CN113312554A - 用于评价推荐***的方法及装置、电子设备和介质 - Google Patents
用于评价推荐***的方法及装置、电子设备和介质 Download PDFInfo
- Publication number
- CN113312554A CN113312554A CN202110662575.XA CN202110662575A CN113312554A CN 113312554 A CN113312554 A CN 113312554A CN 202110662575 A CN202110662575 A CN 202110662575A CN 113312554 A CN113312554 A CN 113312554A
- Authority
- CN
- China
- Prior art keywords
- content
- target object
- candidate
- recommendation system
- evaluated
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000011156 evaluation Methods 0.000 claims abstract description 81
- 230000000694 effects Effects 0.000 claims abstract description 76
- 238000004590 computer program Methods 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 238000012015 optical character recognition Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 14
- 238000005457 optimization Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000000366 juvenile effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000586 desensitisation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种用于评价推荐***的方法及装置、电子设备和介质，涉及数据处理技术领域，尤其涉及智能推荐技术。实现方案为：确定目标对象的至少一个待评价内容，至少一个待评价内容为推荐***向目标对象呈现的历史推荐内容；获取目标对象针对至少一个待评价内容的评价数据；以及根据评价数据来评价推荐***的推荐效果。
Description
技术领域
本公开涉及数据处理技术领域，尤其涉及智能推荐技术，具体涉及一种用于评价推荐***的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
推荐***用于从海量数据中筛选出用户可能感兴趣的内容，并将其推送给用户。目前，推荐***已经被广泛应用于新闻资讯推荐、商品推荐、音视频推荐、广告投放、社交好友推荐等诸多场景中。随着信息技术的发展，推荐***的数据量与日俱增，采用的推荐算法更加复杂多样，使得推荐***在向用户提供个性化推荐服务方面面临巨大挑战，可能不能准确地向用户推荐其所感兴趣的内容。为了对推荐***进行优化，使推荐***能够更好地向用户提供个性化推荐服务，需要对推荐***的推荐效果进行评价。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种用于评价推荐***的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面，提供了一种用于评价推荐***的方法，包括：确定目标对象的至少一个待评价内容，所述至少一个待评价内容为所述推荐***向所述目标对象呈现的历史推荐内容；获取所述目标对象针对所述至少一个待评价内容的评价数据；以及根据所述评价数据来评价所述推荐***的推荐效果。
根据本公开的另一方面，提供了一种用于评价推荐***的装置，包括：内容确定模块，被配置为确定目标对象的至少一个待评价内容，所述至少一个待评价内容为所述推荐***向所述目标对象呈现的历史推荐内容；数据获取模块，被配置为通过所述评价接口获取所述目标对象针对所述至少一个待评价内容的评价数据；以及评价模块，被配置为根据所述评价数据来评价所述推荐***的推荐效果。
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。该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上述用于评价推荐***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。该计算机指令用于使计算机执行上述用于评价推荐***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。该计算机程序在被处理器执行时实现上述用于评价推荐***的方法。
根据本公开的一个或多个实施例，根据用户(即目标对象)对推荐***向其呈现的历史推荐内容(即待评价内容)的评价数据来评价推荐***的推荐效果。评价数据是用户对历史推荐内容的真实体验反馈，根据评价数据来评价推荐***的推荐效果，能够提高推荐***的评价结果的准确性。
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
附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开实施例的可以在其中实施本文描述的各种方法的示例性***的示意图；
图2示出了根据本公开实施例的用于评价推荐***的方法的流程图；
图3A、3B示出了根据本公开实施例的示例性内容呈现界面的示意图；
图4A、4B示出了根据本公开实施例的示例性数据接口的示意图；
图5示出了根据本公开实施例的用于评价推荐***的装置的结构框图；以及
图6示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
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。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。
在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性***100的示意图。参考图1，该***100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中，服务器120可以运行使得能够执行用于评价推荐***的方法的一个或多个服务或软件应用。
在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的***配置是可能的，其可以与***100不同。因此，图1是用于实施本文所描述的各种方法的***的一个示例，并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106对推荐***向其呈现的历史推荐内容进行评价。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量、任何类型的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、游戏***、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作***，例如Microsoft Windows、AppleiOS、类UNIX操作***、Linux或类Linux操作***(例如Google Chrome OS)；或包括各种移动操作***，例如Microsoft Windows Mobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器和其他设备。游戏***可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作***的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作***以及任何商业上可用的服务器操作***的一个或多个操作***。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中，服务器120可以为分布式***的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
***100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件***支持的常规存储库。
图1的***100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
为了本公开实施例的目的，在图1的示例中，客户端设备101、102、103、104、105和106中可以包括用于进行内容浏览的客户端应用，用户可以通过该客户端应用来浏览内容。用户浏览的内容可以是新闻资讯、音视频、商品信息等，相应地，客户端应用可以是新闻资讯应用、影音娱乐应用、购物应用等。客户端应用可以以多种方式存在于客户端设备中。例如，客户端应用可以是运行前需要下载和安装的应用程序，也可以是可通过浏览器访问的网站，还可以是运行于宿主应用中的轻量化的小程序，等等。
与客户端设备中的用于进行内容浏览的客户端应用相应地，服务器120可以是该客户端应用对应的服务器。服务器120中可以包括服务程序，该服务程序可以基于数据库130中已存储的内容信息(包括内容的标题、配图、正文、作者、类型、交互情况(例如点赞、评论、转发等)等)，向用户提供内容浏览服务。进一步地，服务程序中包括推荐***，推荐***能够向用户提供个性化推荐服务，根据用户的相关信息(例如属性信息、行为信息等)，从已存储的多条内容中确定用户可能感兴趣的内容(即推荐内容)，并将所确定的多条推荐内容的部分或全部呈现给用户。与此相应地，用户可以通过客户端应用来浏览推荐***向其推荐的推荐内容。
在一些情况中，可以对推荐***的推荐效果进行评价，并根据评价结果来对推荐***进行优化，以使推荐***能够更好地向用户提供个性化推荐服务。在相关技术中，通常根据用户对推荐内容的点击次数、点展比(即点击次数和展示次数的比值)、浏览时长等技术指标来评价推荐***的推荐效果。由于推荐内容的质量参差不齐，可能存在标题过分夸大或扭曲事实(即俗称的“标题党”)、标题与正文不符等情况，因此用户对推荐内容的点击、长时间浏览等行为并不意味着用户对推荐内容满意。点击次数、点展比、浏览时长等技术指标无法准确反映用户对推荐内容的真实体验和主观感受，导致根据这些技术指标得出的推荐***的评价结果不够准确，置信度较低。
为了准确评价推荐***的推荐效果，在本公开的实施例中，服务器120可以执行用于评价推荐***的方法200，获取用户对其浏览过的历史推荐内容的评价数据，并根据评价数据来评价推荐***的推荐效果。评价数据是用户对历史推荐内容的真实体验反馈，根据评价数据来评价推荐***的推荐效果，能够提高推荐***的评价结果的准确性，对推荐***的优化方向提供明确指引。
进一步地，服务器120可以根据执行本公开实施例的用于评价推荐***的方法所得到的评价结果来对推荐***进行优化。针对优化后的推荐***，可以再次根据本公开实施例的用于评价推荐***的方法对其进行评价，并基于评价结果再次对其进行优化。评价和优化的过程可以循环执行多次，从而能够不断提升推荐***的推荐效果，使推荐***能够更好地向用户提供个性化推荐服务。
图2示出了根据本公开实施例的用于评价推荐***的方法200的流程图。方法200可以在服务器(例如图1中所示的服务器120)处执行，也即，方法200的各个步骤的执行主体可以是图1中所示的服务器120。可以理解地，在一些实施例中，方法200也可以在客户端设备(例如图1中所示的客户端设备101、102、103、104、105和106)处执行。进一步地，客户端设备可以将通过执行方法200所得到的推荐***的评价结果上传至服务器。
如图2所示，方法200包括：步骤210、确定目标对象的至少一个待评价内容，该待评价内容为推荐***向目标对象呈现的历史推荐内容；步骤220、获取目标对象针对上述至少一个待评价内容的评价数据；以及步骤230、根据上述评价数据来评价推荐***的推荐效果。
根据本公开的实施例，根据用户(即目标对象)对推荐***向其呈现的历史推荐内容(即待评价内容)的评价数据来评价推荐***的推荐效果。评价数据是用户对历史推荐内容的真实体验反馈，根据评价数据来评价推荐***的推荐效果，能够提高推荐***的评价结果的准确性，对推荐***的优化方向提供明确指引。
以下详细描述方法200的各个步骤。
在步骤210中，确定目标对象的至少一个待评价内容，该待评价内容为推荐***向目标对象呈现的历史推荐内容。
在本公开的实施例中，目标对象指的是参与评价推荐***的真实用户，其可以从使用推荐***的多个用户中选取得出。在下文中，如无特殊说明，将使用推荐***的用户记为“候选对象”，将从使用推荐***的多个用户中选取得出的参与评价推荐***的用户记为“目标对象”。应当理解，目标对象可以有一个或多个，目标对象的集合(包括一个或多个目标对象)是候选对象的集合(包括多个候选对象)的子集。
根据一些实施例，方法200还可以包括用于确定目标对象的步骤240，步骤240包括：获取使用推荐***的多个候选对象的对象属性和活跃度属性；以及根据对象属性和活跃度属性，从多个候选对象中确定目标对象。
对象属性指的是候选对象本身的特征，包括但不限于候选对象的性别、年龄、所在的地域等。
活跃度属性指的是候选对象在推荐***上的活跃程度，其例如可以根据候选对象使用推荐***的时长和/或频率来确定。候选对象使用推荐***的时长越长、频率越高(即使用越频繁)，其活跃度属性的值越大。如上文所述，推荐***通常是客户端应用对应的服务程序的一部分。在一些实施例中，可以将候选对象使用客户端应用的时长和频率作为候选对象使用该推荐***的时长和频率。
需要说明的是，在本公开的实施例中，所涉及的候选对象的对象属性、活跃度属性的获取、存储和使用等，均符合相关法律法规的规定，且不违背公序良俗。候选对象(即用户)的对象属性、活跃度属性基于用户的授权和同意而被获取、存储以及使用。并且，对象属性、活跃度属性在被获取、存储以及使用的过程中均经过了脱敏处理(即匿名化处理)。
用户(候选对象)对推荐***的使用体验与其活跃度属性呈显著的正相关关系。在本公开的实施例中，根据候选对象的对象属性和活跃度属性来从多个候选对象中确定目标对象，可以使目标对象的构成更加接近推荐***的真实用户群，从而提高推荐***评价结果的真实性和准确性。
根据一些实施例，可以进一步按照以下步骤242-246来从多个候选对象中确定目标对象：步骤242、根据对象属性，对多个候选对象进行抽样，得到第一对象集合；步骤244、根据活跃度属性，基于第一对象集合确定第二对象集合，其中，第二对象集合中的候选对象的活跃度属性的分布情况与所述多个候选对象的活跃度属性的分布情况一致；以及步骤246、将第二对象集合中的候选对象作为目标对象。
根据一些实施例，步骤242进一步包括：根据对象属性，将所述多个候选对象划分为多个对象组，每个对象组包括具有相同对象属性的至少一个候选对象；以及根据所述多个对象组中的每一个对象组所包括的候选对象的数量，对所述多个对象组中的候选对象进行分层抽样。
一般地，在分层抽样的过程中，可以首先确定需要从各对象组中抽取的候选对象的数量。具体地，从第i个对象组中抽取的候选对象的数量为(ni*n)/∑ni，其中ni为第i个对象组所包括的候选对象的数量，n为目标对象的总数量，∑ni为候选对象的总数量。随后，从各对象组中随机抽取相应数量的候选对象，即从第i个对象组中随机抽取出(ni*n)/∑ni个候选对象。
例如，对象属性包括性别(男/女)、年龄(少年/青年/中年/老年)和地域(一线城市/二线城市/三线城市/四线城市/五线城市)，相应地，可以将多个候选对象划分为(男，少年，一线城市)、(女，少年，一线城市)、(男，青年，二线城市)、(女，青年，二线城市)等共2*4*5＝40个对象组，各对象组包括的候选对象的数量分别为n1，n2，n3，…，n40，候选对象的总数量
设置目标对象的总数量为n，则需要从第i(i＝1，2，3，…，40)个对象组中随机抽取出(ni*n)/N个候选对象。
通过将多个候选对象划分为多个对象组，根据各对象组所包括的候选对象的数量对多个对象组中的候选对象进行分层抽样，可以使目标对象的对象属性构成与所述多个候选对象的对象属性构成一致。
根据一些实施例，步骤244进一步包括：确定第一活跃度属性和第二活跃度属性，其中，第一对象集合中的具有第一活跃度属性的候选对象所占的比例大于所述多个候选对象中的具有第一活跃度属性的候选对象所占的比例，第一对象集合中的具有第二活跃度属性的候选对象所占的比例小于所述多个候选对象中的具有第二活跃度属性的候选对象所占的比例；从第一对象集合中移除一个具有第一活跃度属性的第一候选对象；以及将一个具有第二活跃度属性的第二候选对象添加至第一对象集合，其中，第二候选对象的对象属性与第一候选对象的对象属性相同。
第一候选对象、第二候选对象可以是随机选取的，也可以是按照一定规则选取的。第二候选对象的对象属性与第一候选对象的对象属性相同，从而保证在从第一对象集合中移除第一候选对象并向其中添加第二候选对象后，第一对象集合中的候选对象的对象属性分布情况不变(始终与所述多个候选对象的对象属性构成一致)。
上述从第一对象集合中移除第一候选对象并向其中添加第二候选对象的步骤可以反复执行多次，直至第一对象集合中的候选对象的活跃度属性的分布情况与所述多个候选对象的活跃度属性的分布情况一致，即得到第二对象集合。
例如，活跃度属性包括高度活跃、中度活跃和轻度活跃。第一对象集合中的高度活跃、中度活跃、轻度活跃的候选对象所占的比例分别为0.4、0.3、0.3，所述多个候选对象中的高度活跃、中度活跃、轻度活跃的候选对象所占的比例分别为0.2、0.5、0.3。由于第一对象集合中的高度活跃的候选对象所占的比例0.4大于所述多个候选对象中的高度活跃的候选对象所占的比例0.2，因此高度活跃为第一活跃度属性；由于第一对象集合中的中度活跃的候选对象所占的比例0.3小于所述多个候选对象中的中度活跃的候选对象所占的比例0.5，因此中度活跃为第二活跃度属性。相应地，可以从第一对象集合中随机移除一个高度活跃的候选对象(即第一候选对象)，该第一候选对象的对象属性例如可以是(男，少年，一线城市)；并且，从当前不属于第一对象集合的候选对象中随机选取一个对象属性同为(男，少年，一线城市)的中度活跃的候选对象(即第二候选对象)，添加至第一对象集合中。从第一对象集合中移除高度活跃的第一候选对象并向其中添加中度活跃的第二候选对象的步骤可以反复执行多次，直至第一对象集合中的候选对象的活跃度属性的分布情况与所述多个候选对象的活跃度属性的分布情况一致为止，即二者的高度活跃、中度活跃、轻度活跃的候选对象所占的比例同为0.2、0.5、0.3。与所述多个候选对象的活跃度属性的分布情况一致的第一对象集合即为第二对象集合。
基于步骤240所确定的目标对象，可以进一步确定目标对象的至少一个待评价内容。
待评价内容为推荐***向目标对象呈现的历史推荐内容。从目标对象的角度来说，待评价内容为目标对象浏览过的历史推荐内容。
如上文所述，推荐***可以从已存储的多条内容中确定目标对象可能感兴趣的内容，并将所确定的多条推荐内容中的部分或全部呈现给目标对象。应当理解，上述“呈现”的动作可以不是由推荐***本身来执行，而是由推荐***指示客户端设备的显示器来执行。
例如，推荐***从已存储的多条内容中确定针对目标对象A的100个推荐内容，并将这100个推荐内容按照用户可能感兴趣的程度由高到低的顺序排序。目标对象可以通过客户端设备中的客户端应用来发起推荐请求，以请求获取一定数量的推荐内容。推荐***响应于该推荐请求，将相应数量的推荐内容返回给客户端设备，并由客户端设备的显示器将这些推荐内容呈现给目标对象。图3A示出了根据本公开实施例的客户端设备上呈现的示例性内容呈现界面300A的示意图。如图3所示，界面300A中呈现了四个推荐内容，即推荐内容1-推荐内容4。目标对象可以通过点击(例如点击界面300A中的预设区域或控件)、滑动(例如在界面300A中向上滑动)等交互方式来发起推荐请求。推荐***响应于该推荐请求，进一步将一定数量的推荐内容，例如推荐内容5、推荐内容6返回给客户端设备，并通过客户端设备的显示器将推荐内容5、推荐内容6呈现给目标对象。推荐内容5、推荐内容6的呈现界面300B如图3B所示。
根据一些实施例，目标对象的至少一个待评价内容可以按照以下步骤获取：获取目标对象的浏览历史截图；对所述浏览历史截图进行光学字符识别(Optical CharacterRecognition，OCR)，以确定所述浏览历史截图中包括的推荐内容；以及将所述推荐内容作为所述至少一个待评价内容。
目标对象的浏览历史截图例如可以是目标对象在浏览内容的过程中截取的。通常地，浏览历史截图中仅包括各推荐内容的标题和标题的背景图像。根据一些实施例，在通过OCR技术识别出浏览历史截图中的各推荐内容的标题后，可以根据推荐内容的标题，进一步从数据库中获取推荐内容对应的作者、领域、正文、配图等信息，为后续评价推荐***提供参考。
根据另一些实施例，目标对象的至少一个待评价内容也可以按照以下步骤获取：获取目标对象的访问日志；以及将访问日志中的推荐内容作为所述至少一个待评价内容。
访问日志例如可以是目标对象对推荐***的访问日志，或者是目标对象对推荐***所服务的客户端应用的访问日志。访问日志中记录有目标对象曾经浏览过的内容。通过对访问日志进行分析，可以确定目标对象曾浏览过的推荐内容，并将这些推荐内容作为该目标对象的至少一个待评价内容。
需要说明的是，在上述实施例中，目标对象的访问日志基于用户的授权和同意而被获取、存储以及使用。目标对象的访问日志的获取、存储和使用等均符合相关法律法规的规定，且不违背公序良俗。
在步骤220中，可以获取目标对象针对上述至少一个待评价内容的评价数据。
根据一些实施例，步骤220进一步包括：向目标对象提供用于评价所述至少一个待评价内容的数据接口；以及通过所述数据接口获取所述目标对象针对所述至少一个待评价内容的评价数据。在该实施例中，数据接口针对待评价内容而生成，可以用于精准地获取目标对象对待评价内容的评价数据，无需获取目标对象对其他无关内容(例如非推荐内容、未呈现给目标对象的推荐内容等)的评价，从而提高了获取评价数据的效率，进而提高了评价推荐***的效率。
根据一些实施例，评价数据包括但不限于目标对象对所述至少一个待评价内容中的每一个待评价内容的满意度和所述满意度对应的原因信息。目标对象对待评价内容的满意度可以用一组预设的数字评分(例如整数1-5)来表示，目标对象对待评价内容的满意度越高，数字评分越大。
图4A示出了根据本公开实施例的示例性数据接口400A的示意图，数据接口400A用于获取目标对象对待评价内容1的评价数据。
如图4A所示，数据接口400A的顶部示出了待评价内容1的基本信息，包括待评价内容1的标题402和待评价内容1中的配图404、406和408。文本框410用于获取验证码(Completely Automated Public Turing test to tell Computers and Humans Apart，CAPTCHA)，以区分目标对象为真实用户还是计算机程序。验证码具体可以是待评价内容的标题的前三个字。
数据接口400A可以获取的评价数据包括目标对象对待评价内容1的满意度(对应于图4A中的问题1)以及该满意度对应的原因信息(对应于图4A中的问题2和问题3)。
针对问题1，数据接口400A示出了多个满意度选项，目标对象可以通勾选满意度选项对应的单选框412来提交其对待评价内容1的满意度。针对问题2，数据接口400A示出了多个满意的原因选项，目标对象可以通过勾选原因选项对应的复选框414来提交其对待评价内容1满意的原因信息。针对问题3，数据接口400A示出了多个不满意的原因选项，目标对象可以通过勾选原因选项对应的复选框416来提交其对待评价内容1不满意的原因信息。
图4B示出了根据本公开实施例的另一示例性数据接口400B的示意图，数据接口400B用于在数据接口400A的基础上，进一步获取目标对象对待评价内容1的其他方面的评价数据。数据接口400B与数据接口400A可以是同一个数据接口，即二者属于同一个页面。例如，目标对象可以通过在图4A所示的数据接口400A中进行上滑操作来得到图4B所示的数据接口400B。
如图4B所示，与图4A类似地，数据接口400B的顶部示出了待评价内容1的标题402，配图404、406和408以及用于获取验证码的文本框410。
数据接口400B可以获取的评价数据包括目标对象认为的待评价内容1的类型(对应于图4B中的问题4)、所属的领域(对应于图4B中的问题5)以及目标对象浏览相似内容的频次(对应于图4B中的问题6)。
针对问题4，数据接口400B示出了多个类型选项，目标对象可以通过勾选类型选项对应的单选框418来提交其认为的待评价内容1的类型。针对问题5，数据接口400B示出了两个下拉框420，目标对象可以通过点击下拉框420来选择其认为的待评价内容1所属的领域。针对问题6，数据接口400B示出了多个频次选项，目标对象可以通过勾选频次选项对应的单选框422来提交其看到与待评价内容1相同或相似的内容的频次。
在步骤230中，可以根据步骤220中获取的评价数据来评价推荐***的推荐效果。
步骤220中获取的评价数据可能是异常的，例如，评价数据可能是目标对象随意输入的，这种评价数据不能表达目标对象对待评价内容的真实感受。根据一些实施例，可以根据预设的异常判断条件来确定评价数据中的异常数据，并剔除异常数据，根据剩余的评价数据来评价推荐***的推荐效果，从而保证推荐***的评价结果的准确性。
预设的异常判断条件例如可以是目标对象输入评价数据所用的时间是否异常、目标对象对所有待评价内容的评价是否相同、评价数据是否存在逻辑错误等。如果目标对象输入评价数据所用的时间很短(例如短于一预设的时间阈值)，或者对所有待评价内容的评价均相同(例如对所有待评价内容均具有相同的满意度或相同的原因信息)，或者评价数据明显错误(例如某一待评价内容的真实类型为“图文”，而目标对象选择的类型为“短视频”)，这判断该评价数据为异常数据。
在剔除了评价数据中的异常数据后，可以根据剩余的评价数据来评价推荐***的推荐效果。根据一些实施例，可以根据相应的评价数据，分别确定各目标对象对推荐***的整体满意度；以及根据各目标对象的整体满意度，确定推荐***的推荐效果。
例如，推荐***的推荐效果S可以按照以下步骤计算得出：
首先，计算目标对象i对推荐***的整体满意度si：
其中，mi为目标对象i的待评价内容的数量，cij为目标对象i对第j个待评价内容的满意度。
根据各目标对象对推荐***的整体满意度，计算推荐***的推荐效果S：
其中，n为目标对象的数量。
根据一些实施例，还可以根据多个目标对象对每一个待评价内容的评价数据，分别评价推荐***针对不同类型内容的推荐效果，例如，分别评价推荐***针对图文、短视频、直播、广告等类型内容的推荐效果，以便后续对推荐效果较差的内容类型进行针对性地优化。
图5示出了根据本公开的实施例的用于评价推荐***的装置500的结构框图。如图5所示，装置500包括内容确定模块510、数据获取模块520和评价模块530。
内容确定模块510可以被配置为确定目标对象的至少一个待评价内容，所述至少一个待评价内容为所述推荐***向所述目标对象呈现的历史推荐内容。
数据获取模块520可以被配置为获取所述目标对象针对所述至少一个待评价内容的评价数据。
评价模块530可以被配置为根据所述评价数据来评价所述推荐***的推荐效果。
根据本公开的实施例，根据用户(即目标对象)对推荐***向其呈现的历史推荐内容(即待评价内容)的评价数据来评价推荐***的推荐效果。评价数据是用户对历史推荐内容的真实体验反馈，根据评价数据来评价推荐***的推荐效果，能够提高推荐***的评价结果的准确性，对推荐***的优化方向提供明确指引。
根据一些实施例，装置500还包括对象确定模块。对象确定模块进一步包括属性获取单元和对象确定单元，其中，属性获取单元可以被配置为获取使用所述推荐***的多个候选对象的对象属性和活跃度属性；对象确定单元可以被配置为根据所述对象属性和所述活跃度属性，从所述多个候选对象中确定所述目标对象。
根据一些实施例，所述活跃度属性根据候选对象使用所述推荐***的时长和/或频率来确定。
根据一些实施例，对象确定单元可以进一步被配置为：根据所述对象属性，对所述多个候选对象进行抽样，得到第一对象集合；第二对象确定单元可以被配置为根据所述活跃度属性，基于所述第一对象集合确定第二对象集合，其中，所述第二对象集合中的候选对象的活跃度属性的分布情况与所述多个候选对象的活跃度属性的分布情况一致；以及将所述第二对象集合中的候选对象作为所述目标对象。
根据一些实施例，对象确定单元可以进一步被配置为：根据所述对象属性，将所述多个候选对象划分为多个对象组，每个对象组包括具有相同对象属性的至少一个候选对象；以及根据所述多个对象组中的每一个对象组所包括的候选对象的数量，对所述多个对象组中的候选对象进行分层抽样。
根据一些实施例，对象确定单元可以进一步被配置为：确定第一活跃度属性和第二活跃度属性，其中，所述第一对象集合中的具有所述第一活跃度属性的候选对象所占的比例大于所述多个候选对象中的具有所述第一活跃度属性的候选对象所占的比例，所述第一对象集合中的具有所述第二活跃度属性的候选对象所占的比例小于所述多个候选对象中的具有所述第二活跃度属性的候选对象所占的比例；从所述第一对象集合中移除一个具有所述第一活跃度属性的第一候选对象；以及将一个具有所述第二活跃度属性的第二候选对象添加至所述第一对象集合，其中，所述第二候选对象的对象属性与所述第一候选对象的对象属性相同。
根据一些实施例，内容确定模块510可以进一步被配置为：获取目标对象的浏览历史截图；对所述浏览历史截图进行光学字符识别，以确定所述浏览历史截图中包括的推荐内容；以及将所述推荐内容作为所述至少一个待评价内容。
根据一些实施例，内容确定模块510可以进一步被配置为：获取所述目标对象的访问日志；以及将所述访问日志中的推荐内容作为所述至少一个待评价内容。
根据一些实施例，数据获取模块520可以进一步被配置为：向所述目标对象提供用于评价所述至少一个待评价内容的数据接口；以及通过所述数据接口获取所述目标对象针对所述至少一个待评价内容的评价数据。
根据一些实施例，所述评价数据包括所述目标对象对所述至少一个待评价内容中的每一个待评价内容的满意度和所述满意度对应的原因信息。
根据一些实施例，所述目标对象有多个，所述评价模块530可以进一步被配置为：根据相应的评价数据，分别确定各目标对象对所述推荐***的整体满意度；以及根据各目标对象的所述整体满意度，确定所述推荐***的推荐效果。
根据一些实施例，装置500还包括数据清洗模块。数据清洗模块可以被配置为：根据预设的异常判断条件来确定所述评价数据中的异常数据；以及剔除所述异常数据。
应当理解，图5中所示装置500的各个模块可以与参考图2描述的方法200中的各个步骤相对应。由此，上面针对方法200描述的操作、特征和优点同样适用于装置500及其包括的模块。为了简洁起见，某些操作、特征和优点在此不再赘述。
虽然上面参考特定模块讨论了特定功能，但是应当注意，本文讨论的各个模块的功能可以分为多个模块，和/或多个模块的至少一些功能可以组合成单个模块。例如，上面描述的内容确定模块510和数据获取模块520在一些实施例中可以组合成单个模块。
还应当理解，本文可以在软件硬件元件或程序模块的一般上下文中描述各种技术。上面关于图5描述的各个模块可以在硬件中或在结合软件和/或固件的硬件中实现。例如，这些模块可以被实现为计算机程序代码/指令，该计算机程序代码/指令被配置为在一个或多个处理器中执行并存储在计算机可读存储介质中。可替换地，这些模块可以被实现为硬件逻辑/电路。例如，在一些实施例中，内容确定模块510、数据获取模块520、评价模块530中的一个或多个可以一起被实现在片上***(System on Chip,SoC)中。SoC可以包括集成电路芯片(其包括处理器(例如，中央处理单元(Central Processing Unit,CPU)、微控制器、微处理器、数字信号处理器(Digital Signal Processor,DSP)等)、存储器、一个或多个通信接口、和/或其他电路中的一个或多个部件)，并且可以可选地执行所接收的程序代码和/或包括嵌入式固件以执行功能。
根据本公开的实施例，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。
参考图6，现将描述可以作为本公开的服务器或客户端的电子设备600的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，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6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向设备600输入信息的任何类型的设备，输入单元606可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元607可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许设备600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，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元601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601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601执行上文所描述的各个方法和处理，例如上文描述的方法200。例如，在一些实施例中，方法200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608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、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***的***(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***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***、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***、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***、装置或设备使用或与指令执行***、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***、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***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***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(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***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***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***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机***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。
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、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、***和设备仅仅是示例性的实施例或示例，本公开的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (16)
1.一种用于评价推荐***的方法，包括：
确定目标对象的至少一个待评价内容，所述至少一个待评价内容为所述推荐***向所述目标对象呈现的历史推荐内容；
获取所述目标对象针对所述至少一个待评价内容的评价数据；以及
根据所述评价数据来评价所述推荐***的推荐效果。
2.根据权利要求1所述的方法，还包括：
获取使用所述推荐***的多个候选对象的对象属性和活跃度属性；以及
根据所述对象属性和所述活跃度属性，从所述多个候选对象中确定所述目标对象。
3.根据权利要求2所述的方法，其中，所述活跃度属性根据候选对象使用所述推荐***的时长和/或频率来确定。
4.根据权利要求2或3所述的方法，其中，所述从所述多个候选对象中确定所述目标对象包括：
根据所述对象属性，对所述多个候选对象进行抽样，得到第一对象集合；
根据所述活跃度属性，基于所述第一对象集合确定第二对象集合，其中，所述第二对象集合中的候选对象的活跃度属性的分布情况与所述多个候选对象的活跃度属性的分布情况一致；以及
将所述第二对象集合中的候选对象作为所述目标对象。
5.根据权利要求4所述的方法，其中，所述对所述多个候选对象进行抽样包括：
根据所述对象属性，将所述多个候选对象划分为多个对象组，每个对象组包括具有相同对象属性的至少一个候选对象；以及
根据所述多个对象组中的每一个对象组所包括的候选对象的数量，对所述多个对象组中的候选对象进行分层抽样。
6.根据权利要求4或5所述的方法，其中，所述基于所述第一对象集合确定第二对象集合包括：
确定第一活跃度属性和第二活跃度属性，其中，所述第一对象集合中的具有所述第一活跃度属性的候选对象所占的比例大于所述多个候选对象中的具有所述第一活跃度属性的候选对象所占的比例，所述第一对象集合中的具有所述第二活跃度属性的候选对象所占的比例小于所述多个候选对象中的具有所述第二活跃度属性的候选对象所占的比例；
从所述第一对象集合中移除一个具有所述第一活跃度属性的第一候选对象；以及
将一个具有所述第二活跃度属性的第二候选对象添加至所述第一对象集合，其中，所述第二候选对象的对象属性与所述第一候选对象的对象属性相同。
7.根据权利要求1-6中任一项所述的方法，其中，所述确定目标对象的至少一个待评价内容包括：
获取目标对象的浏览历史截图；
对所述浏览历史截图进行光学字符识别，以确定所述浏览历史截图中包括的推荐内容；以及
将所述推荐内容作为所述至少一个待评价内容。
8.根据权利要求1-6中任一项所述的方法，其中，所述确定目标对象的至少一个待评价内容包括：
获取所述目标对象的访问日志；以及
将所述访问日志中的推荐内容作为所述至少一个待评价内容。
9.根据权利要求1-8中任一项所述的方法，其中，所述获取所述目标对象针对所述至少一个待评价内容的评价数据包括：
向所述目标对象提供用于评价所述至少一个待评价内容的数据接口；以及
通过所述数据接口获取所述目标对象针对所述至少一个待评价内容的评价数据。
10.根据权利要求1-9中任一项所述的方法，其中，所述评价数据包括所述目标对象对所述至少一个待评价内容中的每一个待评价内容的满意度和所述满意度对应的原因信息。
11.根据权利要求10所述的方法，其中，所述目标对象有多个，所述根据所述评价数据来评价所述推荐***的推荐效果包括：
根据相应的评价数据，分别确定各目标对象对所述推荐***的整体满意度；以及
根据各目标对象的所述整体满意度，确定所述推荐***的推荐效果。
12.根据权利要求1-11中任一项所述的方法，还包括：
根据预设的异常判断条件来确定所述评价数据中的异常数据；以及
剔除所述异常数据。
13.一种用于评价推荐***的装置，包括：
内容确定模块，被配置为确定目标对象的至少一个待评价内容，所述至少一个待评价内容为所述推荐***向所述目标对象呈现的历史推荐内容；
数据获取模块，被配置为获取所述目标对象针对所述至少一个待评价内容的评价数据；以及
评价模块，被配置为根据所述评价数据来评价所述推荐***的推荐效果。
14.一种电子设备，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权利要求1-12中任一项所述的方法。
15.一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根据权利要求1-12中任一项所述的方法。
16.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-12中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110662575.XA CN113312554B (zh) | 2021-06-15 | 2021-06-15 | 用于评价推荐***的方法及装置、电子设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110662575.XA CN113312554B (zh) | 2021-06-15 | 2021-06-15 | 用于评价推荐***的方法及装置、电子设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113312554A true CN113312554A (zh) | 2021-08-27 |
| CN113312554B CN113312554B (zh) | 2023-11-03 |
Family
ID=77378808
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110662575.XA Active CN113312554B (zh) | 2021-06-15 | 2021-06-15 | 用于评价推荐***的方法及装置、电子设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113312554B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116402249A (zh) * | 2023-03-06 | 2023-07-07 | 贝壳找房(北京)科技有限公司 | 推荐***溢出效应评估方法、设备、存储介质及程序产品 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107729542A (zh) * | 2017-10-31 | 2018-02-23 | 咪咕音乐有限公司 | 一种信息评分方法及装置和存储介质 |
| WO2018130220A1 (zh) * | 2017-01-16 | 2018-07-19 | 广州市动景计算机科技有限公司 | 消息推送方法、设备及可编程设备 |
| CN108319611A (zh) * | 2017-01-17 | 2018-07-24 | 腾讯科技（深圳）有限公司 | 抽样方法和抽样装置 |
| CN108804506A (zh) * | 2018-04-13 | 2018-11-13 | 北京猫眼文化传媒有限公司 | 一种信息的推荐方法、装置和电子设备 |
| CN110297975A (zh) * | 2019-06-26 | 2019-10-01 | 北京百度网讯科技有限公司 | 推荐策略的评估方法、装置、电子设备和存储介质 |
| CN112817870A (zh) * | 2021-02-26 | 2021-05-18 | 北京小米移动软件有限公司 | 软件测试方法、装置及介质 |
| CN112925978A (zh) * | 2021-02-26 | 2021-06-08 | 北京百度网讯科技有限公司 | 一种推荐***评测方法、装置、电子设备和存储介质 |
-
2021
- 2021-06-15 CN CN202110662575.XA patent/CN113312554B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018130220A1 (zh) * | 2017-01-16 | 2018-07-19 | 广州市动景计算机科技有限公司 | 消息推送方法、设备及可编程设备 |
| CN108319611A (zh) * | 2017-01-17 | 2018-07-24 | 腾讯科技（深圳）有限公司 | 抽样方法和抽样装置 |
| CN107729542A (zh) * | 2017-10-31 | 2018-02-23 | 咪咕音乐有限公司 | 一种信息评分方法及装置和存储介质 |
| CN108804506A (zh) * | 2018-04-13 | 2018-11-13 | 北京猫眼文化传媒有限公司 | 一种信息的推荐方法、装置和电子设备 |
| CN110297975A (zh) * | 2019-06-26 | 2019-10-01 | 北京百度网讯科技有限公司 | 推荐策略的评估方法、装置、电子设备和存储介质 |
| CN112817870A (zh) * | 2021-02-26 | 2021-05-18 | 北京小米移动软件有限公司 | 软件测试方法、装置及介质 |
| CN112925978A (zh) * | 2021-02-26 | 2021-06-08 | 北京百度网讯科技有限公司 | 一种推荐***评测方法、装置、电子设备和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116402249A (zh) * | 2023-03-06 | 2023-07-07 | 贝壳找房(北京)科技有限公司 | 推荐***溢出效应评估方法、设备、存储介质及程序产品 |
| CN116402249B (zh) * | 2023-03-06 | 2024-02-23 | 贝壳找房(北京)科技有限公司 | 推荐***溢出效应评估方法、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113312554B (zh) | 2023-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210064827A1 (en) | Adjusting chatbot conversation to user personality and mood | |
| CN110442712B (zh) | 风险的确定方法、装置、服务器和文本审理*** | |
| CN112579909A (zh) | 对象推荐方法及装置、计算机设备和介质 | |
| US11314825B2 (en) | Machine-learning based personalization | |
| CN113411645B (zh) | 信息推荐方法及装置、电子设备和介质 | |
| CN114791982B (zh) | 对象推荐方法和装置 | |
| CN114036398A (zh) | 内容推荐和排序模型训练方法、装置、设备以及存储介质 | |
| CN116501960B (zh) | 内容检索方法、装置、设备及介质 | |
| US20140052842A1 (en) | Measuring problems from social media discussions | |
| CN116883181B (zh) | 基于用户画像的金融服务推送方法、存储介质及服务器 | |
| CN113312554B (zh) | 用于评价推荐***的方法及装置、电子设备和介质 | |
| CN115269989B (zh) | 对象推荐方法、装置、电子设备和存储介质 | |
| CN116450944A (zh) | 基于推荐模型的资源推荐方法、装置、电子设备和介质 | |
| CN116304335A (zh) | 对象推荐方法、用户偏好识别方法及装置 | |
| CN113596011B (zh) | 流量识别方法及装置，计算设备和介质 | |
| CN113076395B (zh) | 语义模型训练、搜索显示方法、装置、设备及存储介质 | |
| CN114238745A (zh) | 一种提供搜索结果的方法及装置、电子设备和介质 | |
| CN114862479A (zh) | 信息推送方法、装置、电子设备和介质 | |
| CN114880580A (zh) | 信息推荐方法及装置、电子设备和介质 | |
| CN114896061A (zh) | 计算资源控制模型的训练方法、计算资源控制方法及装置 | |
| CN114281990A (zh) | 文档分类方法及装置、电子设备和介质 | |
| CN113312511A (zh) | 用于推荐内容的方法、装置、设备和计算机可读存储介质 | |
| CN112906387A (zh) | 风险内容识别方法、装置、设备、介质和计算机程序产品 | |
| CN115033782B (zh) | 推荐对象的方法、机器学习模型的训练方法、装置和设备 | |
| CN115809364B (zh) | 对象推荐方法和模型训练方法 |
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 |