CN116127188A - 目标反馈值确定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请实施例公开了一种目标反馈值确定方法、装置、电子设备及存储介质，该方法包括：获取每个触点对应的采样率、对象数量和第一数据，第一数据包括目标用户的目标用户数据、第一对象的第一对象数据和目标用户的线上行为数据，触点为用户和对象的接触点；根据每个触点对应的采样率和对象数量，分别确定每个触点的权重值；对于每个触点，分别根据目标用户数据、多个第一对象数据和线上行为数据，确定第一反馈值，第一反馈值用于描述目标用户对第一对象的正反馈程度；基于权重值对每个触点对应的第一反馈值进行加权计算，得到目标反馈值。

Description

目标反馈值确定方法、装置、电子设备及存储介质

技术领域

本申请属于互联网技术领域，尤其涉及一种目标反馈值确定方法、装置、电子设备及存储介质。

背景技术

随着信息技术的发展，大数据与人工智能在科技发展中起着越来越重要的作用，数据挖掘和智能推荐的应用，既可以降低用户选择商品及其他相关需求的时间，使得用户在百忙之中可以很快找到自己的需求。

传统简单的数据分析挖掘已不满足生产生活的需要，利用一定的技术手段去深层地挖掘数据背后的意义。因此，目前需要一种更准确的计算用户对对象的正反馈程度的方法。

发明内容

本申请实施例提供一种目标反馈值确定方法、装置、设备及存储介质，能够解决目前需要一种更准确的计算用户对对象的正反馈程度的问题。

第一方面，本申请实施例提供一种目标反馈值确定方法，该方法包括：

获取每个触点对应的采样率、对象数量和第一数据，第一数据包括目标用户的目标用户数据、第一对象的第一对象数据和目标用户的线上行为数据，触点为用户和对象的接触点；

根据每个触点对应的采样率和对象数量，分别确定每个触点的权重值；

对于每个触点，分别根据目标用户数据、多个第一对象数据和线上行为数据，确定第一反馈值，第一反馈值用于描述目标用户对第一对象的正反馈程度；

基于权重值对每个触点对应的第一反馈值进行加权计算，得到目标反馈值。

第二方面，本申请实施例提供一种目标反馈值确定装置，目标反馈值确定装置包括：

获取模块，用于获取每个触点对应的采样率、对象数量和第一数据，第一数据包括目标用户的目标用户数据、第一对象的第一对象数据和目标用户的线上行为数据，触点为用户和对象的接触点；

第一确定模块，用于根据每个触点对应的采样率和对象数量，分别确定每个触点的权重值；

第二确定模块，用于对于每个触点，分别根据目标用户数据、多个第一对象数据和线上行为数据，确定第一反馈值，第一反馈值用于描述目标用户对第一对象的正反馈程度；

加权模块，用于基于权重值对每个触点对应的第一反馈值进行加权计算，得到目标反馈值。

第三方面，本申请实施例提供了一种电子设备，该设备包括：处理器以及存储有计算机程序指令的存储器；处理器执行计算机程序指令时，实现如第一方面或者第一方面的任一可能实现方式中的方法。

第四方面，本申请实施例提供了一种可读存储介质，该计算机可读存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如第一方面或者第一方面的任一可能实现方式中的方法。

本申请实施例中，通过获取每个触点对应的采样率、对象数量和第一数据，第一数据包括目标用户的目标用户数据、第一对象的第一对象数据和目标用户的线上行为数据，触点为用户和对象的接触点；根据每个触点对应的采样率和对象数量，分别确定每个触点的权重值，这里能够根据每个触点的情况，确定每个触点的权重值，以用于明确每个触点的第一反馈值对目标反馈值的影响程度。然后，对于每个触点，分别根据目标用户数据、多个第一对象数据和线上行为数据，能够快速准确地确定用于描述目标用户对第一对象的正反馈程度的第一反馈值，最后，基于权重值对每个触点对应的第一反馈值进行加权计算，得到目标反馈值，通过本申请实施例确定的目标反馈值，能够准确表达目标用户对第一对象的正反馈程度。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，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是本申请实施例提供的一种目标反馈值确定方法的流程图；

图2是本申请实施例提供的一种目标反馈值确定装置的结构示意图；

图3是本申请实施例提供的一种电子设备的硬件结构示意图。

具体实施方式

下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本申请，并不被配置为限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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过程、方法、对象或者设备不仅包括那些要素，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过程、方法、对象或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括要素的过程、方法、对象或者设备中还存在另外的相同要素。

本申请实施例提供的目标反馈值确定方法至少可以应用于下述应用场景中，下面进行说明。

随着信息技术的不断发展，以用户为中心，深挖用户需求，成为运营商迫切需要提升的关键竞争力，当前亟需从纷繁的信息中挖掘新的市场空间，找到新的业务突破点，为业务发展提供科学的经营决策建议。

“数据挖掘+智能推荐”技术是大数据时代背景下的必然产物。随着智能化、数据化等概念的兴起，大数据与人工智能在科技发展中起着越来越重要的作用，成功应用与生活、工作的方方面面且不断再创新。“数据挖掘+智能推荐”技术的应用，既可以降低用户选择商品及其他相关需求的时间，使得用户在百忙之中可以很快找到自己的需求。

传统简单的数据分析挖掘已不满足生产生活的需要，利用一定的技术手段去深层地挖掘数据背后的意义，利用数据分析的结果来指导科学的业务部署方案。数据分析挖掘包括利用数学方法计算相关“反馈值”据此对每个用户实现精准推荐和有效排序。

图1是本申请实施例提供的一种目标反馈值确定方法的流程图。

如图1所示，该目标反馈值确定方法可以包括步骤110-步骤140，该方法应用于目标反馈值确定装置，具体如下所示：

步骤110，获取每个触点对应的采样率、对象数量和第一数据，第一数据包括目标用户的目标用户数据、第一对象的第一对象数据和目标用户的线上行为数据，触点为用户和对象的接触点；

步骤120，根据每个触点对应的采样率和对象数量，分别确定每个触点的权重值；

步骤130，对于每个触点，分别根据目标用户数据、多个第一对象数据和线上行为数据，确定第一反馈值，第一反馈值用于描述目标用户对第一对象的正反馈程度；

步骤140，基于权重值对每个触点对应的第一反馈值进行加权计算，得到目标反馈值。

本申请实施例中，通过获取每个触点对应的采样率、对象数量和第一数据，第一数据包括目标用户的目标用户数据、第一对象的第一对象数据和目标用户的线上行为数据，触点为用户和对象的接触点；根据每个触点对应的采样率和对象数量，分别确定每个触点的权重值，这里能够根据每个触点的情况，确定每个触点的权重值，以用于明确每个触点的第一反馈值对目标反馈值的影响程度。然后，对于每个触点，分别根据目标用户数据、多个第一对象数据和线上行为数据，能够快速准确地确定用于描述目标用户对第一对象的正反馈程度的第一反馈值，最后，基于权重值对每个触点对应的第一反馈值进行加权计算，得到目标反馈值，通过本申请实施例确定的目标反馈值，能够准确表达目标用户对第一对象的正反馈程度。

下面，对步骤110-步骤140的内容分别进行描述：

涉及步骤110。

获取每个触点对应的采样率、对象数量和第一数据，第一数据包括目标用户的目标用户数据、第一对象的第一对象数据和目标用户的线上行为数据，触点为用户和对象的接触点。

通常，用户和对象的接触点，可以包括商业网站，公众号，社交媒体平台和店内客户交互。运营商可以使用数据分析来集成所有这些接触点，并为其客户提供统一和一致的体验。可以从多个客户接触点获得见解的数据，分析工具可以有效地建立品牌认知度并提高客户满意度。

其中，采样率为当前触点所采样的用户数相对于总用户数的占比值。

示例性地，采集的样本中包含触点1(app)、触点2(小程序)、触点3(wap厅)、触点4(网厅)。触点1的采样率＝0.6；触点2的采样率＝0.2；触点3的采样率＝0.1；触点4的采样率＝0.1。

其中，社交媒体平台对应的宣传信息，可以包括营销活动的h5页面，或者线下海报，其中线下海报上有二维码。宣传信息可以点对点发给用户。用户点击识别之后，可以直接办理业务。

其中，目标用户数据，可以包括：性别、年龄、城市、设备、是否行为活跃、当月总使用流量、套餐内使用流量、套餐外使用流量、当月套餐流量、成功办理的次数、办理仅在浏览的次数、对象的浏览次数、成功办理活动的次数、近2个月内流量包点击的次数、近2个月内活动点击的次数、近2个月内对象点击的次数、近2个月内服务类点击的次数、近2个月内活动分享的次数。

目标用户的线上行为数据，包括：点击、分享、办理对象的行为数据。点击、分享、办理对象对应的评分为1，未点击、分享、办理对象对应的评分为0。由此，假设M个用户N个对象，可以构建R＝M*N评分矩阵。

第一对象的第一对象数据，包括：对象业务类型、渠道、点击率、点击量、浏览次数、曝光量等。其中点击量来自数据库的行为记录，上报浏览记录一次确认点击一次，上报曝光一次记录确认曝光一次。对于流量包产品特征包括流量包产品价格、流量包类型、流量包配置有效期、流量包办理次数、退费次数等。

涉及步骤120。

根据每个触点对应的采样率和对象数量，分别确定每个触点的权重值；

权重值的计算公式可以为：

其中，M(i)表示每个触点对应的权重值，4表示4个预设的触点，α为每个触点对应的采样率，β为每个触点对应的对象数量。

采集的样本中包含触点1(app)、触点2(小程序)、触点3(wap厅)、触点4(网厅)等，并且得出各触点采集率，采样率为当前触点所采样的用户数相对于总用户数的占比值。各触点用户数的配比方案可以实现人工动态干预，这里的采集率比重将会影响反馈值计算过程的特征系数的动态权重调整。

涉及步骤130。

对于每个触点，分别根据目标用户数据、多个第一对象数据和线上行为数据，确定第一反馈值，第一反馈值用于描述目标用户对第一对象的正反馈程度。

在一种可能的实施例中，步骤130，具体可以包括以下步骤：

根据目标用户数据、多个第一对象数据和线上行为数据，确定目标用户对第一对象的第二反馈值；

根据第二反馈值，从第一对象中确定目标对象，目标用户对目标对象的第二反馈值大于第一预设阈值；

将目标用户数据和目标对象的目标对象数据输入至预先训练的预测模型，输出第一反馈值。

目标对象的第二反馈值大于第一预设阈值，这里，能够对候选的第一对象进行初步筛选，将筛选出的目标对象的目标对象数据输入至预先训练的预测模型，输出第一反馈值。

查询产品推荐内容获取每个用户基于相似度匹配的对象，每个用户又分别与每个对象组成一组关联数据库中的用户特征表和对象特征表，拉取对应的特征值进行一定的特征转换得到适合的特征向量。再将特征向量输入“反馈值模型model”计算得到排序变量值。最后将排序变量值带入激活函数得到[0-1]的连续的第一反馈值。

将目标用户数据和目标对象的目标对象数据输入至预先训练的预测模型，输出第一反馈值之前，还包括：建立预测模型。

首先，准备训练数据：每个用户和对象分别关联其特征表获取特征值，用户的特征值和对象的特征值展开拼接组成特征向量。然后对训练数据进行特征处理，具体可以经过降维处理，得到用户特征集和对象特征集。

其次，根据针对特征数据的处理，构建特征向量vector(u，i)，向量中每个元素指代一项特征列，假设有n个元素，则设计n维模型如下：

model=g(x)=w₁x₁+w₂x₂+w₃x₃+...+w_nx_n。

离散分类型特征项的选择，设置实验组和对照组，控制离散分类特征作为输入变量，观察该特征变量是否对评分结果产生影响。对于离散型分类特征假设有m个类别，按照类别个数设立m个状态位(默认所有的状态位值为0)，当前处理的类别属于第几类将会在对应的状态位上标示值为1，由此得到的m位的二维数组[0,1,0,0]，根据数组构建特征向量。高维特征向量的降维，计算协方差矩阵的特征值和特征向量，特征向量根据特征值从大到小按行排列成矩阵，取前k行组成矩阵p。Y＝PX得到降维后的数据Y。

最后，训练模型。评分采样，R＝M*N评分矩阵随机采样100条，每条包含50个对象的评分数据。经过行转列得到5000条数据(Data)。每条数据结构包括已知的评分信息和相应的特征向量。

在预测模型的基础上，通过机器学习迭代出预测模型中的特征系数，此时确立预测模型的特征系数分别是：(W1,W2,W3,W4,W5...Wn)，将此系数带入框架建立模型。

数据集Data的每一条都要输入模型model中进行预测得到观测值f(x)。每条特征向量经过model处理后得到观测值f(x)与真实值y进行对比，相同则表示预测正确，不同则表示预测错误。

其中N＝5000，f(xi)表示第i条数据经过模型计算得到的观测值，yi表示第i条数据原本携带的真实评分值。计算结果在一定程度上提示模型的准确率。均方根误差越小则模拟效果越好，越大则效果越差。

示例性地，featrue＝(1,42,551,13542,23555,0.05,2,8...)；；在经过离散分类特征选择、分类特征二维编码、高阶降维投影三个步骤，得出：feature＝(1,42,1,0,0,0,0.325,0.458,0.05,2,8,0,0,0,1...)，带入模型计算model值：model＝g(x)＝w₁x₁+w₂x₂+w₃x₃+...+w_nx_n；得出最终的预测模型。

这里，建立该反馈值算法的模型，并且把数据库中大量的数据带入算法模型中，随着用户数据的不断增大，机器学习周期时间的不断拉长，迭代数据的精准度不断的提高，最终计算出算法模型的特征系数：(W1,W2,W3,W4,W5...Wn)。

其中，上述涉及到的根据目标用户数据、多个第一对象数据和线上行为数据，确定目标用户对第一对象的第二反馈值的步骤中，具体可以包括以下步骤：

获取多个第一用户的线上行为数据，第一用户对第一对象的反馈值大于第二预设阈值；

根据第一用户的线上行为数据和目标用户的线上行为数据，确定目标用户和第一用户的第一相似度；

根据第一相似度和第一用户对第一对象的反馈值，确定目标用户对第一对象的第二反馈值。

根据第一用户的线上行为数据和目标用户的线上行为数据，确定目标用户和第一用户的第一相似度，具体可以通过下式进行计算：

xi表示目标用户对第一对象的点赞、转发和购买等行为；yi表示第一用户对第一对象的点赞、转发和购买等行为。

示例性地，用户a和用户b之间的相似度值为0.27；；以此类推得到用户间基于相似度的关系网矩阵，即确定目标用户和第一用户的第一相似度：

最后，上述涉及到的根据第一相似度和第一用户对第一对象的反馈值，确定目标用户对第一对象的第二反馈值，具体可以通过下式进行计算：

其中，p(u，i)表示对于每个第一对象i，目标用户u对它感兴趣的程度，即第二反馈值；

集合S(u,k):表示与目标用户u最相似的k个第一用户。

集合N(advert)：表示对第一对象advert感兴趣的所有用户。

w_uv表示用户u与用户集v中每个相似用户的相似度，，而用户集v来自集合S(u,k)与集合N(advert)的交集；

r_vi表示用户v对第一对象i的喜欢程度(反馈值)。i是advert1、advert2等。

示例性地，要给目标用户u推荐目标对象，选取K＝3个相似用户，根据关系网矩阵找到相似用户是：u2、u3和u4，那么他们感兴趣并且u不感兴趣的对象有：sim1(u2、u4)、sim2(u3、u4)，那么分别计算p(u,advert1)和p(u,advert2)。依据上述计算结果对每个人的对象偏好进行汇总，得到推荐内容。

其中，上述涉及到的获取多个第一用户的线上行为数据的步骤中，具体可以包括以下步骤：

获取多个第二用户的第二用户数据；

根据目标用户数据和第二用户数据，确定目标用户和第二用户的第二相似度；

根据第二相似度从多个第二用户中，确定至少一个第一用户，以及获取多个第一用户的线上行为数据。

首先根据目标用户数据和第二用户数据，确定目标用户和第二用户的第二相似度，计算目标用户a与第二用户b之间的相似值

其中，xi表示目标用户对第一对象的点赞、转发和购买等行为；yi表示第二用户对第一对象的点赞、转发和购买等行为。

以此类推，推得到用户间基于相似度的关系网矩阵。然后从用户的关系网矩阵中找出与目标用户u最相似的K个用户，即根据第二相似度从多个第二用户中，确定至少一个第一用户，用集合S(u，K)表示。

涉及步骤140。

基于权重值对每个触点对应的第一反馈值进行加权计算，得到目标反馈值。

向用户提供推荐对象，能帮助用户选择对象和服务，为用户决策提供辅助，在互联网应用中拥有不可比拟的优势，基于权重值对每个触点对应的第一反馈值进行加权计算，得到目标反馈值。

由此，可以基于目标反馈值，在用户没有明确目的对象的时候，能够帮助他们发现感兴趣的新信息新需求，提供个性化的服务，具有更强的智能性和主动性。

在一种可能的实施例中，步骤140，具体可以包括以下步骤：

在目标用户与第三对象存在交互的情况下，获取第三对象对应的调整值；

基于权重值对每个触点对应的第一反馈值进行加权计算，得到第三反馈值；

根据调整值和第三反馈值，确定目标反馈值。

目标反馈值反映当前关联的对象与目标用户之间的疏远关系，在目标计算反馈值的过程中，还要考虑到某些特殊的用户指标，特殊的用户指标通过第三对象进行体现，在目标用户与第三对象存在交互的情况下，获取第三对象对应的调整值pt。

每个触点对应的第一反馈值：model＝g(x)＝w₁x₁+w₂x₂+w₃x₃+...+w_nx_n；

权重值：

其中，α为采样率，β为产品对象个数；

基于权重值对每个触点对应的第一反馈值进行加权计算，得到第三反馈值，为M(i)*f(g(x))；

调整值为pt，调整值反映当前关联的对象与目标用户之间的疏远关系；

目标反馈值根据调整值和第三反馈值确定：即目标反馈值score＝M(i)*f(g(x))+Pt。

当前计算某用户所推荐的所有产品中，每个产品根据计算所得的反馈值从大到小排序，得到的结果存入数据库。

其中，上述涉及到的在目标用户与第三对象存在交互的情况下，获取第三对象对应的调整值的步骤中，具体可以包括以下步骤：

在目标用户与第三对象存在交互的情况下，获取第三对象的第三对象数据；

根据第三对象数据确定调整值。

调整值反映当前关联的对象与目标用户之间的疏远关系，在计算目标反馈值的过程中，还要考虑到某些特殊的用户指标，这些指标通常与统计学意义无关，更多的是来自战略规划和业务导向的指示，需要通过调整值体现这些特殊的用户指标。

例如，在客户端应用程序某个胶囊位设计流量包专项对象推广业务，那么会更多的关注用户对流量使用的历史数据。

其中，第三对象包括但不限于“上月套餐内使用量”、“上月套餐外使用量”、“本月流量续费额度”、“签到次数”和“任务完成度”等。

调整值

反映对反馈值score的调整控制，当用户在某些特殊的指标中具有正向表现，则会给予较高的pt值，反之给予较低的pt值。

λ表示第几个指标的基准值，Rsi表示反馈值模型误差值，Pt在反馈值的计算过程中对特定业务导向所规定的指标具有突出作用。

其中，上述涉及到的基于权重值对每个触点对应的第一反馈值进行加权计算，得到第三反馈值的步骤中，具体可以包括以下步骤：

基于激活函数对每个触点对应的第一反馈值进行激活计算，得到第四反馈值；

基于权重值对每个触点对应的第四反馈值进行加权计算，得到第三反馈值。

激活函数：

符号e,为数学中一个常数，是一个无限不循环小数，且为超越数，其值约为2.718。

第一反馈值：model＝g(x)＝w₁x₁+w₂x₂+w₃x₃+...+w_nx_n；

基于激活函数对每个触点对应的第一反馈值进行激活计算，得到第四反馈值：f(g(x))；

基于权重值对每个触点对应的第四反馈值进行加权计算，得到第三反馈值：M(i)*f(g(x))；其中，M(i)为权重值。

进而得到目标反馈值score＝M(i)*f(g(x))+Pt。

本申请提供的目标反馈值确定方法中，通过获取每个触点对应的采样率、对象数量和第一数据，第一数据包括目标用户的目标用户数据、第一对象的第一对象数据和目标用户的线上行为数据，触点为用户和对象的接触点；根据每个触点对应的采样率和对象数量，分别确定每个触点的权重值，这里能够根据每个触点的情况，确定每个触点的权重值，以用于明确每个触点的第一反馈值对目标反馈值的影响程度。然后，对于每个触点，分别根据目标用户数据、多个第一对象数据和线上行为数据，能够快速准确地确定用于描述目标用户对第一对象的正反馈程度的第一反馈值，最后，基于权重值对每个触点对应的第一反馈值进行加权计算，得到目标反馈值，通过本申请实施例确定的目标反馈值，能够准确表达目标用户对第一对象的正反馈程度。

基于上述图1所示的目标反馈值确定方法，本申请实施例还提供一种目标反馈值确定装置，如图2所示，该目标反馈值确定装置200可以包括：

获取模块210，用于获取每个触点对应的采样率、对象数量和第一数据，第一数据包括目标用户的目标用户数据、第一对象的第一对象数据和目标用户的线上行为数据，触点为用户和对象的接触点；

第一确定模块220，用于根据每个触点对应的采样率和对象数量，分别确定每个触点的权重值；

第二确定模块230，用于对于每个触点，分别根据目标用户数据、多个第一对象数据和线上行为数据，确定第一反馈值，第一反馈值用于描述目标用户对第一对象的正反馈程度；

加权模块240，用于基于权重值对每个触点对应的第一反馈值进行加权计算，得到目标反馈值。

在一种可能的实施例中，第二确定模块230，具体用于：

根据所述目标用户数据、多个所述第一对象数据和所述线上行为数据，确定所述目标用户对第一对象的第二反馈值；

根据第二反馈值，从所述第一对象中确定目标对象，所述目标用户对所述目标对象的第二反馈值大于第一预设阈值；

将所述目标用户数据和所述目标对象的目标对象数据输入至预先训练的预测模型，输出所述第一反馈值。

在一种可能的实施例中，第二确定模块230，具体用于：

获取多个第一用户的线上行为数据，所述第一用户对所述第一对象的反馈值大于第二预设阈值；

根据所述第一用户的线上行为数据和所述目标用户的线上行为数据，确定所述目标用户和所述第一用户的第一相似度；

根据第一相似度和所述第一用户对所述第一对象的反馈值，确定所述目标用户对第一对象的第二反馈值。

在一种可能的实施例中，第二确定模块230，具体用于：

获取多个第二用户的第二用户数据；

根据所述目标用户数据和所述第二用户数据，确定所述目标用户和所述第二用户的第二相似度；

根据所述第二相似度从所述多个第二用户中，确定至少一个所述第一用户，以及获取多个第一用户的线上行为数据。

在一种可能的实施例中，加权模块240，具体用于：

在所述目标用户与第三对象存在交互的情况下，获取所述第三对象对应的调整值；

基于所述权重值对每个所述触点对应的第一反馈值进行加权计算，得到第三反馈值；

根据所述调整值和所述第三反馈值，确定所述目标反馈值。

在一种可能的实施例中，加权模块240，具体用于：

在所述目标用户与第三对象存在交互的情况下，获取所述第三对象的第三对象数据；

根据所述第三对象数据确定所述调整值。

在一种可能的实施例中，加权模块240，具体用于：

基于激活函数对每个所述触点对应的第一反馈值进行激活计算，得到第四反馈值；

基于所述权重值对每个所述触点对应的所述第四反馈值进行加权计算，得到所述第三反馈值。

本申请实施例，通过获取每个触点对应的采样率、对象数量和第一数据，第一数据包括目标用户的目标用户数据、第一对象的第一对象数据和目标用户的线上行为数据，触点为用户和对象的接触点；根据每个触点对应的采样率和对象数量，分别确定每个触点的权重值，这里能够根据每个触点的情况，确定每个触点的权重值，以用于明确每个触点的第一反馈值对目标反馈值的影响程度。然后，对于每个触点，分别根据目标用户数据、多个第一对象数据和线上行为数据，能够快速准确地确定用于描述目标用户对第一对象的正反馈程度的第一反馈值，最后，基于权重值对每个触点对应的第一反馈值进行加权计算，得到目标反馈值，通过本申请实施例确定的目标反馈值，能够准确表达目标用户对第一对象的正反馈程度。

图3示出了本申请实施例提供的一种电子设备的硬件结构示意图。

在电子设备可以包括处理器301以及存储有计算机程序指令的存储器302。

具体地，上述处理器301可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。

存储器302可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器302可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器302可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器302可在综合网关容灾设备的内部或外部。在特定实施例中，存储器302是非易失性固态存储器。在特定实施例中，存储器302包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。

处理器301通过读取并执行存储器302中存储的计算机程序指令，以实现图所示实施例中的任意一种目标反馈值确定方法。

在一个示例中，电子设备还可包括通信接口303和总线310。其中，如图3所示，处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。

通信接口303，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。

总线310包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线310可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

该电子设备可以执行本申请实施例中的目标反馈值确定方法，从而实现结合图1描述的目标反馈值确定方法。

另外，结合上述实施例中的目标反馈值确定方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现图1的目标反馈值确定方法。

需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

以上所述，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，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，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。

Claims (10)

1.一种目标反馈值确定方法，其特征在于，所述方法包括：

获取每个触点对应的采样率、对象数量和第一数据，所述第一数据包括目标用户的目标用户数据、第一对象的第一对象数据和所述目标用户的线上行为数据，所述触点为用户和对象的接触点；

根据所述每个触点对应的所述采样率和所述对象数量，分别确定每个所述触点的权重值；

对于每个所述触点，分别根据所述目标用户数据、多个所述第一对象数据和所述线上行为数据，确定第一反馈值，所述第一反馈值用于描述所述目标用户对所述第一对象的正反馈程度；

基于所述权重值对每个所述触点对应的第一反馈值进行加权计算，得到目标反馈值。

2.根据权利要求1所述的方法，其特征在于，所述对于每个所述触点，分别根据所述目标用户数据、多个所述第一对象数据和所述线上行为数据，确定第一反馈值，包括：

根据所述目标用户数据、多个所述第一对象数据和所述线上行为数据，确定所述目标用户对第一对象的第二反馈值；

根据第二反馈值，从所述第一对象中确定目标对象，所述目标用户对所述目标对象的第二反馈值大于第一预设阈值；

将所述目标用户数据和所述目标对象的目标对象数据输入至预先训练的预测模型，输出所述第一反馈值。

3.根据权利要求2所述的方法，其特征在于，所述根据所述目标用户数据、多个所述第一对象数据和所述线上行为数据，确定所述目标用户对第一对象的第二反馈值，包括：

获取多个第一用户的线上行为数据，所述第一用户对所述第一对象的反馈值大于第二预设阈值；

根据所述第一用户的线上行为数据和所述目标用户的线上行为数据，确定所述目标用户和所述第一用户的第一相似度；

根据第一相似度和所述第一用户对所述第一对象的反馈值，确定所述目标用户对第一对象的第二反馈值。

4.根据权利要求3所述的方法，其特征在于，所述获取多个第一用户的线上行为数据，包括：

获取多个第二用户的第二用户数据；

根据所述目标用户数据和所述第二用户数据，确定所述目标用户和所述第二用户的第二相似度；

根据所述第二相似度从所述多个第二用户中，确定至少一个所述第一用户，以及获取多个第一用户的线上行为数据。

5.根据权利要求1所述的方法，其特征在于，所述基于所述权重值对每个所述触点对应的第一反馈值进行加权计算，得到目标反馈值，包括：

在所述目标用户与第三对象存在交互的情况下，获取所述第三对象对应的调整值；

基于所述权重值对每个所述触点对应的第一反馈值进行加权计算，得到第三反馈值；

根据所述调整值和所述第三反馈值，确定所述目标反馈值。

6.根据权利要求5所述的方法，其特征在于，所述在所述目标用户与第三对象存在交互的情况下，获取所述第三对象对应的调整值，包括：

在所述目标用户与第三对象存在交互的情况下，获取所述第三对象的第三对象数据；

根据所述第三对象数据确定所述调整值。

7.根据权利要求5所述的方法，其特征在于，所述基于所述权重值对每个所述触点对应的第一反馈值进行加权计算，得到第三反馈值，包括：

基于激活函数对每个所述触点对应的第一反馈值进行激活计算，得到第四反馈值；

基于所述权重值对每个所述触点对应的所述第四反馈值进行加权计算，得到所述第三反馈值。

8.一种目标反馈值确定装置，其特征在于，所述目标反馈值确定装置包括：

获取模块，用于获取每个触点对应的采样率、对象数量和第一数据，所述第一数据包括目标用户的目标用户数据、第一对象的第一对象数据和所述目标用户的线上行为数据，所述触点为用户和对象的接触点；

第一确定模块，用于根据所述每个触点对应的所述采样率和所述对象数量，分别确定每个所述触点的权重值；

第二确定模块，用于对于每个所述触点，分别根据所述目标用户数据、多个所述第一对象数据和所述线上行为数据，确定第一反馈值，所述第一反馈值用于描述所述目标用户对所述第一对象的正反馈程度；

加权模块，用于基于所述权重值对每个所述触点对应的第一反馈值进行加权计算，得到目标反馈值。

9.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现如权利要求1-7任一项所述目标反馈值确定方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-7任一项所述目标反馈值确定方法。

Images