推薦算法優(yōu)化方法、裝置及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種推薦算法優(yōu)化方法、裝置及系統(tǒng)，屬于計(jì)算機(jī)【技術(shù)領(lǐng)域】。所述方法包括：獲取統(tǒng)計(jì)的各個(gè)推薦算法的效果數(shù)據(jù)；根據(jù)每個(gè)推薦算法的所述效果數(shù)據(jù)在各個(gè)推薦算法中的比重獲取每個(gè)推薦算法的流量分流概率；根據(jù)所述流量分流概率為每個(gè)推薦算法分配流量請求。本發(fā)明通過實(shí)時(shí)獲取每個(gè)推薦算法的推薦成功率自動(dòng)為每個(gè)推薦算法分配流量，解決了現(xiàn)有技術(shù)中在優(yōu)化的過程中，需要人工為推薦算法分配流量，優(yōu)化周期長的問題；達(dá)到了可以大大降低優(yōu)化周期，提高優(yōu)化效率及準(zhǔn)確率的效果。
【專利說明】推薦算法優(yōu)化方法、裝置及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)【技術(shù)領(lǐng)域】，特別涉及一種推薦算法優(yōu)化方法、裝置及系統(tǒng)。

【背景技術(shù)】
[0002] 推薦系統(tǒng)的推薦引擎中通常會(huì)同時(shí)運(yùn)行多個(gè)推薦算法，在離線時(shí)統(tǒng)計(jì)每個(gè)推薦算 法的效果數(shù)據(jù)；然后基于離線統(tǒng)計(jì)的結(jié)果，調(diào)整每個(gè)推薦算法的流量分配，從而進(jìn)一步優(yōu)化 整體的推薦效果。
[0003] 傳統(tǒng)的推薦算法優(yōu)化的流程如下：確定新推薦算法以及對(duì)應(yīng)的少量流量；待推薦 引擎準(zhǔn)備好后，管理人員在前端為該新推薦算法進(jìn)行流量分配；觀察該新推薦算法的推薦 效果，若推薦效果較優(yōu)，則管理人員繼續(xù)將流量分配給該新推薦算法；重復(fù)上面的流程直到 將流量都分配給推薦效果最好的推薦算法。
[0004] 在實(shí)現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)上述技術(shù)至少存在以下問題：在優(yōu)化的過程 中，需要人工根據(jù)推薦效果為推薦算法分配流量，優(yōu)化周期長。


【發(fā)明內(nèi)容】

[0005] 為了解決現(xiàn)有技術(shù)中在優(yōu)化的過程中，需要人工為推薦算法分配流量，優(yōu)化周期 長的問題，本發(fā)明實(shí)施例提供了一種推薦算法優(yōu)化方法、裝置及系統(tǒng)。所述技術(shù)方案如下：
[0006] 第一方面，提供了一種推薦算法優(yōu)化方法，所述方法包括：
[0007] 獲取統(tǒng)計(jì)的各個(gè)推薦算法的效果數(shù)據(jù)，所述效果數(shù)據(jù)用于反映每個(gè)推薦算法在相 同的統(tǒng)計(jì)時(shí)間窗口所對(duì)應(yīng)的推薦成功率；
[0008] 根據(jù)每個(gè)推薦算法的所述效果數(shù)據(jù)在各個(gè)推薦算法中的比重獲取每個(gè)推薦算法 的流量分流概率；
[0009] 根據(jù)所述流量分流概率為每個(gè)推薦算法分配流量請求。
[0010] 第二方面，提供了一種推薦算法優(yōu)化裝置，所述裝置包括：
[0011] 獲取模塊，用于獲取統(tǒng)計(jì)的各個(gè)推薦算法的效果數(shù)據(jù)，所述效果數(shù)據(jù)用于反映每 個(gè)在相同的統(tǒng)計(jì)時(shí)間窗口所對(duì)應(yīng)的推薦成功率；
[0012] 計(jì)算模塊，用于根據(jù)所述獲取模塊獲取的每個(gè)推薦算法的所述效果數(shù)據(jù)在各個(gè)推 薦算法中的比重獲取每個(gè)推薦算法的流量分流概率；
[0013] 分配模塊，用于根據(jù)所述計(jì)算模塊計(jì)算得到的所述流量分流概率為每個(gè)推薦算法 分配流量請求。
[0014] 第三方面，提供了一種推薦算法優(yōu)化系統(tǒng)，所述系統(tǒng)包括服務(wù)器和至少一個(gè)終 端；
[0015] 所述服務(wù)器包括如第二方面所述的推薦算法優(yōu)化裝置。
[0016] 本發(fā)明實(shí)施例提供的技術(shù)方案帶來的有益效果是：
[0017] 通過獲取統(tǒng)計(jì)的各個(gè)推薦算法的效果數(shù)據(jù)；根據(jù)每個(gè)推薦算法的效果數(shù)據(jù)計(jì)算每 個(gè)推薦算法的流量分流概率；根據(jù)每個(gè)推薦算法的流量分流概率為每個(gè)推薦算法分配流量 請求；解決了現(xiàn)有技術(shù)中在優(yōu)化的過程中，需要人工為推薦算法分配流量，優(yōu)化周期長的問 題；這里推薦算法的效果數(shù)據(jù)反映了推薦算法的推薦成功率，由于可以根據(jù)統(tǒng)計(jì)的每個(gè)推 薦算法的推薦成功率自動(dòng)為每個(gè)推薦算法分配流量，能更好的為推薦成功率較高的推薦算 法分配較多的流量，從而達(dá)到了可以大大降低優(yōu)化周期，提高優(yōu)化效率及準(zhǔn)確率的效果。

【專利附圖】

【附圖說明】
[0018] 為了更清楚地說明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使 用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于 本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他 的附圖。
[0019] 圖1是本發(fā)明一個(gè)實(shí)施例中提供的推薦算法優(yōu)化方法所涉及的實(shí)施環(huán)境的示意 圖；
[0020] 圖2是本發(fā)明一個(gè)實(shí)施例中提供的推薦算法優(yōu)化方法的方法流程圖；
[0021] 圖3A是本發(fā)明另一個(gè)實(shí)施例中提供的推薦算法優(yōu)化方法的方法流程圖；
[0022] 圖3B是本發(fā)明部分實(shí)施例中提供的對(duì)選取的各個(gè)時(shí)間段所對(duì)應(yīng)的推薦成功率進(jìn) 行統(tǒng)計(jì)的統(tǒng)計(jì)示意圖；
[0023] 圖4是部分實(shí)施例中所涉及的服務(wù)器的內(nèi)部結(jié)構(gòu)關(guān)系的示意圖；
[0024] 圖5是一個(gè)實(shí)施例中為流量請求分配推薦算法的過程的流程圖；
[0025] 圖6是本發(fā)明一個(gè)實(shí)施例中提供的推薦算法優(yōu)化裝置的結(jié)構(gòu)示意圖；
[0026] 圖7是本發(fā)明另一個(gè)實(shí)施例中提供的推薦算法優(yōu)化裝置的結(jié)構(gòu)示意圖；
[0027] 圖8是本發(fā)明部分實(shí)施例中提供的服務(wù)器的結(jié)構(gòu)示意圖；
[0028] 圖9是本發(fā)明一個(gè)實(shí)施例中提供的推薦算法優(yōu)化系統(tǒng)的示意圖。

【具體實(shí)施方式】
[0029] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明實(shí)施方 式作進(jìn)一步地詳細(xì)描述。文中所講的"至少一個(gè)"是指一個(gè)、兩個(gè)或兩個(gè)以上。
[0030] 請參見圖1所示，其示出了本發(fā)明一個(gè)實(shí)施例中提供的推薦算法優(yōu)化方法所涉及 的實(shí)施環(huán)境的示意圖。該實(shí)施環(huán)境可以包括服務(wù)器120和至少一個(gè)終端140,服務(wù)器120可 以通過有線網(wǎng)絡(luò)方式或無線網(wǎng)絡(luò)方式與終端140連接。
[0031] 服務(wù)器120具有向終端140推薦業(yè)務(wù)的功能，比如可以根據(jù)該終端用戶在瀏覽器 中的瀏覽內(nèi)容、搜索內(nèi)容以及用戶的操作等信息為該用戶推薦相應(yīng)的業(yè)務(wù)。該服務(wù)器120 可以是一臺(tái)服務(wù)器，或者由若干臺(tái)服務(wù)器組成的服務(wù)器集群，或者是一個(gè)云計(jì)算服務(wù)中心。 該服務(wù)器140可以是推薦系統(tǒng)的后臺(tái)服務(wù)器。
[0032] 終端140可以對(duì)服務(wù)器120發(fā)送的推薦業(yè)務(wù)進(jìn)行響應(yīng)，比如點(diǎn)擊瀏覽該推薦業(yè) 務(wù)。終端140通?？梢园ㄖ悄苁謾C(jī)、平板電腦、智能電視、電子書閱讀器、MP3播放器 (Moving Picture Experts Group Audio Layer III，動(dòng)態(tài)影像專家壓縮標(biāo)準(zhǔn)音頻層面 3)、 MP4 (Moving Picture Experts Group Audio Layer IV，動(dòng)態(tài)影像專家壓縮標(biāo)準(zhǔn)音頻層面 4)播放器、膝上型便攜計(jì)算機(jī)和臺(tái)式計(jì)算機(jī)等等。
[0033] 請參見圖2所示，其示出了本發(fā)明一個(gè)實(shí)施例中提供的推薦算法優(yōu)化方法的方法 流程圖。該推薦算法優(yōu)化方法主要以應(yīng)用于圖1所示的實(shí)施環(huán)境中的服務(wù)器120中進(jìn)行舉 例說明。該推薦算法優(yōu)化方法可以包括：
[0034] 201，獲取統(tǒng)計(jì)的各個(gè)推薦算法的效果數(shù)據(jù)，效果數(shù)據(jù)用于反映每個(gè)推薦算法在相 同的統(tǒng)計(jì)時(shí)間窗口所對(duì)應(yīng)的推薦成功率；
[0035] 202,根據(jù)每個(gè)推薦算法的效果數(shù)據(jù)在各個(gè)推薦算法中的比重獲取每個(gè)推薦算法 的流量分流概率；
[0036] 203,根據(jù)流量分流概率為每個(gè)推薦算法分配流量請求。
[0037] 綜上所述，本發(fā)明實(shí)施例提供的推薦算法優(yōu)化方法，通過獲取統(tǒng)計(jì)的各個(gè)推薦算 法的效果數(shù)據(jù)；根據(jù)每個(gè)推薦算法的效果數(shù)據(jù)計(jì)算每個(gè)推薦算法的流量分流概率；根據(jù)流 量分流概率為每個(gè)推薦算法分配流量請求；解決了現(xiàn)有技術(shù)中在優(yōu)化的過程中，需要人工 為推薦算法分配流量，優(yōu)化周期長的問題；這里推薦算法的效果數(shù)據(jù)反映了推薦算法的推 薦成功率，由于可以根據(jù)統(tǒng)計(jì)的每個(gè)推薦算法的推薦成功率自動(dòng)為每個(gè)推薦算法分配流 量，能更好的為推薦成功率較高的推薦算法分配較多的流量，從而達(dá)到了可以大大降低優(yōu) 化周期，提高優(yōu)化效率及準(zhǔn)確率的效果。
[0038] 請參見圖3A所示，其示出了本發(fā)明一個(gè)實(shí)施例中提供的推薦算法優(yōu)化方法的方 法流程圖。該推薦算法優(yōu)化方法主要以應(yīng)用于圖1所示的實(shí)施環(huán)境中的服務(wù)器120中進(jìn)行 舉例說明。該推薦算法優(yōu)化方法可以包括：
[0039] 301，對(duì)于每一個(gè)推薦算法，獲取推薦算法在屬于統(tǒng)計(jì)時(shí)間窗口內(nèi)的至少兩個(gè)互相 重疊的時(shí)間段所對(duì)應(yīng)的推薦成功率，互相重疊的每個(gè)時(shí)間段具有相同的統(tǒng)計(jì)結(jié)束時(shí)刻和不 同的統(tǒng)計(jì)開始時(shí)刻；
[0040] 這里所講的推薦算法可用于為終端提供推薦業(yè)務(wù)的服務(wù)。在實(shí)際應(yīng)用中，提供推 薦業(yè)務(wù)的服務(wù)器中通常可以包含有多個(gè)推薦算法，當(dāng)終端向該服務(wù)器發(fā)送流量請求時(shí)，月艮 務(wù)器則可以為該流量請求選擇一個(gè)推薦算法，根據(jù)該推薦算法為該流量請求確定出推薦結(jié) 果，并將推薦結(jié)果發(fā)送給終端，這樣，終端則可以根據(jù)推薦結(jié)果進(jìn)行響應(yīng)，比如可以對(duì)推薦 結(jié)果進(jìn)行點(diǎn)擊瀏覽等（即對(duì)推薦結(jié)果進(jìn)行成功響應(yīng))，當(dāng)然，終端也可以選擇忽視該推薦結(jié) 果，即不對(duì)該推薦結(jié)果進(jìn)行任何響應(yīng)或不進(jìn)行成功響應(yīng)。
[0041] 服務(wù)器可以結(jié)合推薦算法的推薦成功率為推薦算法分配流量請求。很顯然，在獲 取推薦算法成功率時(shí)，需要根據(jù)已收集到的終端對(duì)推薦算法所推薦的推薦結(jié)果進(jìn)行的響應(yīng) 反饋來確定推薦算法的推薦成功率。
[0042] 在實(shí)際應(yīng)用的過程中，由于推薦算法的推薦成功率會(huì)受到很多因素的影響，很多 時(shí)候在較短的時(shí)間段內(nèi)并不穩(wěn)定，比如一個(gè)推薦算法在1天前的每天內(nèi)，推薦的成功率都 比較低，但在這1天的推薦成功率突然增加很多（比如節(jié)日當(dāng)天促銷，網(wǎng)上售價(jià)比較低，此 時(shí)推薦給終端的推薦成功率會(huì)比較高)，這1天的推薦成功率是不能準(zhǔn)確代表該推薦算法的 推薦成功率的，因此，在具體統(tǒng)計(jì)的過程中，通常會(huì)選取多個(gè)不同的時(shí)間段進(jìn)行推薦算法的 優(yōu)化，每個(gè)時(shí)間段具有相同的統(tǒng)計(jì)結(jié)束時(shí)刻和不同的統(tǒng)計(jì)開始時(shí)刻。這里所講的相同的統(tǒng) 計(jì)結(jié)束時(shí)刻為統(tǒng)計(jì)時(shí)間窗口的結(jié)束時(shí)刻，該統(tǒng)計(jì)結(jié)束時(shí)刻可以與本次統(tǒng)計(jì)時(shí)的統(tǒng)計(jì)時(shí)刻相 同，也可以與本次統(tǒng)計(jì)時(shí)的統(tǒng)計(jì)時(shí)刻不同，即可以為在本次統(tǒng)計(jì)的統(tǒng)計(jì)時(shí)刻之前的某一個(gè) 時(shí)刻。
[0043] 舉例來講，在同一個(gè)統(tǒng)計(jì)時(shí)刻對(duì)推薦算法所對(duì)應(yīng)的一些時(shí)間段進(jìn)行統(tǒng)計(jì)時(shí)，可以 選擇在該統(tǒng)計(jì)時(shí)刻之前的多個(gè)不同時(shí)間段進(jìn)行統(tǒng)計(jì)，比如可以統(tǒng)計(jì)該推薦算法在統(tǒng)計(jì)時(shí)刻 前的5分鐘內(nèi)的推薦成功率，還可以統(tǒng)計(jì)該推薦算法在統(tǒng)計(jì)時(shí)刻前的1小時(shí)內(nèi)的推薦成功 率，這里統(tǒng)計(jì)時(shí)間窗口的結(jié)束時(shí)刻與統(tǒng)計(jì)時(shí)刻相同。比如，統(tǒng)計(jì)時(shí)刻為2012年9月10日的 上午9點(diǎn)，選取的時(shí)間段可以為以2012年9月10日的上午9點(diǎn)為結(jié)束時(shí)刻的5分鐘內(nèi)，以 2012年9月10日的上午9點(diǎn)為結(jié)束時(shí)刻的1小時(shí)內(nèi)，或以2012年9月10日的上午9點(diǎn)為 結(jié)束時(shí)刻的1天內(nèi)、1周內(nèi)或1個(gè)月內(nèi)等，并統(tǒng)計(jì)每個(gè)推薦算法分別在這些時(shí)間段內(nèi)進(jìn)行推 薦的推薦成功率。
[0044] 請參見圖3B所示，其示出了本發(fā)明部分實(shí)施例中提供的對(duì)選取的各個(gè)時(shí)間段所 對(duì)應(yīng)的推薦成功率進(jìn)行統(tǒng)計(jì)的統(tǒng)計(jì)示意圖，圖3B中示出了推薦算法1在選取的各個(gè)時(shí)間段 所對(duì)應(yīng)的推薦成功率，以及推薦算法2在選取的各個(gè)時(shí)間段所對(duì)應(yīng)的推薦成功率，其中，選 取的時(shí)間段分別為：統(tǒng)計(jì)時(shí)刻前的5分鐘內(nèi)（第一時(shí)間段)、統(tǒng)計(jì)時(shí)刻前的15分鐘內(nèi)（第二時(shí) 間段)、統(tǒng)計(jì)時(shí)刻前的35分鐘內(nèi)（第三時(shí)間段)和統(tǒng)計(jì)時(shí)刻前的60分鐘內(nèi)（第四時(shí)間段)。對(duì) 于推薦算法1來講，在第一時(shí)間段內(nèi)統(tǒng)計(jì)出的推薦成功率為37%，在第二時(shí)間段內(nèi)統(tǒng)計(jì)出的 推薦成功率為70%，在第三時(shí)間段內(nèi)統(tǒng)計(jì)出的推薦成功率為24%，在第四時(shí)間段內(nèi)統(tǒng)計(jì)出的 推薦成功率為50% ;對(duì)于推薦算法2來講，在第一時(shí)間段內(nèi)統(tǒng)計(jì)出的推薦成功率為64%，在第 二時(shí)間段內(nèi)統(tǒng)計(jì)出的推薦成功率為25%，在第三時(shí)間段內(nèi)統(tǒng)計(jì)出的推薦成功率為50%，在第 四時(shí)間段內(nèi)統(tǒng)計(jì)出的推薦成功率為37%。
[0045] 再舉例來講，在同一個(gè)統(tǒng)計(jì)時(shí)刻對(duì)推薦算法所對(duì)應(yīng)的一些時(shí)間段進(jìn)行統(tǒng)計(jì)時(shí)，可 以選擇在某一個(gè)指定時(shí)刻之前的多個(gè)不同時(shí)間段進(jìn)行統(tǒng)計(jì)，這里所講的指定時(shí)刻為統(tǒng)計(jì) 時(shí)間窗口的結(jié)束時(shí)刻，該統(tǒng)計(jì)時(shí)間窗口的結(jié)束時(shí)刻為本次統(tǒng)計(jì)的統(tǒng)計(jì)時(shí)刻之前的某一個(gè)時(shí) 亥lj。如，統(tǒng)計(jì)時(shí)刻為2012年9月10日的上午9點(diǎn)，指定時(shí)刻可以為2012年9月9日的 上午7點(diǎn)，這樣選取的時(shí)間段可以為以2012年9月9日的上午7點(diǎn)為結(jié)束時(shí)刻的5分鐘內(nèi)， 以2012年9月9日的上午7點(diǎn)為結(jié)束時(shí)刻的1小時(shí)內(nèi)，或以2012年9月9日的上午7點(diǎn) 為結(jié)束時(shí)刻的1天內(nèi)或1周內(nèi)等，并統(tǒng)計(jì)每個(gè)推薦算法在這些時(shí)間段內(nèi)進(jìn)行推進(jìn)的推薦成 功率。
[0046] 在一種可能的實(shí)現(xiàn)方式中，獲取推薦算法在每個(gè)時(shí)間段內(nèi)的推薦成功率的具體過 程如下：
[0047] 第一，獲取推薦算法在每個(gè)時(shí)間段中對(duì)應(yīng)的響應(yīng)動(dòng)作和推薦結(jié)果，響應(yīng)動(dòng)作是至 少一個(gè)終端在時(shí)間段內(nèi)對(duì)根據(jù)推薦算法確定的推薦結(jié)果的成功響應(yīng)，推薦結(jié)果是在時(shí)間段 內(nèi)根據(jù)推薦算法確定的推薦結(jié)果；
[0048] 在具體應(yīng)用時(shí)，終端會(huì)不斷地向服務(wù)器發(fā)送流量請求，服務(wù)器在接收到流量請求 之后，會(huì)為流量請求分配推薦算法，且服務(wù)器在為一個(gè)流量請求分配推薦算法之后，通常還 對(duì)該流量請求進(jìn)行標(biāo)記，該標(biāo)記用于表示該流量請求是標(biāo)記的推薦算法進(jìn)行推薦處理的， 對(duì)應(yīng)的，推薦算法對(duì)該流量請求進(jìn)行處理，為該流量請求確定一個(gè)推薦結(jié)果，并將推薦結(jié)果 反饋給發(fā)送該流量請求的終端，這樣，終端則可以根據(jù)推薦結(jié)果進(jìn)行積極的響應(yīng)操作，比如 點(diǎn)擊瀏覽等，很顯然，如果終端的用戶對(duì)推薦結(jié)果沒有興趣，通常會(huì)選擇忽略該推薦結(jié)果， 比如不對(duì)該推薦結(jié)果進(jìn)行響應(yīng)或直接關(guān)閉該推薦結(jié)果。這里所講的響應(yīng)動(dòng)作為終端根據(jù)推 薦結(jié)果進(jìn)行積極地響應(yīng)操作，或者說終端根據(jù)推薦結(jié)果進(jìn)行的成功響應(yīng)。
[0049] 由于將推薦結(jié)果發(fā)送給終端的時(shí)間以及終端反饋響應(yīng)動(dòng)作的時(shí)候均是可以確定 的，因此可以獲取在確定的時(shí)間段中某個(gè)推薦算法對(duì)應(yīng)的響應(yīng)動(dòng)作和推薦結(jié)果。
[0050] 第二，統(tǒng)計(jì)響應(yīng)動(dòng)作的數(shù)量與推薦結(jié)果的數(shù)量；
[0051] 對(duì)于一個(gè)時(shí)間段來講，服務(wù)器可以統(tǒng)計(jì)該時(shí)間段內(nèi)每一個(gè)推薦算法所對(duì)應(yīng)的響應(yīng) 動(dòng)作的總數(shù)量和推薦結(jié)果的總數(shù)量。
[0052] 第三，將響應(yīng)動(dòng)作的數(shù)量除以推薦結(jié)果的數(shù)量得到的商值確定為推薦算法在時(shí)間 段內(nèi)的推薦成功率。
[0053] 對(duì)于一個(gè)時(shí)間段來講，將統(tǒng)計(jì)出的某個(gè)推薦算法的響應(yīng)動(dòng)作的數(shù)量除以推薦結(jié)果 的數(shù)量，得到一個(gè)商值，則可以將該商值作為該時(shí)間段內(nèi)該推薦算法的推薦成功率。需要說 明的是，在實(shí)際應(yīng)用中，由于終端并不完全對(duì)推薦結(jié)果進(jìn)行響應(yīng)，因此該商值通常小于1。
[0054] 值得注意的是，對(duì)于不同的推薦算法，選取的時(shí)間段均應(yīng)當(dāng)是相同的。舉例來講， 對(duì)于推薦算法1來講，選取的時(shí)間段為統(tǒng)計(jì)時(shí)刻前1小時(shí)的時(shí)間段和統(tǒng)計(jì)時(shí)刻前7天的時(shí) 間段，相應(yīng)的，對(duì)于推薦算法2來講，選取的時(shí)間段也應(yīng)當(dāng)為統(tǒng)計(jì)時(shí)刻前1小時(shí)的時(shí)間段和 統(tǒng)計(jì)時(shí)刻前7天的時(shí)間段。
[0055] 302,將互相重疊的每個(gè)時(shí)間段所對(duì)應(yīng)的推薦成功率和與時(shí)間段對(duì)應(yīng)的權(quán)重相乘， 得到乘積，將每個(gè)乘積相加得到的和值確定為推薦算法統(tǒng)計(jì)時(shí)間窗口的效果數(shù)據(jù)；
[0056] 在通常情況下，由于不同的時(shí)間段對(duì)推薦成功率的影響可能是不同的，因此在確 定推薦算法的總的推薦成功率時(shí)，通常需要根據(jù)實(shí)際情況預(yù)先為不同的時(shí)間段設(shè)置權(quán)重。 舉例來說，統(tǒng)計(jì)時(shí)刻前的7天內(nèi)的第一時(shí)間段與統(tǒng)計(jì)時(shí)刻前的前5分鐘內(nèi)的第二時(shí)間段通 常對(duì)推薦成功率的影響不同；通常，第一時(shí)間段由于時(shí)間跨度較長，在此時(shí)間段內(nèi)的推薦成 功率能更好的預(yù)估后續(xù)該推薦算法的推薦效果，即對(duì)推薦算法的影響可能比較大，而第二 時(shí)間段由于時(shí)間跨度比較短，由于會(huì)存在網(wǎng)絡(luò)狀況等突發(fā)情況，在時(shí)間跨度較短的第二時(shí) 間段確定出的推薦成功率的穩(wěn)定性比較差；因此在考慮推薦效果時(shí)，通常會(huì)較少的考慮該 時(shí)間段的影響。
[0057] 對(duì)于一個(gè)推薦算法來講，由于根據(jù)步驟301已經(jīng)確定出了在多個(gè)時(shí)間段內(nèi)該推薦 算法的推薦成功率，則可以根據(jù)每個(gè)時(shí)間段所對(duì)應(yīng)的推薦成功率以及權(quán)重確定該推薦算法 的效果數(shù)據(jù)，即具體算法為：將該推薦算法的每個(gè)時(shí)間段內(nèi)所對(duì)應(yīng)的推薦成功率分別與對(duì) 應(yīng)的權(quán)重相乘，得到與每個(gè)時(shí)間段對(duì)應(yīng)的乘積，然后將每個(gè)乘積相加得到的和值，將該和值 確定為推薦算法的效果數(shù)據(jù)。舉例來講，若為推薦算法選取的時(shí)間段分別為統(tǒng)計(jì)時(shí)刻前的1 個(gè)小時(shí)、統(tǒng)計(jì)時(shí)刻前的3個(gè)小時(shí)、統(tǒng)計(jì)時(shí)刻前的5個(gè)小時(shí)、統(tǒng)計(jì)時(shí)刻前的1天、統(tǒng)計(jì)時(shí)刻前的 7天，統(tǒng)計(jì)出來的每個(gè)時(shí)間段對(duì)應(yīng)的推薦成功率分別為w_lhour、w_3hour、w_5hour、w_lday 和 w_7day，每個(gè)時(shí)間段對(duì)應(yīng)的權(quán)重分別為 Effect_lhour、Effect_3hour、Effect_5hour、 Effect_lday和Effect_7day，則最后得到的該推薦算法的效果數(shù)據(jù)則為：Effect_final=w -lhour*Effeet-lhour+w-3hour*Effeet-3hour+w-5hour*Effeet-5hour+w-lday*Effeet-1 day+w_7 day^Ef f ect_7 day 〇
[0058] 仍舊參見圖3B，如果為第一時(shí)間段、第二時(shí)間段、第三時(shí)間段和第四時(shí)間段設(shè)置的 權(quán)重分別為〇· 1、〇· 2、0· 3和0· 4,則推薦算法1的效果數(shù)據(jù)為：44· 9%=0· 1*37%+0· 2*70%+0· 3*24%+0· 4*50% ;類似的，推薦算法 2 的效果數(shù)據(jù)為：41· 2%=0· 1*64%+0· 2*25%+0· 3*50%+0· 4 氺 37%。
[0059] 303,將每個(gè)推薦算法的效果數(shù)據(jù)相加，得到和值；
[0060] 304,對(duì)于每一個(gè)推薦算法，將推薦算法的效果數(shù)據(jù)除以和值，得到推薦算法的流 量分流概率；
[0061] 舉例來講，存在三個(gè)推薦算法，分別為推薦算法1、推薦算法2和推薦算法3,每個(gè) 推薦算法的效果數(shù)據(jù)分別為效果數(shù)據(jù)1、效果數(shù)據(jù)2和效果數(shù)據(jù)3,則推薦算法1的流量分 流概率為：效果數(shù)據(jù)1八效果數(shù)據(jù)1+效果數(shù)據(jù)2+效果數(shù)據(jù)3)，對(duì)應(yīng)的，推薦算法2的流量 分流概率為：效果數(shù)據(jù)2八效果數(shù)據(jù)1+效果數(shù)據(jù)2+效果數(shù)據(jù)3)，推薦算法3的流量分流 概率為：效果數(shù)據(jù)3八效果數(shù)據(jù)1+效果數(shù)據(jù)2+效果數(shù)據(jù)3)。
[0062] 仍舊參見圖3B所示，假如僅存在推薦算法1和推薦算法2,則推薦算法1的流 量分流概率為：44. 9〇V(44. 9%+41. 2%) =52. 15%，推薦算法2的流量分流概率為：41. 2%/ (44. 9%+41, 2%) =47. 85%〇
[0063] 305,在預(yù)定時(shí)間段內(nèi)根據(jù)流量分流概率為每個(gè)推薦算法分配流量請求，預(yù)定時(shí)間 段為本次的統(tǒng)計(jì)結(jié)束時(shí)刻與下一次的統(tǒng)計(jì)結(jié)束時(shí)刻之間的時(shí)間段。
[0064] 在具體應(yīng)用時(shí)，由于服務(wù)器可能會(huì)接收大量終端發(fā)送來的流量請求，因此需要不 斷地統(tǒng)計(jì)出最新的流量分流概率才能更好的提高對(duì)流量請求的推薦效果。由于服務(wù)器很可 能在非常短的時(shí)間（比如1秒)中接收到大量的流量請求，如果每接收到一個(gè)流量請求，均去 統(tǒng)計(jì)出一套新的流量分流概率，則會(huì)使得推薦時(shí)間比較長，對(duì)服務(wù)器的處理要求比較高，且 由于在較短時(shí)間內(nèi)對(duì)推薦算法分配接收到的流量請求時(shí)的差別也通常不會(huì)太大，因此在計(jì) 算出流量分流概率之后，可以在持續(xù)的預(yù)定時(shí)間段內(nèi)使用該計(jì)算出的流量分流概率為推薦 算法分配流量請求，該預(yù)定時(shí)間段通常為本次的統(tǒng)計(jì)結(jié)束時(shí)刻與下一次的統(tǒng)計(jì)結(jié)束時(shí)刻之 間的時(shí)間段。該預(yù)定時(shí)間段的選取可以根據(jù)實(shí)際確定，比如可以確定為1分鐘、5分鐘或1 小時(shí)等。
[0065] 換句話說，在本次統(tǒng)計(jì)完成后，服務(wù)器可以根據(jù)統(tǒng)計(jì)出來的推薦算法的流量分流 概率為推薦算法分配流量請求，直到下一次統(tǒng)計(jì)完成得到新的推薦算法的流量分類概率， 此時(shí)則丟棄原有的推薦算法的流量分流概率，使用新的推薦算法的流量分類概率為推薦算 法分配流量請求。
[0066] 綜上所述，本發(fā)明實(shí)施例提供的推薦算法優(yōu)化方法，通過獲取統(tǒng)計(jì)的各個(gè)推薦算 法的效果數(shù)據(jù)；根據(jù)每個(gè)推薦算法的效果數(shù)據(jù)計(jì)算每個(gè)推薦算法的流量分流概率；根據(jù)流 量分流概率為每個(gè)推薦算法分配流量請求；解決了現(xiàn)有技術(shù)中在優(yōu)化的過程中，需要人工 為推薦算法分配流量，優(yōu)化周期長的問題；這里推薦算法的效果數(shù)據(jù)反映了推薦算法的推 薦成功率，由于可以根據(jù)統(tǒng)計(jì)的每個(gè)推薦算法的推薦成功率自動(dòng)為每個(gè)推薦算法分配流 量，能更好的為推薦成功率較高的推薦算法分配較多的流量，從而達(dá)到了可以大大降低優(yōu) 化周期，提高優(yōu)化效率及準(zhǔn)確率的效果。
[0067] 在一種可能的實(shí)現(xiàn)方式中，請參見圖4所示，其示出了部分實(shí)施例中所涉及的服 務(wù)器的內(nèi)部結(jié)構(gòu)關(guān)系的示意圖，該服務(wù)器120可以包括但不限于：用戶接口處理單元42、接 入層44、數(shù)據(jù)庫46、統(tǒng)計(jì)單元48和存儲(chǔ)單元410,其中，用戶接口處理單元42可以用于獲取 終端140發(fā)送的各種信息，比如流量請求或響應(yīng)動(dòng)作；接入層44可以調(diào)用推薦算法so_l， 推薦算法so_l和推薦算法so_3對(duì)流量請求進(jìn)行處理，在實(shí)際應(yīng)用中，可能還存在其他的推 薦算法，這里僅是進(jìn)行示意性舉例；數(shù)據(jù)庫46用于存放從終端140獲取的響應(yīng)動(dòng)作的信息； 統(tǒng)計(jì)單元48可以根據(jù)數(shù)據(jù)庫中的響應(yīng)動(dòng)作對(duì)每個(gè)推薦算法的效果數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，一般的， 統(tǒng)計(jì)單元48可以實(shí)時(shí)對(duì)數(shù)據(jù)庫46中的響應(yīng)動(dòng)作數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，比如實(shí)時(shí)統(tǒng)計(jì)每個(gè)推薦算 法分別在1小時(shí)滑動(dòng)窗口、3小時(shí)滑動(dòng)窗口、5小時(shí)滑動(dòng)窗口、1個(gè)自然天的固定窗口或7個(gè) 自然天的固定窗口的效果數(shù)據(jù)；存儲(chǔ)單元410用于存放統(tǒng)計(jì)單元48統(tǒng)計(jì)后的每個(gè)推薦算法 的效果數(shù)據(jù)。
[0068] 在具體實(shí)現(xiàn)時(shí)，用戶接口處理單元42接收終端140發(fā)送的流量請求，并將該流量 請求發(fā)送給接入層44,接入層44在接收到流量請求之后，則可以向存儲(chǔ)單元410請求查詢 每個(gè)推薦算法的效果數(shù)據(jù)，存儲(chǔ)單元410向接入層44返回每個(gè)推薦算法的效果數(shù)據(jù)，接入 層44根據(jù)從存儲(chǔ)單元410獲取的每個(gè)推薦算法的效果數(shù)據(jù)計(jì)算出每個(gè)推薦算法的流量分 流概率，接入層44根據(jù)計(jì)算得到的每個(gè)推薦算法流量分流概率為該流量請求分配推薦算 法。更優(yōu)的，接入層44在計(jì)算出每個(gè)推薦算法的流量分流概率之后，可以在指定時(shí)間段內(nèi) 持續(xù)使用該計(jì)算出的每個(gè)推薦算法的流量分流概率為流量請求分配推薦算法，比如可以將 該指定時(shí)間設(shè)置為1分鐘，當(dāng)1分鐘結(jié)束后，對(duì)接入層44中已經(jīng)存儲(chǔ)的每個(gè)推薦算法的流 量分流概率進(jìn)行刪除，這樣當(dāng)接收到下一個(gè)流量請求時(shí)，繼續(xù)執(zhí)行向存儲(chǔ)單元410請求查 詢每個(gè)推薦算法的效果數(shù)據(jù)的步驟。
[0069] 一般來講，該指定時(shí)間的設(shè)置是為了避免接入層在每接收到一個(gè)流量請求后，均 要到存儲(chǔ)單元410獲取每個(gè)推薦算法的效果數(shù)據(jù)，并根據(jù)獲取的每個(gè)推薦算法的效果數(shù)據(jù) 計(jì)算出每個(gè)推薦算法的流量分流概率的情況，因?yàn)樵诙虝r(shí)間內(nèi)從存儲(chǔ)單元410中多次獲取 的每個(gè)推薦算法的效果數(shù)據(jù)可能都是相同或相近，對(duì)優(yōu)化推薦算法的分配并無明顯的改 善，而這種頻繁從存儲(chǔ)單元410獲取效果數(shù)據(jù)并計(jì)算流量分流概率會(huì)較多的消耗服務(wù)器的 計(jì)算性能。
[0070] 很顯然，統(tǒng)計(jì)單元48可以直接根據(jù)統(tǒng)計(jì)出的每個(gè)推薦算法的效果數(shù)據(jù)計(jì)算出每 個(gè)推薦算法的流量分流概率，并將每個(gè)推薦算法的流量分流概率存儲(chǔ)至存儲(chǔ)單元410中， 此時(shí)，接入層44可以直接向存儲(chǔ)單元410請求查詢每個(gè)推薦算法的流量分流概率，存儲(chǔ)單 元410向接入層44返回每個(gè)推薦算法的流量分流概率。更優(yōu)的，統(tǒng)計(jì)單元48可以在每接 收到終端140發(fā)送的一個(gè)響應(yīng)動(dòng)作時(shí)或每隔預(yù)定時(shí)間間隔所指示的時(shí)刻時(shí)進(jìn)行一次統(tǒng)計(jì) 操作，將每次統(tǒng)計(jì)出的每個(gè)推薦算法的流量分流概率存儲(chǔ)至存儲(chǔ)單元410中，對(duì)應(yīng)的，存儲(chǔ) 單元410可以將最后一次獲取的每個(gè)推薦算法的流量分流概率替換原來存在的每個(gè)推薦 算法的流量分流概率，或者存儲(chǔ)單元410可以將每次獲取的每個(gè)推薦算法的流量分流概率 均按照統(tǒng)計(jì)時(shí)間進(jìn)行保存，但這種情況下，當(dāng)接入層44向存儲(chǔ)單元410請求查詢每個(gè)推薦 算法的流量分流概率時(shí)，存儲(chǔ)單元410可以向接入層44返回最晚統(tǒng)計(jì)時(shí)間所對(duì)應(yīng)的每個(gè)推 薦算法的效果數(shù)據(jù)。
[0071] 接入層44還可以通過手動(dòng)觸發(fā)的方式查詢存儲(chǔ)單元410中每個(gè)推薦算法的效果 數(shù)據(jù)或流量分流概率。
[0072] 值得注意的是，由于服務(wù)器120可以是一臺(tái)獨(dú)立的服務(wù)器，也可以是多個(gè)服務(wù)器 的組合，因此當(dāng)服務(wù)器120為一臺(tái)獨(dú)立的服務(wù)器時(shí)，這里的接入層44、數(shù)據(jù)庫46、統(tǒng)計(jì)單元 48和存儲(chǔ)單元410則為該臺(tái)服務(wù)器中的組成結(jié)構(gòu)，當(dāng)服務(wù)器120為多個(gè)服務(wù)器的組合時(shí)，這 里的接入層44、數(shù)據(jù)庫46、統(tǒng)計(jì)單元48和存儲(chǔ)單元410可以分別位于不同的服務(wù)器中。
[0073] 在另一種可能的實(shí)現(xiàn)方式中，請參見圖5所示，其示出了一個(gè)實(shí)施例中為流量請 求分配推薦算法的過程的流程圖，實(shí)現(xiàn)為流量請求分配推薦算法的過程的設(shè)備可以為圖4 中所示服務(wù)器中的接入層44中，該流量請求分配推薦算法的過程可以包括：
[0074] 501、接收至少一個(gè)終端發(fā)送的流量請求；
[0075] 比如，首先可以通過用戶接口處理單元42接收至少一個(gè)終端發(fā)送的流量請求，用 戶接口處理單元42將接收到的流量請求發(fā)送給接入層44,這樣接入層44也會(huì)同步接收到 至少一個(gè)終端發(fā)送的流量請求。
[0076] 502、遍歷緩存中所有推薦算法的效果數(shù)據(jù)；
[0077] 接入層44可以遍歷本地緩存中所有推薦算法的效果數(shù)據(jù)。
[0078] 503、若檢測到緩存中沒有推薦算法的效果數(shù)據(jù)或檢測到緩存中推薦算法的效果 數(shù)據(jù)過期，則觸發(fā)后端查詢推薦算法的效果數(shù)據(jù)；
[0079] 若接入層44檢測到本地緩存中沒有推薦算法的效果數(shù)據(jù)或檢測到本地緩存中推 薦算法的效果數(shù)據(jù)過期時(shí)，則可以出發(fā)后端的存儲(chǔ)單元410查詢推薦算法的效果數(shù)據(jù)。
[0080] 504、若檢測到緩存中推薦算法的效果數(shù)據(jù)未過期，則在緩存中查詢推薦算法的效 果數(shù)據(jù)；
[0081] 若接入層44檢測到緩存中推薦算法的效果數(shù)據(jù)未過期，則可以直接在本地緩存 中查詢推薦算法的效果數(shù)據(jù)。
[0082] 505、若某一個(gè)推薦算法的效果數(shù)據(jù)查詢失敗，則排除該推薦算法，得到剩余有效 的推薦算法；
[0083] 506、根據(jù)有效的推薦算法的效果數(shù)據(jù)，計(jì)算每個(gè)有效的推薦算法的流量分流概 率；
[0084] 507、根據(jù)計(jì)算出的每個(gè)有效的推薦算法的流量分流概率為該流量請求隨機(jī)分配 推薦算法。
[0085] 由上可知，由于推薦算法的效果數(shù)據(jù)反映了推薦算法的推薦成功率，且這里由于 可以根據(jù)統(tǒng)計(jì)的每個(gè)推薦算法的推薦成功率自動(dòng)為每個(gè)推薦算法分配流量，能更好的為推 薦成功率較高的推薦算法分配較多的流量，從而達(dá)到了可以大大降低優(yōu)化周期，自動(dòng)實(shí)現(xiàn) 分流優(yōu)化，提高優(yōu)化效率及準(zhǔn)確率的效果；同時(shí)，由于接入層中的本地緩存中可以緩存有推 薦算法的效果數(shù)據(jù)或流量分流概率，因此該推薦算法優(yōu)化方法也能自動(dòng)容滅，避免某些推 薦算法在特定情況下，推薦效果急據(jù)下降，自動(dòng)將流量分配給效果較好的算法。
[0086] 在其他可能的實(shí)現(xiàn)方式中，推薦算法在某個(gè)時(shí)間段內(nèi)的效果數(shù)據(jù)還可以為該時(shí)間 段內(nèi)響應(yīng)動(dòng)作的總數(shù)量，對(duì)于一個(gè)推薦算法，可以將每個(gè)時(shí)間段所對(duì)應(yīng)的效果數(shù)據(jù)乘以為 該時(shí)間段設(shè)定的權(quán)重，得到乘積，將每個(gè)時(shí)間段所對(duì)應(yīng)的乘積相加，得到的和值為推薦算法 的總效果數(shù)據(jù)。根據(jù)每個(gè)推薦算法的總效果數(shù)據(jù)確定每個(gè)推薦算法所占的權(quán)重或者每個(gè)推 薦算法的流量分流概率。
[0087] 舉例來講，存在的推薦算法分別為推薦算法1、推薦算法2和推薦算法3,確定統(tǒng)計(jì) 的時(shí)間段分別為時(shí)間段1、時(shí)間段2和時(shí)間段3,為每個(gè)時(shí)間段分配的權(quán)重分別為wl、《2和 w3 ；
[0088] 對(duì)于推薦算法1來講，統(tǒng)計(jì)的時(shí)間段1內(nèi)的與推薦算法1對(duì)應(yīng)的響應(yīng)動(dòng)作的總數(shù) 量為N11，統(tǒng)計(jì)的時(shí)間段2內(nèi)的與推薦算法1對(duì)應(yīng)的響應(yīng)動(dòng)作的總數(shù)量為N12,統(tǒng)計(jì)的時(shí)間 段3內(nèi)的與推薦算法1對(duì)應(yīng)的響應(yīng)動(dòng)作的總數(shù)量為N13,據(jù)此得到的推薦算法1的總效果數(shù) 據(jù)為疋1=￥1_11+￥2_12+￥3_13;
[0089] 對(duì)于推薦算法2來講，統(tǒng)計(jì)的時(shí)間段1內(nèi)的與推薦算法2對(duì)應(yīng)的響應(yīng)動(dòng)作的總數(shù) 量為N21，統(tǒng)計(jì)的時(shí)間段2內(nèi)的與推薦算法2對(duì)應(yīng)的響應(yīng)動(dòng)作的總數(shù)量為N22,統(tǒng)計(jì)的時(shí)間 段3內(nèi)的與推薦算法2對(duì)應(yīng)的響應(yīng)動(dòng)作的總數(shù)量為N23,據(jù)此得到的推薦算法2的總效果數(shù) 據(jù)為：F2=wl*N21+w2*N22+w3*N23 ;
[0090] 對(duì)于推薦算法3來講，統(tǒng)計(jì)的時(shí)間段1內(nèi)的與推薦算法3對(duì)應(yīng)的響應(yīng)動(dòng)作的總數(shù) 量為N31，統(tǒng)計(jì)的時(shí)間段2內(nèi)的與推薦算法3對(duì)應(yīng)的響應(yīng)動(dòng)作的總數(shù)量為N32,統(tǒng)計(jì)的時(shí)間 段3內(nèi)的與推薦算法3對(duì)應(yīng)的響應(yīng)動(dòng)作的總數(shù)量為N33,據(jù)此得到的推薦算法3的總效果數(shù) 據(jù)為：F3=wl*N31+w2*N32+w3*N33 ;
[0091] 這樣推薦算法1最后所占的權(quán)重或者說流量分流概率為：F1AF1+F2+F3)，推薦算 法2最后所占的權(quán)重或者說流量分流概率為：F2AF1+F2+F3)，推薦算法3最后所占的權(quán)重 或者說流量分流概率為：F3AF1+F2+F3)。
[0092] 以下為本發(fā)明的裝置實(shí)施例，對(duì)于其中未詳盡描述的細(xì)節(jié)，可以參考上述對(duì)應(yīng)的 方法實(shí)施例。
[0093] 請參見圖6所示，其示出了本發(fā)明一個(gè)實(shí)施例中提供的推薦算法優(yōu)化裝置的結(jié)構(gòu) 示意圖。該推薦算法優(yōu)化裝置主要以應(yīng)用于圖1所示的實(shí)施環(huán)境中的服務(wù)器120中進(jìn)行舉 例說明。該推薦算法優(yōu)化裝置可以包括：獲取模塊602、計(jì)算模塊604和分配模塊606。
[0094] 獲取模塊602,可以用于獲取統(tǒng)計(jì)的各個(gè)推薦算法的效果數(shù)據(jù)，效果數(shù)據(jù)用于反映 每個(gè)推薦算法在相同的統(tǒng)計(jì)時(shí)間窗口所對(duì)應(yīng)的推薦成功率；
[0095] 計(jì)算模塊604,可以用于根據(jù)獲取模塊602獲取的每個(gè)推薦算法的效果數(shù)據(jù)在各 個(gè)推薦算法中的比重獲取每個(gè)推薦算法的流量分流概率；
[0096] 分配模塊606,可以用于根據(jù)計(jì)算模塊604計(jì)算得到的流量分流概率為每個(gè)推薦 算法分配流量請求。
[0097] 綜上所述，本發(fā)明實(shí)施例提供的推薦算法優(yōu)化裝置，通過獲取統(tǒng)計(jì)的各個(gè)推薦算 法的效果數(shù)據(jù)；根據(jù)每個(gè)推薦算法的效果數(shù)據(jù)計(jì)算每個(gè)推薦算法的流量分流概率；根據(jù)流 量分流概率為每個(gè)推薦算法分配流量請求；解決了現(xiàn)有技術(shù)中在優(yōu)化的過程中，需要人工 為推薦算法分配流量，優(yōu)化周期長的問題；這里推薦算法的效果數(shù)據(jù)反映了推薦算法的推 薦成功率，由于可以根據(jù)統(tǒng)計(jì)的每個(gè)推薦算法的推薦成功率自動(dòng)為每個(gè)推薦算法分配流 量，能更好的為推薦成功率較高的推薦算法分配較多的流量，從而達(dá)到了可以大大降低優(yōu) 化周期，提高優(yōu)化效率及準(zhǔn)確率的效果。
[0098] 請參見圖7所示，其示出了本發(fā)明一個(gè)實(shí)施例中提供的推薦算法優(yōu)化裝置的結(jié)構(gòu) 示意圖。該推薦算法優(yōu)化裝置主要以應(yīng)用于圖1所示的實(shí)施環(huán)境中的服務(wù)器120中進(jìn)行舉 例說明。該推薦算法優(yōu)化裝置可以包括：獲取模塊702、計(jì)算模塊704和分配模塊706。 [0099] 獲取模塊702,可以用于獲取統(tǒng)計(jì)的各個(gè)推薦算法的效果數(shù)據(jù)，效果數(shù)據(jù)用于反映 反映每個(gè)推薦算法在相同的統(tǒng)計(jì)時(shí)間窗口所對(duì)應(yīng)的推薦成功率；
[0100] 計(jì)算模塊704,可以用于根據(jù)獲取模塊702獲取的每個(gè)推薦算法的效果數(shù)據(jù)在各 個(gè)推薦算法中的比重獲取每個(gè)推薦算法的流量分流概率；
[0101] 分配模塊706,可以用于根據(jù)計(jì)算模塊704計(jì)算得到的流量分流概率為每個(gè)推薦 算法分配流量請求。
[0102] 在本實(shí)施例中的第一種可能的實(shí)現(xiàn)方式中，獲取模塊702可以包括：獲取子模塊 702a和確定子模塊702b。
[0103] 獲取子模塊702a，可以用于對(duì)于每一個(gè)推薦算法，獲取推薦算法在屬于統(tǒng)計(jì)時(shí)間 窗口內(nèi)的至少兩個(gè)互相重疊的時(shí)間段所對(duì)應(yīng)的推薦成功率，互相重疊的每個(gè)時(shí)間段具有相 同的統(tǒng)計(jì)結(jié)束時(shí)刻和不同的統(tǒng)計(jì)開始時(shí)刻；
[0104] 確定子模塊702b，可以用于將互相重疊的每個(gè)時(shí)間段所對(duì)應(yīng)的推薦成功率和與時(shí) 間段對(duì)應(yīng)的權(quán)重相乘，得到乘積，將每個(gè)乘積相加得到的和值確定為推薦算法在統(tǒng)計(jì)時(shí)間 窗口的效果數(shù)據(jù)。
[0105] 在本實(shí)施例中的第二種可能的實(shí)現(xiàn)方式中，獲取子模塊702a可以包括：獲取子單 元702al、統(tǒng)計(jì)子單元702a2和確定子單元702a3。
[0106] 獲取子單元702al，可以用于獲取推薦算法在每個(gè)時(shí)間段中對(duì)應(yīng)的響應(yīng)動(dòng)作和推 薦結(jié)果，響應(yīng)動(dòng)作是至少一個(gè)終端在時(shí)間段內(nèi)對(duì)根據(jù)推薦算法確定的推薦結(jié)果的成功響 應(yīng)，推薦結(jié)果是在時(shí)間段內(nèi)根據(jù)推薦算法確定的推薦結(jié)果；
[0107] 統(tǒng)計(jì)子單元702a2,可以用于統(tǒng)計(jì)響應(yīng)動(dòng)作的數(shù)量與推薦結(jié)果的數(shù)量；
[0108] 確定子單元702a3,可以用于將統(tǒng)計(jì)子單元702a2統(tǒng)計(jì)出的響應(yīng)動(dòng)作的數(shù)量除以 統(tǒng)計(jì)子單元702a2統(tǒng)計(jì)出的推薦結(jié)果的數(shù)量得到的商值確定為推薦算法在時(shí)間段內(nèi)的推 薦成功率。
[0109] 在本實(shí)施例中的第三種可能的實(shí)現(xiàn)方式中，計(jì)算模塊704可以包括：和值獲取子 模塊704a和概率獲取子模塊704b。
[0110] 和值獲取子模塊704a，可以用于將每個(gè)推薦算法的效果數(shù)據(jù)相加，得到和值；
[0111] 概率獲取子模塊704b，可以用于對(duì)于每一個(gè)推薦算法，將推薦算法的效果數(shù)據(jù)除 以和值，得到推薦算法的流量分流概率。
[0112] 在本實(shí)施例中的第四種可能的實(shí)現(xiàn)方式中，分配模塊706還可以用于：
[0113] 在預(yù)定時(shí)間段內(nèi)根據(jù)流量分流概率為每個(gè)推薦算法分配流量請求，預(yù)定時(shí)間段為 本次的統(tǒng)計(jì)結(jié)束時(shí)刻與下一次的統(tǒng)計(jì)結(jié)束時(shí)刻之間的時(shí)間段。
[0114] 綜上所述，本發(fā)明實(shí)施例提供的推薦算法優(yōu)化裝置，通過獲取統(tǒng)計(jì)的各個(gè)推薦算 法的效果數(shù)據(jù)；根據(jù)每個(gè)推薦算法的效果數(shù)據(jù)計(jì)算每個(gè)推薦算法的流量分流概率；根據(jù)流 量分流概率為每個(gè)推薦算法分配流量請求；解決了現(xiàn)有技術(shù)中在優(yōu)化的過程中，需要人工 為推薦算法分配流量，優(yōu)化周期長的問題；這里推薦算法的效果數(shù)據(jù)反映了推薦算法的推 薦成功率，由于可以根據(jù)統(tǒng)計(jì)的每個(gè)推薦算法的推薦成功率自動(dòng)為每個(gè)推薦算法分配流 量，能更好的為推薦成功率較高的推薦算法分配較多的流量，從而達(dá)到了可以大大降低優(yōu) 化周期，提高優(yōu)化效率及準(zhǔn)確率的效果。
[0115] 需要說明的是：上述實(shí)施例中提供的推薦算法優(yōu)化裝置在對(duì)推薦算法進(jìn)行優(yōu)化 時(shí)，僅以上述各功能模塊的劃分進(jìn)行舉例說明，實(shí)際應(yīng)用中，可以根據(jù)需要而將上述功能分 配由不同的功能模塊完成，即將服務(wù)器的內(nèi)部結(jié)構(gòu)劃分成不同的功能模塊，以完成以上描 述的全部或者部分功能。另外，上述實(shí)施例提供的推薦算法優(yōu)化裝置與推薦算法優(yōu)化方法 實(shí)施例屬于同一構(gòu)思，其具體實(shí)現(xiàn)過程詳見方法實(shí)施例，這里不再贅述。
[0116] 請參見圖8所示，其示出了本發(fā)明部分實(shí)施例中提供的服務(wù)器的結(jié)構(gòu)方框圖。該 服務(wù)器800用于實(shí)施上述實(shí)施例提供的推薦算法優(yōu)化方法。該服務(wù)器800包括中央處理單 元（CPU) 801、包括隨機(jī)存取存儲(chǔ)器（RAM) 802和只讀存儲(chǔ)器（ROM) 803的系統(tǒng)存儲(chǔ)器804， 以及連接系統(tǒng)存儲(chǔ)器804和中央處理單元801的系統(tǒng)總線805。該服務(wù)器800還包括幫助 計(jì)算機(jī)內(nèi)的各個(gè)器件之間傳輸信息的基本輸入/輸出系統(tǒng)（I/O系統(tǒng))806,和用于存儲(chǔ)操作 系統(tǒng)813、應(yīng)用程序814和其他程序模塊815的大容量存儲(chǔ)設(shè)備807。
[0117] 該基本輸入/輸出系統(tǒng)806包括有用于顯不信息的顯不器808和用于用戶輸入信 息的諸如鼠標(biāo)、鍵盤之類的輸入設(shè)備809。其中該顯示器808和輸入設(shè)備809都通過連接到 系統(tǒng)總線805的輸入/輸出控制器810連接到中央處理單元801。該基本輸入/輸出系統(tǒng) 806還可以包括輸入輸出控制器810以用于接收和處理來自鍵盤、鼠標(biāo)、或電子觸控筆等多 個(gè)其他設(shè)備的輸入。類似地，輸入輸出控制器810還提供輸出到顯示屏、打印機(jī)或其他類型 的輸出設(shè)備。
[0118] 該大容量存儲(chǔ)設(shè)備807通過連接到系統(tǒng)總線805的大容量存儲(chǔ)控制器(未示出)連 接到中央處理單元801。該大容量存儲(chǔ)設(shè)備807及其相關(guān)聯(lián)的計(jì)算機(jī)可讀介質(zhì)為服務(wù)器800 提供非易失性存儲(chǔ)。也就是說，該大容量存儲(chǔ)設(shè)備807可以包括諸如硬盤或者CD-ROM驅(qū)動(dòng) 器之類的計(jì)算機(jī)可讀介質(zhì)(未示出）。
[0119] 不失一般性，該計(jì)算機(jī)可讀介質(zhì)可以包括計(jì)算機(jī)存儲(chǔ)介質(zhì)和通信介質(zhì)。計(jì)算機(jī) 存儲(chǔ)介質(zhì)包括以用于存儲(chǔ)諸如計(jì)算機(jī)可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序模塊或其他數(shù)據(jù)等信息的 任何方法或技術(shù)實(shí)現(xiàn)的易失性和非易失性、可移動(dòng)和不可移動(dòng)介質(zhì)。計(jì)算機(jī)存儲(chǔ)介質(zhì)包括 RAM、ROM、EPROM、EEPR0M、閃存或其他固態(tài)存儲(chǔ)其技術(shù)，CD-ROM、DVD或其他光學(xué)存儲(chǔ)、磁帶 盒、磁帶、磁盤存儲(chǔ)或其他磁性存儲(chǔ)設(shè)備。當(dāng)然，本領(lǐng)域技術(shù)人員可知該計(jì)算機(jī)存儲(chǔ)介質(zhì)不 局限于上述幾種。上述的系統(tǒng)存儲(chǔ)器804和大容量存儲(chǔ)設(shè)備807可以統(tǒng)稱為存儲(chǔ)器。
[0120] 根據(jù)本公開的各種實(shí)施例，該服務(wù)器800還可以通過諸如因特網(wǎng)等網(wǎng)絡(luò)連接到網(wǎng) 絡(luò)上的遠(yuǎn)程計(jì)算機(jī)運(yùn)行。也即服務(wù)器800可以通過連接在該系統(tǒng)總線805上的網(wǎng)絡(luò)接口單 元811連接到網(wǎng)絡(luò)812，或者說，也可以使用網(wǎng)絡(luò)接口單元811來連接到其他類型的網(wǎng)絡(luò)或 遠(yuǎn)程計(jì)算機(jī)系統(tǒng)(未示出）。
[0121] 該存儲(chǔ)器還包括一個(gè)或者一個(gè)以上的程序，該一個(gè)或者一個(gè)以上程序存儲(chǔ)于存儲(chǔ) 器中，且經(jīng)配置以由一個(gè)或者一個(gè)以上中央處理單元801執(zhí)行。上述一個(gè)或者多個(gè)中央處 理單元801具有如下功能 ：
[0122] 獲取統(tǒng)計(jì)的各個(gè)推薦算法的效果數(shù)據(jù)，效果數(shù)據(jù)用于反映每個(gè)推薦算法在相同的 統(tǒng)計(jì)時(shí)間窗口所對(duì)應(yīng)的推薦成功率；
[0123] 根據(jù)每個(gè)推薦算法的效果數(shù)據(jù)在各個(gè)推薦算法中的比重獲取每個(gè)推薦算法的流 量分流概率；
[0124] 根據(jù)流量分流概率為每個(gè)推薦算法分配流量請求。
[0125] 在本實(shí)施例中的第一種可能的實(shí)現(xiàn)方式中，獲取統(tǒng)計(jì)的各個(gè)推薦算法的效果數(shù) 據(jù)，包括：
[0126] 對(duì)于每一個(gè)推薦算法，獲取推薦算法在屬于統(tǒng)計(jì)時(shí)間窗口內(nèi)的至少兩個(gè)互相重疊 的時(shí)間段所對(duì)應(yīng)的推薦成功率，互相重疊的每個(gè)時(shí)間段具有相同的統(tǒng)計(jì)結(jié)束時(shí)刻和不同的 統(tǒng)計(jì)開始時(shí)刻；
[0127] 將互相重疊的每個(gè)時(shí)間段所對(duì)應(yīng)的推薦成功率和與時(shí)間段對(duì)應(yīng)的權(quán)重相乘，得到 乘積，將每個(gè)乘積相加得到的和值確定為推薦算法在統(tǒng)計(jì)時(shí)間窗口的效果數(shù)據(jù)。
[0128] 在本實(shí)施例中的第二種可能的實(shí)現(xiàn)方式中，獲取推薦算法在屬于統(tǒng)計(jì)時(shí)間窗口內(nèi) 的至少兩個(gè)互相重疊的時(shí)間段所對(duì)應(yīng)的推薦成功率，包括：
[0129] 獲取推薦算法在每個(gè)時(shí)間段中對(duì)應(yīng)的響應(yīng)動(dòng)作和推薦結(jié)果，響應(yīng)動(dòng)作是至少一個(gè) 終端在時(shí)間段內(nèi)對(duì)根據(jù)推薦算法確定的推薦結(jié)果的成功響應(yīng)，推薦結(jié)果是在時(shí)間段內(nèi)根據(jù) 推薦算法確定的推薦結(jié)果；
[0130] 統(tǒng)計(jì)響應(yīng)動(dòng)作的數(shù)量與推薦結(jié)果的數(shù)量；
[0131] 將響應(yīng)動(dòng)作的數(shù)量除以推薦結(jié)果的數(shù)量得到的商值確定為推薦算法在時(shí)間段內(nèi) 的推薦成功率。
[0132] 在本實(shí)施例中的第三種可能的實(shí)現(xiàn)方式中，根據(jù)每個(gè)推薦算法的效果數(shù)據(jù)在各個(gè) 推薦算法中的比重獲取每個(gè)推薦算法的流量分流概率，包括：
[0133] 將每個(gè)推薦算法的效果數(shù)據(jù)相加，得到和值；
[0134] 對(duì)于每一個(gè)推薦算法，將推薦算法的效果數(shù)據(jù)除以和值，得到推薦算法的流量分 流概率。
[0135] 在本實(shí)施例中的第四種可能的實(shí)現(xiàn)方式中，根據(jù)流量分流概率為每個(gè)推薦算法分 配流量請求，包括：
[0136] 在預(yù)定時(shí)間段內(nèi)根據(jù)流量分流概率為每個(gè)推薦算法分配流量請求，預(yù)定時(shí)間段為 本次的統(tǒng)計(jì)結(jié)束時(shí)刻與下一次的統(tǒng)計(jì)結(jié)束時(shí)刻之間的時(shí)間段。
[0137] 請參見圖9所示，其示出了本發(fā)明一個(gè)實(shí)施例中提供的推薦算法優(yōu)化系統(tǒng)的示意 圖，該推薦算法優(yōu)化系統(tǒng)主要以應(yīng)用于圖1所示的實(shí)施環(huán)境中進(jìn)行舉例說明。該推薦算法 優(yōu)化系統(tǒng)可以包括服務(wù)器902和至少一個(gè)終端904,服務(wù)器902通過有線網(wǎng)絡(luò)方式或無線網(wǎng) 絡(luò)方式與終端904連接，終端904可以向服務(wù)器902發(fā)送流量請求，服務(wù)器902可以為終端 904反饋推薦結(jié)果，對(duì)應(yīng)的，終端904可以選擇對(duì)該推薦結(jié)果進(jìn)行響應(yīng)。
[0138] 服務(wù)器902可以包括圖6或圖7中所描述的推薦算法優(yōu)化裝置，或服務(wù)器902可 以為圖8中所描述的服務(wù)器。
[0139] 綜上所述，本發(fā)明實(shí)施例提供的推薦算法優(yōu)化系統(tǒng)，通過在服務(wù)器獲取統(tǒng)計(jì)的各 個(gè)推薦算法的效果數(shù)據(jù)；根據(jù)每個(gè)推薦算法的效果數(shù)據(jù)計(jì)算每個(gè)推薦算法的流量分流概 率；根據(jù)流量分流概率為每個(gè)推薦算法分配流量請求；解決了現(xiàn)有技術(shù)中在優(yōu)化的過程 中，需要人工為推薦算法分配流量，優(yōu)化周期長的問題；這里推薦算法的效果數(shù)據(jù)反映了推 薦算法的推薦成功率，由于可以根據(jù)統(tǒng)計(jì)的每個(gè)推薦算法的推薦成功率自動(dòng)為每個(gè)推薦算 法分配流量，能更好的為推薦成功率較高的推薦算法分配較多的流量，從而達(dá)到了可以大 大降低優(yōu)化周期，提高優(yōu)化效率及準(zhǔn)確率的效果。
[0140] 上述本發(fā)明實(shí)施例序號(hào)僅僅為了描述，不代表實(shí)施例的優(yōu)劣。
[0141] 本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例的全部或部分步驟可以通過硬件 來完成，也可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲(chǔ)于一種計(jì)算機(jī)可讀 存儲(chǔ)介質(zhì)中，上述提到的存儲(chǔ)介質(zhì)可以是只讀存儲(chǔ)器，磁盤或光盤等。
[0142] 以上所述僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和 原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【權(quán)利要求】
1. 一種推薦算法優(yōu)化方法，其特征在于，所述方法包括： 獲取統(tǒng)計(jì)的各個(gè)推薦算法的效果數(shù)據(jù)，所述效果數(shù)據(jù)用于反映每個(gè)推薦算法在相同的 統(tǒng)計(jì)時(shí)間窗口所對(duì)應(yīng)的推薦成功率； 根據(jù)每個(gè)推薦算法的所述效果數(shù)據(jù)在各個(gè)推薦算法中的比重獲取每個(gè)推薦算法的流 量分流概率； 根據(jù)所述流量分流概率為每個(gè)推薦算法分配流量請求。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取統(tǒng)計(jì)的各個(gè)推薦算法的效果數(shù) 據(jù)，包括： 對(duì)于每一個(gè)推薦算法，獲取所述推薦算法在屬于所述統(tǒng)計(jì)時(shí)間窗口內(nèi)的至少兩個(gè)互相 重疊的時(shí)間段所對(duì)應(yīng)的推薦成功率，互相重疊的每個(gè)時(shí)間段具有相同的統(tǒng)計(jì)結(jié)束時(shí)刻和不 同的統(tǒng)計(jì)開始時(shí)刻； 將互相重疊的每個(gè)時(shí)間段所對(duì)應(yīng)的推薦成功率和與所述時(shí)間段對(duì)應(yīng)的權(quán)重相乘，得到 乘積，將每個(gè)乘積相加得到的和值確定為所述推薦算法在所述統(tǒng)計(jì)時(shí)間窗口的效果數(shù)據(jù)。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述獲取所述推薦算法在屬于所述統(tǒng)計(jì) 時(shí)間窗口內(nèi)的至少兩個(gè)互相重疊的時(shí)間段所對(duì)應(yīng)的推薦成功率，包括： 獲取所述推薦算法在每個(gè)時(shí)間段中對(duì)應(yīng)的響應(yīng)動(dòng)作和推薦結(jié)果，所述響應(yīng)動(dòng)作是至少 一個(gè)終端在所述時(shí)間段內(nèi)對(duì)根據(jù)所述推薦算法確定的推薦結(jié)果的成功響應(yīng)，所述推薦結(jié)果 是在所述時(shí)間段內(nèi)根據(jù)所述推薦算法確定的推薦結(jié)果； 統(tǒng)計(jì)所述響應(yīng)動(dòng)作的數(shù)量與所述推薦結(jié)果的數(shù)量； 將所述響應(yīng)動(dòng)作的數(shù)量除以所述推薦結(jié)果的數(shù)量得到的商值確定為所述推薦算法在 所述時(shí)間段內(nèi)的推薦成功率。
4. 根據(jù)權(quán)利要求2或3所述的方法，其特征在于，所述根據(jù)每個(gè)推薦算法的所述效果數(shù) 據(jù)在各個(gè)推薦算法中的比重獲取每個(gè)推薦算法的流量分流概率，包括： 將每個(gè)推薦算法的所述效果數(shù)據(jù)相加，得到和值； 對(duì)于每一個(gè)推薦算法，將所述推薦算法的效果數(shù)據(jù)除以所述和值，得到所述推薦算法 的流量分流概率。
5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述流量分流概率為每個(gè)推薦 算法分配流量請求，包括： 在預(yù)定時(shí)間段內(nèi)根據(jù)所述流量分流概率為每個(gè)推薦算法分配流量請求，所述預(yù)定時(shí)間 段為本次的所述統(tǒng)計(jì)結(jié)束時(shí)刻與下一次的統(tǒng)計(jì)結(jié)束時(shí)刻之間的時(shí)間段。
6. -種推薦算法優(yōu)化裝置，其特征在于，所述裝置包括： 獲取模塊，用于獲取統(tǒng)計(jì)的各個(gè)推薦算法的效果數(shù)據(jù)，所述效果數(shù)據(jù)用于反映每個(gè)在 相同的統(tǒng)計(jì)時(shí)間窗口所對(duì)應(yīng)的推薦成功率； 計(jì)算模塊，用于根據(jù)所述獲取模塊獲取的每個(gè)推薦算法的所述效果數(shù)據(jù)在各個(gè)推薦算 法中的比重獲取每個(gè)推薦算法的流量分流概率； 分配模塊，用于根據(jù)所述計(jì)算模塊計(jì)算得到的所述流量分流概率為每個(gè)推薦算法分配 流量請求。
7. 根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述獲取模塊，包括： 獲取子模塊，用于對(duì)于每一個(gè)推薦算法，獲取所述推薦算法在屬于所述統(tǒng)計(jì)時(shí)間窗口 內(nèi)的至少兩個(gè)互相重疊的時(shí)間段所對(duì)應(yīng)的推薦成功率，互相重疊的每個(gè)時(shí)間段具有相同的 統(tǒng)計(jì)結(jié)束時(shí)刻和不同的統(tǒng)計(jì)開始時(shí)刻； 確定子模塊，用于將互相重疊的每個(gè)時(shí)間段所對(duì)應(yīng)的推薦成功率和與所述時(shí)間段對(duì)應(yīng) 的權(quán)重相乘，得到乘積，將每個(gè)乘積相加得到的和值確定為所述推薦算法在所述統(tǒng)計(jì)時(shí)間 窗口的效果數(shù)據(jù)。
8. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述獲取單元，包括： 獲取子單元，用于獲取所述推薦算法在每個(gè)時(shí)間段中對(duì)應(yīng)的響應(yīng)動(dòng)作和推薦結(jié)果，所 述響應(yīng)動(dòng)作是至少一個(gè)終端在所述時(shí)間段內(nèi)對(duì)根據(jù)所述推薦算法確定的推薦結(jié)果的成功 響應(yīng)，所述推薦結(jié)果是在所述時(shí)間段內(nèi)根據(jù)所述推薦算法確定的推薦結(jié)果； 統(tǒng)計(jì)子單元，用于統(tǒng)計(jì)所述響應(yīng)動(dòng)作的數(shù)量與所述推薦結(jié)果的數(shù)量； 確定子單元，用于將所述統(tǒng)計(jì)子單元統(tǒng)計(jì)出的所述響應(yīng)動(dòng)作的數(shù)量除以所述統(tǒng)計(jì)子單 元統(tǒng)計(jì)出的所述推薦結(jié)果的數(shù)量得到的商值確定為所述推薦算法在所述時(shí)間段內(nèi)的推薦 成功率。
9. 根據(jù)權(quán)利要求7或8所述的裝置，其特征在于，所述計(jì)算模塊，包括： 和值獲取單元，用于將每個(gè)推薦算法的所述效果數(shù)據(jù)相加，得到和值； 概率獲取單元，對(duì)于每一個(gè)推薦算法，將所述推薦算法的效果數(shù)據(jù)除以所述和值，得到 所述推薦算法的流量分流概率。
10. 根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述分配模塊，還用于： 在預(yù)定時(shí)間段內(nèi)根據(jù)所述流量分流概率為每個(gè)推薦算法分配流量請求，所述預(yù)定時(shí)間 段為本次的所述統(tǒng)計(jì)結(jié)束時(shí)刻與下一次的統(tǒng)計(jì)結(jié)束時(shí)刻之間的時(shí)間段。
11. 一種推薦算法優(yōu)化系統(tǒng)，其特征在于，所述系統(tǒng)包括服務(wù)器和至少一個(gè)終端； 所述服務(wù)器包括如權(quán)利要求6至10中任一所述的推薦算法優(yōu)化裝置。
【文檔編號(hào)】G06F17/30GK104090893SQ201310689281
【公開日】2014年10月8日 申請日期:2013年12月13日 優(yōu)先權(quán)日:2013年12月13日
【發(fā)明者】程章敏 申請人:深圳市騰訊計(jì)算機(jī)系統(tǒng)有限公司