多因子权重赋值修正方法、装置、计算机设备和存储介质
技术领域
本申请涉及计算机技术领域,尤其涉及一种多因子权重赋值修正方法、装置、计算机设备和存储介质。
背景技术
在一些常见的物品排序场景中,通常需要依据该物品的得分(target)进行排序。得分通常需要很多特征参与计算,每一个特征(feature)会赋予不同的权重(weight),也就是对这个得分的贡献度不同。但目前参与计算的特征权重基本是通过计算模型,结合一定的业务经验,同时基于大量测试对特征权重进行设置或调整,以保证线上排序效果的科学。计算过程繁琐复杂需要人工设置或调整,研发成本较高。
发明内容
为了解决上述技术问题,本申请提供了一种多因子权重赋值修正方法、装置、计算机设备和存储介质。
第一方面,本实施例提供了一种多因子权重赋值修正方法,所述方法包括:
获取目标物品下每个特征的权重初始值;
计算所述目标物品相对于目标物品品类下所有物品的贡献度,得到物体贡献值;
计算所述目标物品下的每个特征相对于目标物品品类下所有物品对应特征的贡献度,得到特征贡献值;
根据所述物体贡献值和所述特征贡献值生成权重修正值;
根据所述权重修正值对所述权重初始值进行修正,得到真实特征权重值。
可选地,所述获取目标物品下每个特征的权重初始值之前,所述方法还包括:
确定目标物品以及所述目标物品下的所有特征;
基于AHP模型对所述目标物品下的所有特征赋予权重初始值。
可选地,所述计算所述目标物品相对于目标物品品类下所有物品的贡献度,得到物体贡献值,包括:
计算目标物品在指定时间段内的得分均值,得到物体平均分;
计算所述目标物品品类下所有物体在指定时间段内的得分均值总和,得到物体均分总和;
将所述物体平均分除以所述物体均分总和,得到物体贡献值。
可选地,所述计算所述目标物品下的每个特征相对于目标物品品类下所有物品对应特征的贡献度,得到特征贡献值,包括:
计算所述目标物品下每个特征在指定时间段内的得分均值,得到特征平均分;
计算所述目标物品品类下所有物体对应的特征在指定时间段内的得分均值总和,得到特征均分总和;
计算所述特征平均分除以所述特征均分总和,得到特征贡献值。
可选地,所述根据所述物体贡献值和所述特征贡献值生成权重修正值,包括:
将所述特征贡献值与物体贡献值之间的差值除以所述物体贡献值,得到权重修正值。
可选地,所述根据所述权重修正值对所述权重初始值进行修正,得到真实特征权重值,包括:
将所述权重修正值加一后再乘以权重初始值,得到真实特征权重值。
第二方面,本实施例提供了一种多因子权重赋值修正装置,所述装置包括:
获取模块,用于获取目标物品下每个特征的权重初始值;
物体计算模块,用于计算所述目标物品相对于目标物品品类下所有物品的贡献度,得到物体贡献值;
特征计算模块,用于计算所述目标物品下的每个特征相对于目标物品品类下所有物品对应特征的贡献度,得到特征贡献值;
修正计算模块,用于根据所述物体贡献值和所述特征贡献值生成权重修正值;
修正模块,用于根据所述权重修正值对所述权重初始值进行修正,得到真实特征权重值。
可选地,所述装置还包括:
目标确定模块,用于确定目标物品以及所述目标物品下的所有特征;
初始值赋值模块,用于基于AHP模型对所述目标物品下的所有特征赋予权重初始值。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取目标物品下每个特征的权重初始值;
计算所述目标物品相对于目标物品品类下所有物品的贡献度,得到物体贡献值;
计算所述目标物品下的每个特征相对于目标物品品类下所有物品对应特征的贡献度,得到特征贡献值;
根据所述物体贡献值和所述特征贡献值生成权重修正值;
根据所述权重修正值对所述权重初始值进行修正,得到真实特征权重值。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取目标物品下每个特征的权重初始值;
计算所述目标物品相对于目标物品品类下所有物品的贡献度,得到物体贡献值;
计算所述目标物品下的每个特征相对于目标物品品类下所有物品对应特征的贡献度,得到特征贡献值;
根据所述物体贡献值和所述特征贡献值生成权重修正值;
根据所述权重修正值对所述权重初始值进行修正,得到真实特征权重值。
上述多因子权重赋值修正方法、装置、计算机设备和存储介质,所述方法包括:获取目标物品下每个特征的权重初始值;计算所述目标物品相对于目标物品品类下所有物品的贡献度,得到物体贡献值;计算所述目标物品下的每个特征相对于目标物品品类下所有物品对应特征的贡献度,得到特征贡献值;根据所述物体贡献值和所述特征贡献值生成权重修正值;根据所述权重修正值对所述权重初始值进行修正,得到真实特征权重值。基于上述方法根据物品的实时数据表现计算物品各特征的权重修正值,再通过权重修正值对目标物品的各特征权重进行自适应调整,无需根据大量测试对特征权重进行人工设置,节省了研发成本。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明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简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为一个实施例中多因子权重赋值修正方法的应用环境图;
图2为一个实施例中一种多因子权重赋值修正方法的流程示意图;
图3为一个实施例中一种多因子权重赋值修正装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
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的一部分实施例,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做出创造性劳动的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。
图1为一个实施例中多因子权重赋值修正方法的应用环境图。参照图1,该多因子权重赋值修正方法应用于多因子权重赋值修正***。该多因子权重赋值修正***包括终端110和服务器120。终端110和服务器120通过网络连接。终端110具体可以是台式终端或移动终端,移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,图2为一个实施例中一种多因子权重赋值修正方法的流程示意图,提供了一种多因子权重赋值修正方法。本实施例主要以该方法应用于上述图1中的终端110(或服务器120)来举例说明。参照图2,该多因子权重赋值修正方法具体包括如下步骤:
步骤S210,获取目标物品下每个特征的权重初始值。
在本实施例中,所述目标物品包括多个特征,如质量、用户购买力、商品人气和销量等等,每个特征对应一个权重初始值,综合所有特征计算所述目标物品的得分,所述目标物品品类下的所有物品依照得分情况进行合理排序,为用户提供良好的物品选择体验感。
步骤S220,计算所述目标物品相对于目标物品品类下所有物品的贡献度,得到物体贡献值。
在本实施例中,根据线上数据实时计算所述目标物品相对于目标物品品类下所有物品的贡献度,即为计算所述目标物品在同类物品中的得分占比,初步统计所述目标物品在同类物品中的排序情况。
步骤S230,计算所述目标物品下的每个特征相对于目标物品品类下所有物品对应特征的贡献度,得到特征贡献值。
在本实施例中,根据线上数据实时计算所述目标物品的每个特征在所有同类物品对应的特征贡献度总和中的占比,即可得知每个特征对所述目标物品的贡献度。
步骤S240,根据所述物体贡献值和所述特征贡献值生成权重修正值。
在本实施例中,将根据物品线上数据计算得出的物体特征贡献值和每个特征的特征贡献值进行修正计算,即可得到当前每个特征对应的权重修正值。
步骤S250,根据所述权重修正值对所述权重初始值进行修正,得到真实特征权重值。
在本实施例中,利用每个特征的权重修正值对其权重初始值进行自适应调整,每个特征根据线上数据计算得到真实特征权重值,所述目标物品的得分依据个特征的真实特征权重重新计算,所有物品的得分情况都是依照线上数据实时更新,所述目标物品品类下所有物品的排序也自动依照得分情况进行更新,无需经过大量测试对特征权重进行人为设置,解决了物品特征权重固定无法根据市场数据实时调整的问题。
具体地,获取目标物品下每个特征的权重初始值。所述目标物品包括多个特征,如质量、用户购买力、商品人气和销量等等,每个特征对应一个权重初始值,综合所有特征计算所述目标物品的得分,所述目标物品品类下的所有物品依照得分情况进行合理排序,为用户提供良好的物品选择体验感。根据线上数据实时计算所述目标物品相对于目标物品品类下所有物品的贡献度,即为计算所述目标物品在同类物品中的得分占比,初步统计所述目标物品在同类物品中的排序情况。根据线上数据实时计算所述目标物品的每个特征在所有同类物品对应的特征贡献度总和中的占比,即可得知每个特征对所述目标物品的贡献度。将根据物品线上数据计算得出的物体特征贡献值和每个特征的特征贡献值进行修正计算,即可得到当前每个特征对应的权重修正值。利用每个特征的权重修正值对其权重初始值进行自适应调整,每个特征根据线上数据计算得到真实特征权重值,所述目标物品的得分依据个特征的真实特征权重重新计算,所有物品的得分情况都是依照线上数据实时更新,所述目标物品品类下所有物品的排序也自动依照得分情况进行更新,无需经过大量测试对特征权重进行人为设置,解决了物品特征权重固定无法根据市场数据实时调整的问题。
在一个实施例中,确定目标物品以及所述目标物品下的所有特征;基于AHP模型对所述目标物品下的所有特征赋予权重初始值。
具体地,获取目标物品下每个特征的权重初始值之前,确定多个物品中的目标物品,目标物品携带自身所有特征,基于AHP模型对目标物品下的每个特征赋予权重初始值,对目标物品下的多个特征进行初始排序,根据AHP模型为目标物品品类下所有物品按照统一的标准对每个特征赋予权重初始值,为后续的权重修正计算提供了公平的基础标准,避免不同物品下特征的权重初始值赋值标准不同影响物品的得分排序结果。
在一个实施例中,计算目标物品在指定时间段内的得分均值,得到物体平均分;计算所述目标物品品类下所有物体在指定时间段内的得分均值总和,得到物体均分总和;将所述物体平均分除以所述物体均分总和,得到物体贡献值。
具体地,所述指定时间段拟定为30天,所述目标物品在30天内的得分均值为average(target(i)),所述目标物品品类下所有物体在指定时间段内的得分均值总和为∑(average(target)),即所述物体贡献值为:
其中i为所述目标物品的编号,根据上式计算得知目标物品在同品类物品中的贡献度占比,也可得知目标物品在该品类物品中的初步排序情况,便于后续对目标物品的排序做优化调整。
在一个实施例中,计算所述目标物品下每个特征在指定时间段内的得分均值,得到特征平均分;计算所述目标物品品类下所有物体对应的特征在指定时间段内的得分均值总和,得到特征均分总和;计算所述特征平均分除以所述特征均分总和,得到特征贡献值。
具体地,所述目标物品下每个特征在30天内的得分均值为average(feature(i,j)),所述目标物品品类下所有物体对应的特征在指定时间段内的得分均值总和为∑(average(feature(i,j))),所述特征贡献值为:
其中j为所述目标物品下的特征编号,例如目标物品的一个特征为销量,则计算目标物品30日销量的均值在该品类下所有物品30日均销量总和的比例,即可得知销量作为目标物品的特征为目标物品的得分提供的贡献度,根据特征贡献值判断权重初始值的设置是否合理,若不合理则根据所述特征贡献值对销量特征的权重初始值进行修正,以提高目标物品的得分,使所述目标物品的排序靠前,增大目标物品被用户选择的可能性。
在一个实施例中,将所述特征贡献值与物体贡献值之间的差值除以所述物体贡献值,得到权重修正值。
具体地,所述权重修正值为:
利用所述特征贡献值与物体贡献值之间的差值比得到对应特征的权重修正值,根据所述权重修正值将对应特征的权重初始值进行重新计算和调整,使目标物品下的特征权重根据线上数据变化进行自适应调整,无需经过大量测试对特征权重进行人为设置,解决了物品特征权重固定无法根据市场数据实时调整的问题。
在一个实施例中,将所述权重修正值加一后再乘以权重初始值,得到真实特征权重值。
具体地,所述真实特征权重值为:
weight(j)′=weight×(1+δ(j))
其中weight为权重初始值,目标物品的每个特征都依照此方法修正计算得到对应的真实特征权重,所述真实特征权重是根据线上数据实时自适应变化的,无需经过大量测试对特征权重进行人为设置,解决了物品特征权重固定无法根据市场数据实时调整的问题。
图2为一个实施例中一种多因子权重赋值修正方法的流程示意图。应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,图3为一个实施例中一种多因子权重赋值修正装置的结构框图,如图3所示,本实施例提供了一种多因子权重赋值修正装置,所述装置包括:
获取模块310,用于获取目标物品下每个特征的权重初始值;
物体计算模块320,用于计算所述目标物品相对于目标物品品类下所有物品的贡献度,得到物体贡献值;
特征计算模块330,用于计算所述目标物品下的每个特征相对于目标物品品类下所有物品对应特征的贡献度,得到特征贡献值;
修正计算模块340,用于根据所述物体贡献值和所述特征贡献值生成权重修正值;
修正模块350,用于根据所述权重修正值对所述权重初始值进行修正,得到真实特征权重值。
在一个实施例中,所述装置还包括:
目标确定模块,用于确定目标物品以及所述目标物品下的所有特征;
初始值赋值模块,用于基于AHP模型对所述目标物品下的所有特征赋予权重初始值。
在一个实施例中,所述物体计算模块320包括:
第一平均分计算单元,用于计算目标物品在指定时间段内的得分均值,得到物体平均分;
第一总和计算单元,用于计算所述目标物品品类下所有物体在指定时间段内的得分均值总和,得到物体均分总和;
第一贡献值计算单元,用于将所述物体平均分除以所述物体均分总和,得到物体贡献值。
在一个实施例中,所述特征计算模块330包括:
第二平均分计算单元,用于计算所述目标物品下每个特征在指定时间段内的得分均值,得到特征平均分;
第二总和计算单元,用于计算所述目标物品品类下所有物体对应的特征在指定时间段内的得分均值总和,得到特征均分总和;
第二贡献值计算单元,用于计算所述特征平均分除以所述特征均分总和,得到特征贡献值。
在一个实施例中,所述修正计算模块340包括:
修正计算单元,用于将所述特征贡献值与物体贡献值之间的差值除以所述物体贡献值,得到权重修正值。
在一个实施例中,所述修正模块350包括:
修正单元,用于将所述权重修正值加一后再乘以权重初始值,得到真实特征权重值。
图4示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的终端110(或服务器120)。如图4所示,该计算机设备包括该计算机设备包括通过***总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作***,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现多因子权重赋值修正方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行多因子权重赋值修正方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的多因子权重赋值修正装置可以实现为一种计算机程序的形式,计算机程序可在如图4所示的计算机设备上运行。计算机设备的存储器中可存储组成该多因子权重赋值修正装置的各个程序模块,比如,图3所示的获取模块310、物体计算模块320、特征计算模块330、修正计算模块340和修正模块350。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的多因子权重赋值修正方法中的步骤。
例如,图4所示的计算机设备可以通过如图3所示的多因子权重赋值修正装置中的获取模块310执行获取目标物品下每个特征的权重初始值。计算机设备可通过物体计算模块320执行计算所述目标物品相对于目标物品品类下所有物品的贡献度,得到物体贡献值。计算机设备可通过特征计算模块330执行计算所述目标物品下的每个特征相对于目标物品品类下所有物品对应特征的贡献度,得到特征贡献值。计算机设备可通过修正计算模块340执行根据所述物体贡献值和所述特征贡献值生成权重修正值。计算机设备可通过修正模块350执行根据所述权重修正值对所述权重初始值进行修正,得到真实特征权重值。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
获取目标物品下每个特征的权重初始值;
计算所述目标物品相对于目标物品品类下所有物品的贡献度,得到物体贡献值;
计算所述目标物品下的每个特征相对于目标物品品类下所有物品对应特征的贡献度,得到特征贡献值;
根据所述物体贡献值和所述特征贡献值生成权重修正值;
根据所述权重修正值对所述权重初始值进行修正,得到真实特征权重值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:确定目标物品以及所述目标物品下的所有特征;基于AHP模型对所述目标物品下的所有特征赋予权重初始值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:计算目标物品在指定时间段内的得分均值,得到物体平均分;计算所述目标物品品类下所有物体在指定时间段内的得分均值总和,得到物体均分总和;将所述物体平均分除以所述物体均分总和,得到物体贡献值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:计算所述目标物品下每个特征在指定时间段内的得分均值,得到特征平均分;计算所述目标物品品类下所有物体对应的特征在指定时间段内的得分均值总和,得到特征均分总和;计算所述特征平均分除以所述特征均分总和,得到特征贡献值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将所述特征贡献值与物体贡献值之间的差值除以所述物体贡献值,得到权重修正值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将所述权重修正值加一后再乘以权重初始值,得到真实特征权重值。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取目标物品下每个特征的权重初始值;
计算所述目标物品相对于目标物品品类下所有物品的贡献度,得到物体贡献值;
计算所述目标物品下的每个特征相对于目标物品品类下所有物品对应特征的贡献度,得到特征贡献值;
根据所述物体贡献值和所述特征贡献值生成权重修正值;
根据所述权重修正值对所述权重初始值进行修正,得到真实特征权重值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:确定目标物品以及所述目标物品下的所有特征;基于AHP模型对所述目标物品下的所有特征赋予权重初始值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:计算目标物品在指定时间段内的得分均值,得到物体平均分;计算所述目标物品品类下所有物体在指定时间段内的得分均值总和,得到物体均分总和;将所述物体平均分除以所述物体均分总和,得到物体贡献值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:计算所述目标物品下每个特征在指定时间段内的得分均值,得到特征平均分;计算所述目标物品品类下所有物体对应的特征在指定时间段内的得分均值总和,得到特征均分总和;计算所述特征平均分除以所述特征均分总和,得到特征贡献值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将所述特征贡献值与物体贡献值之间的差值除以所述物体贡献值,得到权重修正值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将所述权重修正值加一后再乘以权重初始值,得到真实特征权重值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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、物品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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。