线的应用系统。优化用户可以包括使用算法选择服务的用户,优化用户可以发起算法选择请求,此时计算设备可以响应于优化用户发起的算法选择请求,通过请求模拟模块模拟生成目标用户针对目标处理系统发起的系统应用请求。展示算法提示信息,以提示与目标用户最匹配的目标生成算法具体可以包括向优化用户展示算法提示信息,以提示与目标用户最匹配的目标生成算法。
由于目标处理系统此时是离线的在线应用系统,目标用户对应的系统应用请求也是模拟生成的,为了准确获得目标用户对目标处理系统的使用效果信息,在某些实施例中,可以为目标处理系统建立模拟系统,模拟目标用户在目标处理系统中产生的使用效果信息。
因此,作为一个实施例,目标用户使用任一个目标参数实例对应的目标处理系统产生的使用效果信息通过以下方式获取:
生成目标处理系统的模拟系统;
基于模拟系统,模拟目标用户使用目标处理系统产生的模拟效果信息;
根据目标参数实例以及模拟效果信息,确定使用效果信息。
在利用模拟系统模拟用户的使用效果时,在某些实施例中,该方法还可以包括:
确定目标处理系统中比例参数对应的至少一个系统子参数;
基于模拟系统,模拟目标用户使用目标处理系统产生的模拟效果信息包括:
基于模拟系统,模拟目标用户使用目标处理系统时,在至少一个系统子参数分别产生的效果评估值。
根据目标参数实例以及模拟效果信息,确定使用效果信息包括:
根据至少一个系统子参数分别对应的效果评估值,以及目标参数实例在至少一个系统子参数分别对应的参数值,确定至少一个系统子参数分别对应的第二子效果信息。
确定至少一个系统子参数分别对应的第二子效果信息构成的使用效果信息。
模拟系统可以以概率分布模型的形式存在。作为一种可能的实现方式,生成目标处理系统的模拟系统包括:
分别为至少一个系统子参数生成概率分布模型;
基于模拟系统,模拟目标用户使用目标处理系统时,在至少一个系统子参数分别产生的效果评估值包括:
根据任一个系统子参数对应的概率分布模型,随机对系统子参数被触发的事件进行多次事件采样,获得系统子参数对应的效果评估值,以获得至少一个系统子参数分别对应的效果评估值。
可选地,至少一个系统子参数分别对应的概率分布模型属于为联合的概率分布模型,通过联合的概率分布模型可以对至少一个系统子参数之间的影响程度进行量化,实现影响效果的准确估计。
为了获得准确的效果信息,在一种可能的设计中,根据至少一个系统子参数分别对应的效果评估值,以及目标参数实例在至少一个系统子参数分别对应的参数值,确定至少一个系统子参数分别对应的第二子效果信息可以包括:
根据至少一个系统子参数分别对应的效果评估值,以及目标参数实例在至少一个系统子参数分别对应的参数值,将任一个系统子参数的效果评估值以及参数值相乘获得系统子参数的第二子效果信息,以获得至少一个系统子参数分别对应的第二子效果信息。
为目标用户展示系统反馈信息之后,若目标用户对系统反馈信息的反馈效果不够满意,可以发起对目标处理系统的比例参数的修改操作。作为一个实施例,系统反馈信息向目标用户反馈之后,该方法还可以包括:
检测目标用户针对比例参数发起的参数调整请求;
响应参数调整请求,获取目标用户提供的参数调整信息;
基于参数调整信息调整比例参数的目标参数实例,获得调整后的目标参数实例。
在目标用户对比例参数的参数实例调整之后,可以将调整后的参数实例对应的目标处理系统展示给目标用户,以供目标用户使用。
因此,在一种可能的设计中,基于参数调整信息调整比例参数的参数实例,获得目标用户的预期参数实例之后,该方法还可以包括:
根据第二参数实例,生成目标处理系统的预期设置信息;
向使用目标处理系统的目标用户展示预期设置信息对应的目标处理系统,以供目标用户使用预期设置信息对应的目标处理系统。
由于不同用户对目标处理系统的使用习惯、使用效果、用户的身份、关注内容的不同,在向目标用户展示系统反馈信息时,可以根据目标用户的属性信息,确定该系统反馈信息的展示类型,以便于实现个性化展示,提高展示效果。因此,作为又一个实施例,该方法还可以包括:
获取目标用户的用户属性信息;
系统反馈信息通过以下方式向目标用户反馈:
基于用户属性信息,从预设多个反馈类型中选择与目标用户最匹配的目标反馈类型;
按照目标反馈类型,生成系统反馈信息对应的系统展示信息;
将系统展示信息通过目标处理系统向信息目标展示。
用户属性信息可以包括与目标用户本身相关联的信息,例如包括目标用户的历史使用效果信息、用户身份信息、工作类型信息、标记信息、收藏信息等。
通过用户属性信息,确定系统反馈信息的反馈类型,可以使得反馈效果与用户关联度更高,反馈的有效性更高。
为了便于理解,以目标处理系统为电子商务平台为例,详细介绍本申请实施例的一个应用示例。
参考图7,在实际应用中,用户设备,例如可以包括手机终端、物联网(IoT,Internet of Things)终端等终端设备可以与用户进行交互,用户设备可以与能够与电子商务平台进行通信。以用户设备为手机终端M3、电子商务平台为服务器M4为例。手机终端M3可以检测目标用户针对电子商务平台触发的浏览请求。该浏览请求即可以作为系统应用请求被手机终端M3发送701至电子商务平台的服务器M3。服务器M3可以确定702目标用户针对目标处理系统发起的浏览请求。
之后,电子商务平台的服务器M4可以响应于该浏览请求,确定703电子商务平台中需要向用户推荐的产品的比例参数对应的目标参数实例。比例参数可以包括三个系统子参数。这三个系统子参数在电子商务平台中例如分别可以包括:产品类型与用户历史浏览的产品所占比值对应的第一系统子参数,基于上线时间排序获得的最新产品所占比值对应的第二系统子参数,以及基于过滤技术过滤后的产品所占比值对应的第三系统子参数。假设第一系统子参数的取值为第一比值、第二系统子参数的取值为第二比值以及第三系统子参数的取值为第三比值,第一比值、第二比值以及第三比值之和为1。
目标参数实例即可以包括第一系统子参数的第一比值,第二系统子参数的第二比值以及第三系统子参数的第三比值。电子商务平台704按照目标参数实例获取的产品,按照第一比值确定第一数量的与用户历史浏览的产品相关的推荐产品、按照第二比值确定第二数量的基于上线时间排序获得的产品,以及按照第三比值确定第三数量的基于过滤技术过滤后的产品。之后,服务器M4将产品发送705至手机M3。手机M3为目标用户展示706产品。
目标用户查看电子商务平台推荐的产品,并对感兴趣的产品执行目标操作,例如进行点击,获得触发结果,触发结果707即可以包括目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息。电子商务平台可以获取该触发结果。
之后,电子商务平台的服务器M3可以基于触发结果,生成708目标参数实例在电子商务平台产生的系统反馈信息。该系统反馈信息用于向目标用户反馈。例如,该系统反馈信息为基于触发结果更新703目标参数实例,并通过目标参数实例重新获取电子商务平台向用户推荐的产品。
本申请实施例提供的数据处理方法可以应用于不同的领域,为了提高应用效率,可以将本申请实施例提供的数据处理方法封装之后,配置于云服务器中,以便于多个用户可以同时发起数据处理请求,以实现技术方案的有效应用。
如图8所示,为本申请实施例提供的一种数据处理方法的又一个实施例的流程图,该方法可以包括:
801:响应于调用数据处理接口的使用请求,确定数据处理接口对应的处理资源。
利用数据处理接口对应的处理资源执行如下步骤:
802:确定目标处理系统中比例参数对应的目标参数实例。
803:获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息。
804:基于使用效果信息,生成目标参数实例在目标处理系统产生的系统反馈信息。
其中,系统反馈信息用于向目标用户反馈。
本申请实施例中的数据处理接口对应的处理资源所执行的具体步骤与图1所示的数据处理方法所执行的处理步骤相同,各个步骤的具体实现方式以及技术效果已在图1所示实施例中详细描述,在此不再赘述。
在实际应用中,本申请实施例提供的数据处理方法可以应用于多种领域中,例如可以应用于人工智能交互、数据检索、内容推荐、点击率预测、智能工厂、工业控制、电子商务领域、视频直播领域、社交领域、在线教育领域等领域。
为了便于理解,以如下几个实际的使用领域的应用按照对本申请实施例进行详细介绍。
(1)电商领域。在电商领域中特征搜索、直播场景下的产品推荐、内容推荐和计算广告点击率等应用场景最为常见,本实施例以内容推荐场景为例,进行了实例部署。推荐场景下的通用推荐过程可以包括,对选定场景的要素进行参数化设置,获得对场景产生影响的多个系统子参数,利用多个参数标识场景的不同特征,并通过对多个系统子参数进行特征赋值以获得一个参数实例。
以点击词推荐场景为例,用户点击APP(Application,应用程序)中的搜索框时,目标处理系统会为该用户推荐部分搜索词(Query词)。为用户推荐搜索词的目的是挖掘用户潜在的购买需求,增加用户的使用粘性并且提高总的商品成交数量。搜索系统中利用本案的技术方案,可以设置搜索词种类分别对应的比值为比例参数。不同类型的搜索词可以对应不同的比例,例如,假设为用户推荐6个搜索词,这6个搜索词中服装类搜索词可以占二分之一,美妆类搜索词可以占四分之一,母婴用品类可以占四分之一。在向用户推荐搜索词时,可以确定多种产品类型对应的目标参数实例。该目标参数实例对应的多种产品类型的搜索词向用户展示。获取到用户使用该多种产品类型的搜索词对应的目标处理系统产生的使用结果之后,可以基于该使用结果,重新获取搜索词并向目标用户反馈。
(2)社交领域,在社交领域中,对社交用户进行内容推荐、对学生进行课程推荐也较为常见。
社交领域的推荐通常是,社交用户浏览社交应用程序,应用程序的显示界面中展示用户感兴趣的社交内容。通常,社交领域的推荐通常是,以用户的历史浏览行为、关注领域、用户信息等选项构成特征参数,不同选项的组合可以构成不同的参数。不同参数在推荐内容中所占比例之和为1。在参数确定时,可以确定与该参数相关的内容,对各个类型的参数所占比例进行不断优化,可以获得向用户推荐的准确的社交内容。本申请实施例的技术方案可以配置于社交服务器中,用户浏览社交网络的过程中,可以触发系统应用请求。响应于该系统应用请求,可以确定社交网络中不同参数所占比例构成的目标参数实例。社交网络可以通过目标参数实例对应的不同参数所占比例,从后台为目标用户查找相关推荐内容,并获取目标用户对这些推荐内容点击结果或者浏览时间进行检测,产生目标用户的使用效果信息。使用效果信息可以用于生成目标参数实例在目标处理系统产生的系统反馈信息,该系统反馈信息例如可以包括基于使用效果信息分析获得的用户关注内容,将用户关注内容反馈至该社交网络,以使得设计网络基于用户关注内容更新不同参数所占比例。通过不断迭代,可以使得社交网络向目标用户推荐内容与用户匹配度更高。(3)金融领域,量化投资组合是非常重要的投资策略问题。在投资组合问题中,最常见的案例是投资处理系统中为用户提供投资策略时,可以包括用户配置多种投资标的,使得投资组合收益可控,投资组合收益可以被建模为一个比例值超参数调节过程,现有方法依赖多因子投资变量的分析,结合经理人的个人经验进行判断,本专利方法可以在此基础上,自动对所涉及的比例型超参数进行动态调节。
利用本申请实施例提供的技术方案,多因子投资变量可以作为一比例参数。在实际应用过程中,在确定多因子投资变量为一比例参数。在目标用户进行投资策略咨询的过程中,可以确定目标用户,也即经理人发起的投资策略获取请求,可以确定投资模型中比例参数对应的目标参数实例。通过目标参数实例构建投资模型,在目标用户使用投资模型进行投资策略获取过程中,可以获取目标用户使用目标参数实例对应的投资模型产生的使用效果信息,使用效果信息例如可以包括接收投资模型产生的投资策略,或者未接受投资模型产生的投资策略。通过使用效果信息,可以生成目标参数实例在投资模型产生的系统反馈信息,该系统反馈信息可以用于更新目标参数实例,通过更新后的目标参数实例建立新的投资模型,通过不断迭代参数实例,并建立相应的投资模型进行投资策略的生成,以对比例参数的参数实例进行在线更新,实现比例参数的准确调整。
(4)资源分配领域,以电力资源分配为例。电力资源的分配通常会涉及很多区域,每个区域可以使用相应的参数代表,这些参数分别可以分配一定比例的资源,资源的分配会影响区域经济、人口、环境等信息。
本申请实施例的技术方案可以应用于电力市场动态定价问题、电力经济负荷分配问题中。下面,主要对电力系统的具体应用领域作出详细描述。
在电力经济负荷分配问题中,电力供应方可以同时向多个地区提供电力资源,每个地区的电力负载容量占电力供应量的一定比例。多个地区分别占电力供应量可以作为一比例参数。利用本申请实施例的技术方案,目标用户可以包括电力资源的管理方,目标处理系统可以包括对多个地区进行供电时电网总耗能的计算系统。电力资源的管理方可以向计算系统发起电网总耗能的计算请求。之后,可以响应于计算请求,对多个地区各自的电力负载容量占电力供应量的比值进行设置以获得目标参数实例。将目标参数实例中各个地区的电力负载容量占电力供应量的比值输入到计算系统之后,获得的电网总耗能即可以包括产生的使用效果。通过电网总耗能可以对目标参数实例进行效果评价,从而生成目标参数实例在计算系统产生的系统反馈信息。系统反馈信息例如可以包括电网总耗能的提示信息,该提示信息可以向电力资源的管理方展示,以使得电力资源的管理方按照该提示信息设置多个地区的电力负载容量。采用本申请实施例的技术方案可以对各个地区的电力负载容量进行自动测试,实现参数的高效设置,提高设置效果。
(5)课程推荐领域,以目标处理系统为课程推荐系统为例进行详细说明。
在线课程的推荐通常是,学生或者家长浏览网页的过程中,应用程序显示页面中展示为用户推荐的目标课程。为了提高推荐的有效性,可以对家长或者学生的身份信息、关注领域、历史课程等不同因素进行参数化,获得多个推荐因素,多个推荐因素的取值分别获取的推荐比例可以作为比例参数进行优化。在优化过程中,可以先确定课程推荐系统中比例参数对应的目标参数实例,目标参数实例也即多个推荐因素分别对应的比例,通过目标参数实例向目标用户展示课程推荐系统查找到的目标课程,目标用户浏览目标课程的过程中,可以检测目标用户是否查看目标课程或者执行对目标课程的购买操作,以产生目标用户对课程推荐信息产生的使用效果信息。该使用效果信息可以用于生成目标处理系统的系统反馈信息,系统反馈信息可以用于更新目标参数实例,并返回至确定课程推荐系统中比例参数对应的目标参数实例继续执行。通过不断对课程推荐系统中的比例参数进行调节,可以使得目标参数实例与用户的使用行为更匹配,提高目标参数实例的准确度,促进课程推荐的有效性提升。
如图9所示,为本申请实施例提供的一种计算设备的一个实施例的结构示意图,该设备可以包括:存储组件901以及处理组件902;存储组件901用于存储一条或多条计算机指令,一条或多条计算机指令被处理组件调用;
处理组件902用于:
确定目标处理系统中比例参数对应的目标参数实例;获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息;基于使用效果信息,生成目标参数实例在目标处理系统产生的系统反馈信息;其中,系统反馈信息用于向目标用户反馈。
作为一个实施例,处理组件确定目标处理系统中比例参数对应的目标参数实例可以包括:
确定目标用户针对目标处理系统发起的系统应用请求;
响应于系统应用请求,确定目标处理系统中比例参数对应的目标参数实例。
在某些实施例中,处理组件确定目标处理系统中比例参数对应的目标参数实例可以包括:
检测目标处理系统满足更新条件时,确定目标处理系统中比例参数对应的目标参数实例。
作为一个实施例,处理组件还可以用于:
根据目标参数实例的使用效果信息,判断目标参数实例是否满足参数使用条件;
处理组件基于使用效果信息,生成目标参数实例在目标处理系统产生的系统反馈信息具体可以包括:
如果目标参数实例满足参数使用条件,生成目标参数实例对应的系统反馈信息。
在某些实施例中处理组件还可以用于:
如果目标参数实例不满足参数使用条件,基于使用效果信息,更新比例参数对应的目标参数实例;向目标用户展示更新后的目标参数实例对应的目标处理系统,跳转至获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息继续执行。
在一种可能的设计中,处理组件响应于系统应用请求,确定目标处理系统中比例参数对应的目标参数实例可以包括:
响应于系统应用请求,确定目标处理系统中比例参数对应的目标生成算法;
通过目标生成算法,生成目标处理系统中比例参数对应的目标参数实例。
作为一种可能的实现方式,处理组件如果目标参数实例不满足参数使用条件,基于目标参数实例对应的使用效果信息,更新目标处理系统中比例参数对应的目标参数实例,返回至获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息继续执行具体可以包括:
如果目标参数实例不满足参数使用条件,则基于目标参数实例对应的使用效果信息,更新目标生成算法;
通过目标生成算法重新生成目标处理系统中比例参数对应的目标参数实例;
返回至获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息的步骤继续执行。
在某些实施例中,处理组件利用目标生成算法通过以下方式生成目标处理系统中比例参数对应的目标参数实例:
确定目标处理系统中比例参数对应的至少一个系统子参数;
确定至少一个系统子参数分别对应的参数值构成的目标参数实例。
在一种可能的设计中,处理组件通过以下方式确定至少一个系统子参数分别对应的参数值:
预估目标用户分别对至少一个系统子参数执行目标操作的概率,获得至少一个系统子参数分别对应的触发概率;
确定至少一个系统子参数分别对应的触发概率为至少一个系统子参数分别对应的参数值。
作为一个实施例,处理组件预估目标用户分别对至少一个系统子参数执行目标操作的概率,获得至少一个系统子参数分别对应的触发概率具体可以包括:
确定目标用户在目标处理系统的用户特征;
根据用户特征,预估目标用户分别对至少一个系统子参数执行目标操作的概率,获得至少一个系统子参数分别对应的触发概率。
在某些实施例中,处理组件还可以用于:
获取在目标处理系统中至少一个系统子参数分别对应的参数特征;
处理组件根据用户特征,预估目标用户分别对至少一个系统子参数执行目标操作的概率,获得至少一个系统子参数分别对应的触发概率具体可以包括:
根据用户特征以及至少一个系统子参数分别对应的参数特征,预估目标用户分别对至少一个系统子参数执行目标操作的概率,获得至少一个系统子参数分别对应的触发概率。
在某些实施例中,处理组件根据用户特征以及至少一个系统子参数分别对应的参数特征,预估目标用户分别对至少一个系统子参数执行目标操作的概率,获得至少一个系统子参数分别对应的触发概率具体可以包括:
根据用户特征以及至少一个系统子参数分别对应的参数特征,预估N次目标用户对至少一个系统子参数中任一个系统子参数执行目标操作的触发结果触发结果,获得N个触发结果;其中,任一个触发结果为目标用户对至少一个系统子参数中任一个系统子参数执行目标操作;
根据N个触发结果,确定至少一个系统子参数分别对应的触发次数;
根据至少一个系统子参数分别对应的触发次数与N的比值,确定至少一个系统子参数分别对应的触发概率。
作为一种可能的实现方式,处理组件通过以下方式确定触发结果:
根据用户特征以及至少一个系统子参数分别对应的参数特征,生成在线预估模型;
利用在线预估模型,预估至少一个系统子参数分别获得的奖励信息的概率,获得至少一个系统子参数分别对应的奖励概率;
根据至少一个系统子参数分别对应的奖励概率,确定奖励概率最大的系统子参数为目标用户执行目标操作的系统子参数。
在一种可能的设计中,处理组件在线预估模型具有随机属性信息;利用在线预估模型,预估至少一个系统子参数分别获得的奖励信息的概率,获得至少一个系统子参数分别对应的奖励概率具体可以包括:
利用在线预估模型,随机对至少一个系统子参数中任一个系统子参数被触发的事件进行多次事件采样,获得多个采样结果;其中,任一次采样结果为至少一个系统子参数中任一个系统子参数获得目标用户的奖励信息;
根据多个采样结果,统计至少一个系统子参数分别获得奖励信息的次数,以获得至少一个系统子参数分别对应的奖励次数;
根据至少一个系统子参数分别对应的奖励次数,确定至少一个系统子参数分别对应的奖励概率。
在又一种可能的设计中,在线预估模型不具有随机属性信息;处理组件利用在线预估模型,预估至少一个系统子参数分别获得的奖励信息的概率,获得至少一个系统子参数分别对应的奖励概率具体可以包括:
利用在线预估模型,预估至少一个系统子参数分别对应的奖励分数;
根据至少一个应用子模型分别对应的奖励分数,生成至少一个系统子参数对应的采样分布模型;
利用采样分布模型,采样获得至少一个系统子参数分别对应的奖励概率。
在某些实施例中,采样分布模型包括均匀分布模型,处理组件根据至少一个应用子模型分别对应的奖励分数,生成至少一个系统子参数分别对应的采样分布模型具体可以包括:
对至少一个应用子模型分别对应的奖励分数进行归一化处理,获得至少一个应用子模型分别对应的奖励数据;
根据至少一个应用子模型分别对应的奖励数据,构建均匀分布模型。
作为一个实施例,处理组件根据用户特征以及至少一个系统子参数分别对应的参数特征,生成在线预估模型具体可以包括:
获取至少一个系统子参数分别对应的历史奖励信息;
根据用户特征以及至少一个系统子参数分别对应的参数特征,结合至少一个系统子参数分别对应的历史奖励信息,生成在线预估模型。
在某些实施例中,处理组件获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息具体可以包括:
获取历史参数实例,以及历史参数实例对应的历史使用信息;
根据历史参数实例对应的历史使用信息以及目标参数实例的当前使用信息,生成至少一个系统子参数分别对应的第一子效果信息;
确定至少一个系统子参数分别对应的第一子效果信息构成的使用效果信息。
作为又一个实施例,处理组件处理如果目标参数实例满足参数使用条件,生成目标参数实例对应的系统反馈信息具体可以包括:
如果目标参数实例满足参数使用条件,根据目标参数实例生成目标处理系统的系统设置信息;
处理组件息通过以下方式向目标用户反馈系统反馈信息:
向目标用户展示系统设置信息对应的目标处理系统,以供目标用户使用系统设置信息对应的目标处理系统。
在某些实施例中,处理组件还可以用于:
确定目标处理系统中比例参数对应的至少一个系统子参数;
确定比例参数的至少一个系统子参数在目标处理系统对应的系统参数;
处理组件处理如果目标参数实例满足参数使用条件,根据目标参数实例生成目标处理系统的系统设置信息具体可以包括:
如果目标参数实例满足参数使用条件,获取目标参数实例分别在至少一个系统子参数对应的参数值;
根据任一个系统子参数对应的参数值,确定系统子参数对应的系统参数的系统数据;
确定至少一个系统参数分别对应的系统数据构成的系统设置信息。
在某些实施例中,处理组件处理如果目标参数实例满足参数使用条件,生成目标参数实例对应的系统反馈信息具体可以包括:
如果目标参数实例满足参数使用条件,生成目标参数实例对应的参数提示信息;
系统反馈信息通过以下方式向目标用户反馈:
为目标用户输出参数提示信息,以供目标用户查看目标参数实例。
作为一个实施例,处理组件定目标处理系统中比例参数对应的目标参数实例可以包括:
确定目标处理系统中比例参数对应的多个参数生成算法;
确定多个参数生成算法分别为比例参数生成的目标参数实例,以获得多个目标参数实例;
处理组件获取目标用户使用目标参数实例对应的目标处理系统产生的使用效果信息具体可以包括:
获取目标用户使用任一个目标参数实例对应的目标处理系统产生的使用效果信息,以获得多个目标参数实例分别对应的使用效果信息;
处理组件基于使用效果信息,生成目标参数实例在目标处理系统产生的系统反馈信息具体可以包括:
基于多个目标参数实例分别对应的使用效果信息,从多个目标参数实例中确定目标参数实例;
根据目标生成算法,生成目标处理系统中算法提示信息;
处理组件通过以下方式向目标用户反馈系统反馈信息:
为目标用户展示算法提示信息,以供目标用户查看目标参数实例对应的参数生成算法。
在一种可能的设计中,处理组件通过以下方式获取目标用户使用任一个目标参数实例对应的目标处理系统产生的使用效果信息:
生成目标处理系统的模拟系统;
基于模拟系统,模拟目标用户使用目标处理系统产生的模拟效果信息;
根据目标参数实例以及模拟效果信息,确定使用效果信息。
在某些实施例中,处理组件还可以用于:
确定目标处理系统中比例参数对应的至少一个系统子参数;
处理组件基于模拟系统,模拟目标用户使用目标处理系统产生的模拟效果信息具体可以包括:
基于模拟系统,模拟目标用户使用目标处理系统时,在至少一个系统子参数分别产生的效果评估值;
处理组件根据目标参数实例以及模拟效果信息,确定使用效果信息具体可以包括:
根据至少一个系统子参数分别对应的效果评估值,以及目标参数实例在至少一个系统子参数分别对应的参数值,确定至少一个系统子参数分别对应的第二子效果信息;
确定至少一个系统子参数分别对应的第二子效果信息构成的使用效果信息。
在某些实施例中,处理组件生成目标处理系统的模拟系统具体可以包括:
分别为至少一个系统子参数生成概率分布模型;
处理组件基于模拟系统,模拟目标用户使用目标处理系统时,在至少一个系统子参数分别产生的效果评估值具体可以包括:
根据任一个系统子参数对应的概率分布模型,随机对系统子参数被触发的事件进行多次事件采样,获得系统子参数对应的效果评估值,以获得至少一个系统子参数分别对应的效果评估值。
在一种可能的设计中,处理组件根据至少一个系统子参数分别对应的效果评估值,以及目标参数实例在至少一个系统子参数分别对应的参数值,确定至少一个系统子参数分别对应的第二子效果信息具体可以包括:
根据至少一个系统子参数分别对应的效果评估值,以及目标参数实例在至少一个系统子参数分别对应的参数值,将任一个系统子参数的效果评估值以及参数值相乘,获得系统子参数的第二子效果信息,以获得至少一个系统子参数分别对应的第二子效果信息。
作为又一个实施例,处理组件确定目标用户针对目标处理系统发起的系统应用请求具体可以包括:
接收优化用户发起的算法选择请求;
响应于算法选择请求,生成目标用户针对目标处理系统发起的系统应用请求。
作为一个实施例,处理组件还可以用于:
检测目标用户针对比例参数发起的参数调整请求;
响应参数调整请求,获取目标用户提供的参数调整信息;
基于参数调整信息调整比例参数的目标参数实例,获得调整后的目标参数实例。
在某些实施例中,处理组件还可以用于:
根据第二参数实例,生成目标处理系统的预期设置信息;
向使用目标处理系统的目标用户展示预期设置信息对应的目标处理系统,以供目标用户使用预期设置信息对应的目标处理系统。
作为一种可能的实现方式,处理组件还可以用于:
获取目标用户的用户属性信息;
处理组件通过以下方式向目标用户反馈系统反馈信息:
基于用户属性信息,从预设多个反馈类型中选择与目标用户最匹配的目标反馈类型;
按照目标反馈类型,生成系统反馈信息对应的系统展示信息;
将系统展示信息通过目标处理系统向信息目标展示。
作为又一个实施例,处理组件还用于:
确定目标用户针对网络交易系统发起的系统访问请求;响应于系统访问请求,确定网络交易系统中比例参数对应的目标参数实例;获取目标用户使用目标参数实例对应的网络交易系统产生的使用效果信息;基于使用效果信息,生成目标参数实例在网络交易系统产生的系统反馈信息;其中,系统反馈信息用于向目标用户反馈。
图9的实现计算设备可以执行图1等实施例的数据处理方法,其实现原理和技术效果不再赘述。对于上述实施例中的处理组件所执行的各个步骤的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
此外,本申请实施例还提供一种计算机可读存储介质,该存储介质用于存储计算机程序,计算机程序执行时可以执行如前述实施例中数据处理方法。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现,当然也可以通过硬件和软件结合的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (27)
1.一种数据处理方法,其特征在于,包括:
确定目标处理系统中比例参数对应的目标参数实例;
获取目标用户使用所述目标参数实例对应的目标处理系统产生的使用效果信息;
基于所述使用效果信息,生成所述目标参数实例在所述目标处理系统产生的系统反馈信息;
其中,所述系统反馈信息用于向所述目标用户反馈。
2.根据权利要求1所述的方法,其特征在于,所述确定目标处理系统中比例参数对应的目标参数实例包括:
确定目标用户针对所述目标处理系统发起的系统应用请求;
响应于所述系统应用请求,确定所述目标处理系统中比例参数对应的目标参数实例。
3.根据权利要求1所述的方法,其特征在于,所述确定目标处理系统中比例参数对应的目标参数实例包括:
检测所述目标处理系统满足更新条件时,确定所述目标处理系统中比例参数对应的目标参数实例。
4.根据权利要求1所述的方法,其特征在于,所述获取所述目标用户使用所述目标参数实例对应的目标处理系统产生的使用效果信息之后,还包括:
根据所述目标参数实例的使用效果信息,判断所述目标参数实例是否满足参数使用条件;
所述基于所述使用效果信息,生成所述目标参数实例在所述目标处理系统产生的系统反馈信息包括:
如果所述目标参数实例满足参数使用条件,生成所述目标参数实例对应的系统反馈信息。
5.根据权利要求4所述的方法,其特征在于,还包括:
如果所述目标参数实例不满足参数使用条件,基于所述使用效果信息,更新所述比例参数对应的目标参数实例;向所述目标用户展示更新后的所述目标参数实例对应的目标处理系统,返回至所述获取所述目标用户使用所述目标参数实例对应的目标处理系统产生的使用效果信息的步骤继续执行。
6.根据权利要求4所述的方法,其特征在于,所述响应于所述系统应用请求,确定所述目标处理系统中比例参数对应的目标参数实例包括:
响应于所述系统应用请求,确定所述目标处理系统中所述比例参数对应的目标生成算法;
通过所述目标生成算法,生成所述目标处理系统中所述比例参数对应的目标参数实例。
7.根据权利要求6所述的方法,其特征在于,所述目标生成算法通过以下方式生成所述目标处理系统中所述比例参数对应的目标参数实例:
确定所述目标处理系统中所述比例参数对应的至少一个系统子参数;
确定所述至少一个系统子参数分别对应的参数值构成的目标参数实例。
8.根据权利要求7所述的方法,其特征在于,所述至少一个系统子参数分别对应的参数值通过以下方式确定:
预估所述目标用户分别对所述至少一个系统子参数执行目标操作的概率,获得所述至少一个系统子参数分别对应的触发概率;
确定所述至少一个系统子参数分别对应的触发概率为所述至少一个系统子参数分别对应的参数值。
9.根据权利要求8所述的方法,其特征在于,所述预估所述目标用户分别对所述至少一个系统子参数执行目标操作的概率,获得所述至少一个系统子参数分别对应的触发概率包括:
确定所述目标用户在所述目标处理系统的用户特征;
根据所述用户特征,预估所述目标用户分别对所述至少一个系统子参数执行目标操作的概率,获得所述至少一个系统子参数分别对应的触发概率。
10.根据权利要求9所述的方法,其特征在于,还包括:
获取在所述目标处理系统中所述至少一个系统子参数分别对应的参数特征;
所述根据所述用户特征,预估所述目标用户分别对所述至少一个系统子参数执行目标操作的概率,获得所述至少一个系统子参数分别对应的触发概率包括:
根据所述用户特征以及所述至少一个系统子参数分别对应的参数特征,预估所述目标用户分别对所述至少一个系统子参数执行目标操作的概率,获得所述至少一个系统子参数分别对应的触发概率。
11.根据权利要求10所述的方法,其特征在于,所述根据所述用户特征以及所述至少一个系统子参数分别对应的参数特征,预估所述目标用户分别对所述至少一个系统子参数执行目标操作的概率,获得所述至少一个系统子参数分别对应的触发概率包括:
根据所述用户特征以及所述至少一个系统子参数分别对应的参数特征,预估N次所述目标用户对所述至少一个系统子参数中任一个系统子参数执行目标操作的触发结果,获得N个触发结果;其中,任一个触发结果为所述目标用户对所述至少一个系统子参数中任一个系统子参数执行目标操作;
根据N个触发结果,确定所述至少一个系统子参数分别对应的触发次数;
根据所述至少一个系统子参数分别对应的触发次数与N的比值,确定所述至少一个系统子参数分别对应的触发概率。
12.根据权利要求11所述的方法,其特征在于,所述触发结果通过以下方式确定:
根据所述用户特征以及所述至少一个系统子参数分别对应的参数特征,生成在线预估模型;
利用所述在线预估模型,预估所述至少一个系统子参数分别获得的奖励信息的概率,获得所述至少一个系统子参数分别对应的奖励概率;
根据所述至少一个系统子参数分别对应的奖励概率,确定奖励概率最大的系统子参数为所述目标用户执行目标操作的系统子参数。
13.根据权利要求12所述的方法,其特征在于,所述根据所述用户特征以及所述至少一个系统子参数分别对应的参数特征,生成在线预估模型包括:
获取所述至少一个系统子参数分别对应的历史奖励信息;
根据所述用户特征以及所述至少一个系统子参数分别对应的参数特征,结合所述至少一个系统子参数分别对应的历史奖励信息,生成所述在线预估模型。
14.根据权利要求7所述的方法,其特征在于,所述获取所述目标用户使用所述目标参数实例对应的目标处理系统产生的使用效果信息包括:
获取历史参数实例,以及所述历史参数实例对应的历史使用信息;
根据所述历史参数实例对应的历史使用信息以及所述目标参数实例的当前使用信息,生成所述至少一个系统子参数分别对应的第一子效果信息;
确定所述至少一个系统子参数分别对应的第一子效果信息构成的所述使用效果信息。
15.根据权利要求5所述的方法,其特征在于,所述如果所述目标参数实例满足参数使用条件,生成所述目标参数实例对应的系统反馈信息包括:
如果所述目标参数实例满足参数使用条件,根据所述目标参数实例生成所述目标处理系统的系统设置信息;
所述系统反馈信息通过以下方式向所述目标用户反馈:
向所述目标用户展示所述系统设置信息对应的所述目标处理系统,以供所述目标用户使用所述系统设置信息对应的所述目标处理系统。
16.根据权利要求15所述的方法,其特征在于,还包括:
确定所述目标处理系统中所述比例参数对应的至少一个系统子参数;
确定所述比例参数的至少一个系统子参数在所述目标处理系统对应的系统参数;
所述如果所述目标参数实例满足参数使用条件,根据所述目标参数实例生成所述目标处理系统的系统设置信息包括:
如果所述目标参数实例满足参数使用条件,获取所述目标参数实例分别在所述至少一个系统子参数对应的参数值;
根据任一个系统子参数对应的参数值,确定所述系统子参数对应的系统参数的系统数据;
确定至少一个系统参数分别对应的系统数据构成的系统设置信息。
17.根据权利要求4所述的方法,其特征在于,所述如果所述目标参数实例满足参数使用条件,生成所述目标参数实例对应的系统反馈信息包括:
如果所述目标参数实例满足参数使用条件,生成所述目标参数实例对应的参数提示信息;
所述系统反馈信息通过以下方式向所述目标用户反馈:
为所述目标用户输出所述参数提示信息,以供所述目标用户查看所述目标参数实例。
18.根据权利要求1所述的方法,其特征在于,所述确定目标处理系统中比例参数对应的目标参数实例包括:
确定所述目标处理系统中所述比例参数对应的多个参数生成算法;
确定所述多个参数生成算法分别为所述比例参数生成的目标参数实例,以获得多个目标参数实例;
所述获取所述目标用户使用所述目标参数实例对应的目标处理系统产生的使用效果信息包括:
获取所述目标用户使用任一个目标参数实例对应的目标处理系统产生的使用效果信息,以获得所述多个目标参数实例分别对应的使用效果信息;
所述基于所述使用效果信息,生成所述目标参数实例在所述目标处理系统产生的系统反馈信息包括:
基于所述多个目标参数实例分别对应的使用效果信息,从所述多个目标参数实例中确定目标参数实例;
确定生成所述目标参数实例的参数生成算法为目标生成算法;
根据所述目标生成算法,生成所述目标处理系统中算法提示信息;
所述系统反馈信息通过以下方式向所述目标用户反馈:
展示所述算法提示信息,以提示与目标用户最匹配的目标生成算法。
19.根据权利要求18所述的方法,其特征在于,所述目标用户使用任一个目标参数实例对应的目标处理系统产生的使用效果信息通过以下方式获取:
生成所述目标处理系统的模拟系统;
基于所述模拟系统,模拟所述目标用户使用所述目标处理系统产生的模拟效果信息;
根据所述目标参数实例以及所述模拟效果信息,确定所述使用效果信息。
20.根据权利要求19所述的方法,其特征在于,所述根据所述至少一个系统子参数分别对应的效果评估值,以及所述目标参数实例在所述至少一个系统子参数分别对应的参数值,确定所述至少一个系统子参数分别对应的第二子效果信息包括:
根据所述至少一个系统子参数分别对应的效果评估值,以及所述目标参数实例在所述至少一个系统子参数分别对应的参数值,将任一个系统子参数的效果评估值以及参数值相乘,获得所述系统子参数的第二子效果信息,以获得所述至少一个系统子参数分别对应的第二子效果信息。
21.根据权利要求18所述的方法,其特征在于,所述确定目标用户针对目标处理系统发起的系统应用请求包括:
接收优化用户发起的算法选择请求;
响应于所述算法选择请求,生成所述目标用户针对目标处理系统发起的系统应用请求。
22.根据权利要求1所述的方法,其特征在于,所述系统反馈信息向所述目标用户反馈之后,还包括:
检测所述目标用户针对所述比例参数发起的参数调整请求;
响应所述参数调整请求,获取所述目标用户提供的参数调整信息;
基于所述参数调整信息调整所述比例参数的目标参数实例,获得调整后的所述目标参数实例。
23.根据权利要求22所述的方法,其特征在于,所述基于所述参数调整信息调整所述比例参数的参数实例,获得所述目标用户的预期参数实例之后,还包括:
根据所述第二参数实例,生成所述目标处理系统的预期设置信息;
向使用所述目标处理系统的目标用户展示所述预期设置信息对应的所述目标处理系统,以供所述目标用户使用所述预期设置信息对应的所述目标处理系统。
24.根据权利要求1所述的方法,其特征在于,还包括:
获取所述目标用户的用户属性信息;
所述系统反馈信息通过以下方式向目标用户反馈:
基于所述用户属性信息,从预设多个反馈类型中选择与所述目标用户最匹配的目标反馈类型;
按照所述目标反馈类型,生成所述系统反馈信息对应的系统展示信息;
将所述系统展示信息通过所述目标处理系统向信息目标展示。
25.一种数据处理方法,其特征在于,包括:
确定目标用户针对网络交易系统发起的系统访问请求;
响应于所述系统访问请求,确定所述网络交易系统中比例参数对应的目标参数实例;
获取所述目标用户使用所述目标参数实例对应的网络交易系统产生的使用效果信息;
基于所述使用效果信息,生成所述目标参数实例在所述网络交易系统产生的系统反馈信息;
其中,所述系统反馈信息用于向所述目标用户反馈。
26.一种数据处理方法,其特征在于,包括:
响应于调用数据处理接口的使用请求,确定所述数据处理接口对应的处理资源;
利用所述数据处理接口对应的处理资源执行如下步骤:
确定目标处理系统中比例参数对应的目标参数实例;
获取目标用户使用所述目标参数实例对应的目标处理系统产生的使用效果信息;
基于所述使用效果信息,生成所述目标参数实例在所述目标处理系统产生的系统反馈信息;
其中,所述系统反馈信息用于向所述目标用户反馈。
27.一种计算设备,其特征在于,包括:存储组件以及处理组件;所述存储组件用于存储一条或多条计算机指令,所述一条或多条计算机指令被所述处理组件调用;
所述处理组件用于:
确定目标处理系统中比例参数对应的目标参数实例;获取目标用户使用所述目标参数实例对应的目标处理系统产生的使用效果信息;基于所述使用效果信息,生成所述目标参数实例在所述目标处理系统产生的系统反馈信息;其中,所述系统反馈信息用于向所述目标用户反馈。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110138392.8A CN114841305A (zh) | 2021-02-01 | 2021-02-01 | 数据处理方法及计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110138392.8A CN114841305A (zh) | 2021-02-01 | 2021-02-01 | 数据处理方法及计算设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114841305A true CN114841305A (zh) | 2022-08-02 |
Family
ID=82560677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110138392.8A Pending CN114841305A (zh) | 2021-02-01 | 2021-02-01 | 数据处理方法及计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114841305A (zh) |
-
2021
- 2021-02-01 CN CN202110138392.8A patent/CN114841305A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902708B (zh) | 一种推荐模型训练方法及相关装置 | |
Ma et al. | Multi-valued collaborative QoS prediction for cloud service via time series analysis | |
CN105469263A (zh) | 一种商品推荐方法及装置 | |
EP4181026A1 (en) | Recommendation model training method and apparatus, recommendation method and apparatus, and computer-readable medium | |
Liu et al. | Balancing between accuracy and fairness for interactive recommendation with reinforcement learning | |
EP4283511A1 (en) | Information processing method and device, server and user equipment | |
CN109690581A (zh) | 用户指导系统及方法 | |
Song | Web service reliability prediction based on machine learning | |
Manimurugan et al. | A user-based video recommendation approach using CAC filtering, PCA with LDOS-CoMoDa | |
CN111680213A (zh) | 信息推荐方法、数据处理方法及装置 | |
CN114692859A (zh) | 数据处理方法及装置、计算设备及试验精简设备 | |
CN112906896A (zh) | 信息处理方法及装置、计算设备 | |
CN111768246A (zh) | 一种数据处理方法、模型建立方法、装置及电子设备 | |
CN115631006A (zh) | 智能推荐银行产品的方法、装置、存储介质及计算机设备 | |
CN114841305A (zh) | 数据处理方法及计算设备 | |
CN112200602B (zh) | 用于广告推荐的神经网络模型训练方法及装置 | |
Madi et al. | Plmwsp: Probabilistic latent model for web service qos prediction | |
Gupta et al. | OWA operator‐based hybrid framework for outlier reduction in web mining | |
CN114385915A (zh) | 一种内容推荐方法、装置、存储介质及电子设备 | |
CN113656702A (zh) | 用户行为的预测方法及装置 | |
CN114510627A (zh) | 对象推送方法、装置、电子设备及存储介质 | |
CN115222177A (zh) | 业务数据处理方法、装置、计算机设备和存储介质 | |
Zhang et al. | Cross-platform rating prediction method based on review topic | |
Kalibatienė et al. | On web service quality using multi-criteria decision-making and fuzzy inference methods | |
CN116523546B (zh) | 智能读者行为分析预测系统数据采集分析的方法和装置 |
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 |