例的上述具體例子中，總共有10000件待排序商品，而在步驟102的求解 過程中通常需要使用4000件商品的相關(guān)數(shù)據(jù)就可以得到相對滿意的計(jì)算結(jié)果，權(quán)衡考慮 計(jì)算精度和效率，在本步驟執(zhí)行之前，按照10000件待排序商品的原始評分?jǐn)?shù)據(jù)從大到小 的順序，從中選擇4000件商品參與計(jì)算。采用這4000件商品計(jì)算得到的新增排序因子權(quán) 重系數(shù)的值通常是具有代表性的，因此也可以用于計(jì)算其他待排序商品的排序分。
[0160] 步驟103 :以所述待評價(jià)客體的原始評分?jǐn)?shù)據(jù)、所述新增排序因子的值以及計(jì)算 得到的所述新增排序因子權(quán)重系數(shù)的值為輸入，采用所述排序分計(jì)算模型計(jì)算所述待評價(jià) 客體的排序分。
[0161] 由于已經(jīng)計(jì)算得到了新增排序因子權(quán)重系數(shù)的值，因此本步驟可以采用預(yù)先設(shè)定 的排序分計(jì)算模型計(jì)算各個(gè)待評價(jià)客體的排序分。在本實(shí)施例的上述具體例子中，還可以 將計(jì)算得到的商品排序分提供給其他負(fù)責(zé)選品或者進(jìn)行商品推薦的模塊或者系統(tǒng)，后者可 以以所述商品排序分為主要依據(jù)，也可以同時(shí)兼顧考慮其他一些因素，最終完成商品的選 取或者推薦操作。
[0162] 需要說明的是，在具體實(shí)施過程中，可以反復(fù)循環(huán)執(zhí)行本申請?zhí)峁┑姆椒?，每一?不僅可以計(jì)算出待評價(jià)客體的排序分供其他模塊或者系統(tǒng)參考，還可以以實(shí)際排序分布與 預(yù)測排序分布之間的KL距離最小化為優(yōu)化目標(biāo)，不斷調(diào)整優(yōu)化新增排序因子權(quán)重系數(shù)，使 得由所述待評價(jià)客體排序分反映出的預(yù)測排序分布越來越接近實(shí)際排序分布。
[0163] 在本實(shí)施例的上述具體例子中，每天執(zhí)行一次本申請?zhí)峁┑纳鲜龇椒?，?yōu)化計(jì)算 新增排序因子權(quán)重系數(shù)的值，并將計(jì)算得到的預(yù)測排序結(jié)果投放到在線交易系統(tǒng)的相應(yīng)業(yè) 務(wù)場景中，在相應(yīng)業(yè)務(wù)場景中，用戶瀏覽、點(diǎn)擊、購買商品等具體行為數(shù)據(jù)被存儲在用戶行 為日志中，從該日志中提取的對應(yīng)特定排序目標(biāo)的實(shí)際行為數(shù)據(jù)，又可以反饋到第二天的 計(jì)算過程中作為實(shí)際排序分布參與新一輪的計(jì)算......。每天重復(fù)執(zhí)行上述過程，形成了 一個(gè)閉環(huán)反饋的過程，在該過程中新增排序因子的權(quán)重系數(shù)會逐步優(yōu)化，預(yù)測排序分也會 與實(shí)際排序結(jié)果越來越接近。
[0164] 當(dāng)預(yù)測排序分布與實(shí)際排序分布之間的KL距離值已經(jīng)達(dá)到了預(yù)先設(shè)定的收斂要 求時(shí)，在后續(xù)使用本方法時(shí)，則可以不執(zhí)行步驟102進(jìn)行權(quán)重系數(shù)的優(yōu)化求解，每次直接根 據(jù)所述待評價(jià)客體的原始評分?jǐn)?shù)據(jù)、所述新增排序因子的值以及最后一次優(yōu)化計(jì)算得到的 新增排序因子權(quán)重系數(shù)的值，計(jì)算所述待評價(jià)客體的排序分就可以了。
[0165] 本申請?zhí)峁┑挠糜谟?jì)算待評價(jià)客體排序分的方法，在獲取待評價(jià)客體的原始評 分?jǐn)?shù)據(jù)的基礎(chǔ)上，以實(shí)際排序分布和預(yù)測排序分布之間的差異最小化為優(yōu)化目標(biāo)，求解新 增排序因子的權(quán)重系數(shù)，并根據(jù)求解結(jié)果采用排序分計(jì)算模型計(jì)算所述待排序商品的排序 分，從而在快速、方便地引入新增排序因子的同時(shí)，通過對所述排序分計(jì)算模型中排序因子 權(quán)重系數(shù)的優(yōu)化計(jì)算，使得計(jì)算得到的排序分能夠相對客觀、準(zhǔn)確地預(yù)測待評價(jià)客體的排 序狀況，更加接近實(shí)際的排序結(jié)果。
[0166] 在上述的實(shí)施例中，提供了一種用于計(jì)算待評價(jià)客體排序分的方法，與之相對應(yīng) 的，本申請還提供一種用于計(jì)算待評價(jià)客體排序分的裝置。請參看圖3,其為本申請的一種 用于計(jì)算待評價(jià)客體排序分的裝置實(shí)施例的示意圖。由于裝置實(shí)施例基本相似于方法實(shí)施 例，所以描述得比較簡單，相關(guān)之處參見方法實(shí)施例的部分說明即可。下述描述的裝置實(shí)施 例僅僅是示意性的。
[0167] 本實(shí)施例的一種用于計(jì)算待評價(jià)客體排序分的裝置，包括：數(shù)據(jù)獲取單元301，用 于獲取待評價(jià)客體的原始評分?jǐn)?shù)據(jù)、新增排序因子的值、以及以實(shí)際交互行為系統(tǒng)中對應(yīng) 每個(gè)待評價(jià)客體的歷史行為數(shù)據(jù)為根據(jù)，從中提取的對應(yīng)特定排序目標(biāo)的實(shí)際行為數(shù)據(jù)； 權(quán)重系數(shù)計(jì)算單元302,用于以根據(jù)所述實(shí)際行為數(shù)據(jù)得到的實(shí)際排序分布、和根據(jù)預(yù)先設(shè) 定的排序分計(jì)算模型得到的預(yù)測排序分布之間的KL距離最小化為優(yōu)化目標(biāo)，求解所述排 序分計(jì)算模型中的新增排序因子的權(quán)重系數(shù)；排序分計(jì)算單元303,用于以所述待評價(jià)客 體的原始評分?jǐn)?shù)據(jù)、所述新增排序因子的值以及計(jì)算得到的所述新增排序因子權(quán)重系數(shù)的 值為輸入，采用所述排序分計(jì)算模型計(jì)算所述待評價(jià)客體的排序分。
[0168] 可選的，所述權(quán)重系數(shù)計(jì)算單元和所述排序分計(jì)算單元采用的排序分計(jì)算模型 中，針對每個(gè)新增排序因子采用冪次項(xiàng)求和的表示方式。
[0169] 可選的，所述權(quán)重系數(shù)計(jì)算單元包括：
[0170] 實(shí)際排序分布獲取子單元，用于通過計(jì)算待評價(jià)客體的所述實(shí)際行為數(shù)據(jù)與全部 待評價(jià)客體的所述實(shí)際行為數(shù)據(jù)總和的比值，獲取所述待評價(jià)客體的實(shí)際排序分布；
[0171] 預(yù)測排序分計(jì)算子單元，用于以所述待評價(jià)客體的原始評分?jǐn)?shù)據(jù)、所述新增排序 因子的值和所述新增排序因子權(quán)重系數(shù)的當(dāng)前值為輸入，采用所述排序分計(jì)算模型計(jì)算所 述待評價(jià)客體的預(yù)測排序分；所述新增排序因子權(quán)重系數(shù)的當(dāng)前值是指，采用本方法上一 次計(jì)算得到的所述權(quán)重系數(shù)的值；
[0172] 預(yù)測排序分布表達(dá)式獲取子單元，用于以所述新增排序因子的權(quán)重系數(shù)為未知 數(shù)，將所述待評價(jià)客體的原始評分?jǐn)?shù)據(jù)、所述新增排序因子的值代入所述排序分計(jì)算模型， 并根據(jù)得到的表達(dá)式與待評價(jià)客體的所述預(yù)測排序分的總和，獲取以所述新增排序因子的 權(quán)重系數(shù)表示的預(yù)測排序分布；
[0173] KL距離表達(dá)式獲取子單元，用于獲取所述實(shí)際排序分布和所述預(yù)測排序分布之間 的KL距離的表達(dá)式；
[0174] 權(quán)重系數(shù)求解子單元，用于以所述KL距離表達(dá)式的值最小化為優(yōu)化目標(biāo)，求解所 述新增排序因子的權(quán)重系數(shù)的值。
[0175] 可選的，所述權(quán)重系數(shù)求解子單元具體用于，采用隨機(jī)梯度下降算法SGD或者邏 輯回歸優(yōu)化算法L-BFGS求解所述新增排序因子的權(quán)重系數(shù)。
[0176] 可選的，所述權(quán)重系數(shù)計(jì)算單元還包括：
[0177] 預(yù)測排序分布獲取子單元，用于在獲取所述待評價(jià)客體的實(shí)際排序分布和計(jì)算所 述待評價(jià)客體的預(yù)測排序分之后，通過計(jì)算所述待評價(jià)客體的預(yù)測排序分與全部待評價(jià)客 體的預(yù)測排序分總和的比值，獲取所述待評價(jià)客體的預(yù)測排序分布；
[0178] KL距離值計(jì)算子單元，用于計(jì)算所述實(shí)際排序分布和所述預(yù)測排序分布獲取子單 元輸出的預(yù)測排序分布之間的KL距離值；
[0179] KL距離值判斷子單元，用于判斷所述KL距離值與上次采用本方法計(jì)算得到的KL 距離值相比較，其數(shù)值減小的比例是否小于預(yù)先設(shè)定的閾值；若是，則在后續(xù)使用本裝置計(jì) 算待評價(jià)客體排序分的過程中，不再觸發(fā)所述權(quán)重系數(shù)計(jì)算單元及其子單元工作，相應(yīng)的， 所述排序分計(jì)算單元具體用于以所述待評價(jià)客體的原始評分?jǐn)?shù)據(jù)、所述新增排序因子的值 以及最近一次計(jì)算得到的所述新增排序因子權(quán)重系數(shù)的值為輸入進(jìn)行求解。
[0180] 可選的，第一次觸發(fā)所述預(yù)測排序分計(jì)算子單元工作時(shí)，將所述新增排序因子權(quán) 重系數(shù)的當(dāng)前值設(shè)置為預(yù)先設(shè)定的初始值。
[0181] 可選的，所述裝置還包括：
[0182] 客體數(shù)目判斷子單元，用于在觸發(fā)所述權(quán)重系數(shù)計(jì)算單元工作之前，判斷所述待 評價(jià)客體的數(shù)目是否大于求解新增排序因子權(quán)重系數(shù)所需待評價(jià)客體的預(yù)定數(shù)量；
[0183] 客體選擇子單元，用于當(dāng)所述客體數(shù)目判斷子單元的輸出為"是"時(shí)，按照所述待 評價(jià)客體的原始評分?jǐn)?shù)據(jù)從大到小的順序，從中選擇所述預(yù)定數(shù)量的待評價(jià)客體，作為后 續(xù)使用本方法求解所述新增排序因子的權(quán)重系數(shù)所采用的待評價(jià)客體。
[0184] 與上述的一種用于計(jì)算待評價(jià)客體排序分的方法相對應(yīng)的，本申請還提供一種用 于建立排序分計(jì)算模型的方法。請參考圖4,其為本申請?zhí)峁┑囊环N用于建立排序分計(jì)算模 型的方法實(shí)施例的流程圖，本實(shí)施例與第一實(shí)施例步驟相同的部分不再贅述，下面重點(diǎn)描 述不同之處。
[0185] 本申請?zhí)峁┑囊环N用于建立排序分計(jì)算模型的方法，包括：
[0186] 步驟401 :獲取待評價(jià)客體的原始評分?jǐn)?shù)據(jù)、新增排序因子的值、以及以實(shí)際交互 行為系統(tǒng)中對應(yīng)每個(gè)待評價(jià)客體的歷史行為數(shù)據(jù)為根據(jù)，從中提取的對應(yīng)特定排序目標(biāo)的 實(shí)際行為數(shù)據(jù)。
[0187] 為了方便地引入新增排序因子，本申請采用的排序分計(jì)算模型在原始評分?jǐn)?shù)據(jù)的 基礎(chǔ)上，加入新增排序因子項(xiàng)，每個(gè)新增排序因子都有與之對應(yīng)的權(quán)重系數(shù)（對于采用冪 次項(xiàng)表示方式的排序因子為權(quán)重系數(shù)序列）。模型的建立過程，核心就在于求解新增排序因 子的權(quán)重系數(shù)，所述權(quán)重系數(shù)確定了，那么模型也就建立起來了。本實(shí)施例提供的用于建立 排序分計(jì)算模型的方法，就是以預(yù)測排序分布和實(shí)際排序分布之間的差異值最小化為優(yōu)化 目標(biāo)，求解所述新增排序因子權(quán)重系數(shù)的值，并采用循環(huán)迭代的方式，使得所述權(quán)重系數(shù)的 值不斷優(yōu)化，并將算法滿足收斂條件時(shí)的權(quán)重系數(shù)的值，作為該模型最終的權(quán)重系數(shù)值，從 而完成模型的建立過程。
[0188] 本步驟獲取進(jìn)行所述計(jì)算所需的數(shù)據(jù)，包括：待評價(jià)客體的原始評分?jǐn)?shù)據(jù)、新增排 序因子的值、以及以實(shí)際交互行為系統(tǒng)中對應(yīng)每個(gè)待評價(jià)客體的歷史行為數(shù)據(jù)為根據(jù)，從 中提取的對應(yīng)特定排序目標(biāo)的實(shí)際行為數(shù)據(jù)。
[0189] 步驟402 :計(jì)算根據(jù)所述實(shí)際行為數(shù)據(jù)得到的實(shí)際排序分布、和采用預(yù)先設(shè)定的 排序分計(jì)算模型得到的預(yù)測排序分布之間的KL距離值。
[0190] 在本實(shí)施例中，用所述實(shí)際排序分布和所述預(yù)測排序分布之間的KL距離值作為 衡量所述兩個(gè)分布之間差異的具體數(shù)值。
[0191] 具體說，計(jì)算所述實(shí)際排序分布和所述預(yù)測排序分布之間的KL距離值，包括以下 幾個(gè)過程：
[0192] 首先，通過計(jì)算待評價(jià)客體的所述實(shí)際行為數(shù)據(jù)與全部待評價(jià)客體的所述實(shí)際行 為數(shù)據(jù)總和的比值，獲取所述待評價(jià)客體的實(shí)際排序分布。
[0193] 其次，以所述待排序商品的原始評分?jǐn)?shù)據(jù)、所述新增排序因子的值和所述新增排 序因子權(quán)重系數(shù)的當(dāng)前值為輸入，采用所述排序分計(jì)算模型計(jì)算所述待評價(jià)客體的預(yù)測排 序分。所述新增排序因子權(quán)重系數(shù)的當(dāng)前值是指，上一次計(jì)算得到的權(quán)重系數(shù)值，在第一次 計(jì)算預(yù)測排序分時(shí)，將所述新增排序因子權(quán)重系數(shù)的當(dāng)前值設(shè)置為預(yù)先設(shè)定的初始值。
[0194] 然后，通過計(jì)算所述待評價(jià)客體的預(yù)測排序分與全部待評價(jià)客體的預(yù)測排序分總 和的比值，獲取所述待評價(jià)客體的預(yù)測排序分布。
[0195] 最后，計(jì)算所述實(shí)際排序分布和所述預(yù)測排序分布之間的KL距離值。
[0196] 步驟403 :判斷所述KL距離值是否滿足預(yù)先設(shè)定的收斂要求，若是，執(zhí)行步驟404， 否則，執(zhí)行步驟405。
[0197] 所述預(yù)先設(shè)定的收斂要求是指，本次計(jì)算的KL距離值與上次計(jì)算得到的KL距離 值相比較，其數(shù)值減小的比例小于預(yù)先設(shè)定的閾值。若是，說明預(yù)測排序分布與實(shí)際排序分 布之間的KL距離值已經(jīng)滿足了預(yù)先設(shè)定的收斂要求，可以不再進(jìn)行新增排序因子的權(quán)重 系數(shù)的優(yōu)化求解，因此繼續(xù)執(zhí)行步驟404 ;若否，說明還有必要繼續(xù)縮小預(yù)測排序分布與實(shí) 際排序分布之間的差異，也就是說，還需要對新增排序因子的權(quán)重系數(shù)繼續(xù)進(jìn)行優(yōu)化計(jì)算， 因此轉(zhuǎn)到步驟405執(zhí)行。
[0198] 在具體實(shí)施時(shí)，還可以采用其他的判斷方法。例如，可以預(yù)先設(shè)置一個(gè)具體的閾值 用于判定算法是否收斂，當(dāng)步驟402計(jì)算出的KL距離值大于所述閾值時(shí)，說明沒有滿足預(yù) 先設(shè)定的收斂要求，否則認(rèn)為已收斂；或者不計(jì)算具體的KL距離值，而是統(tǒng)計(jì)迭代計(jì)算的 次數(shù)，當(dāng)?shù)?jì)算的次數(shù)大于或者等于預(yù)先根據(jù)經(jīng)驗(yàn)設(shè)定的計(jì)算次數(shù)時(shí)，可以認(rèn)為算法已 經(jīng)收斂。上述各種判斷方式，都是【具體實(shí)施方式】的變更，并不偏離本申請的核心，因此都在 本申請的保護(hù)范圍內(nèi)。
[0199] 步驟404 :結(jié)束本方法的執(zhí)行，所述商品排序分計(jì)算模型建立完畢。
[0200] 執(zhí)行到本步驟，說明預(yù)測排序分布與實(shí)際排序分布之間的KL距離值已經(jīng)滿足了 預(yù)先設(shè)定的收斂要求，不用再對新增排序因子的權(quán)重系數(shù)進(jìn)行優(yōu)化計(jì)算。因此，直接用所述 新增排序因子權(quán)重系數(shù)的當(dāng)前值作為最終確定的所述排序分計(jì)算模型的相應(yīng)權(quán)重系數(shù)的 值，所述模型建立完畢，結(jié)束本方法的執(zhí)行。
[0201] 步驟405 :以預(yù)測排序分布和所述實(shí)際排序分布之間的差異最小化為優(yōu)化目標(biāo)， 求解所述排序分計(jì)算模型中的新增排序因子的權(quán)重系數(shù)。
[0202] 具體實(shí)現(xiàn)時(shí)，本步驟包括以下幾個(gè)過程：首先，以所述新增排序因子的權(quán)重系數(shù)為 未知數(shù)，將所述待評價(jià)客體的原始評分?jǐn)?shù)據(jù)、所述新增排序因子的值代入所述排序分計(jì)算 模型，并根據(jù)得到的表達(dá)式與所述待評價(jià)客體的所述預(yù)測排序分總和，獲取所述預(yù)測排序 分布表達(dá)式；然后，獲取所述實(shí)際排序分布和所述預(yù)測排序分布之間的KL距離的表達(dá)式； 最后，