本技術(shù)涉及人工智能和大數(shù)據(jù)，尤其涉及一種產(chǎn)品推薦的測試集生成方法、裝置、計算機(jī)設(shè)備及介質(zhì)。

背景技術(shù)：

1、隨著科學(xué)技術(shù)的發(fā)展，獲取數(shù)據(jù)并利用數(shù)據(jù)建模以解決相應(yīng)的問題，已是非常常見的技術(shù)手段。例如，各電商平臺會收集用戶的商品瀏覽記錄等數(shù)據(jù)，并根據(jù)收集的數(shù)據(jù)構(gòu)建產(chǎn)品推薦模型，以向用戶推薦產(chǎn)品。對于一個智能推薦、智能搜索等系統(tǒng)，產(chǎn)品推薦質(zhì)量直接影響用戶使用及體驗(yàn)，而用戶提問千人千面，如何在上線前，提升算法模型測試質(zhì)量，保證算法推薦效果，成為一項(xiàng)技術(shù)難點(diǎn)。

2、現(xiàn)有的算法模型測試方法，往往通過從數(shù)據(jù)集中劃分出來的測試集作為測試案例，驗(yàn)證算法模型效果。在整個數(shù)據(jù)集中，測試集往往占比較小，同時若劃分不均勻，測試數(shù)據(jù)本身有限，可能存在測試集測試覆蓋不全面的情況，上線后不能根據(jù)用戶提問推薦出準(zhǔn)確的產(chǎn)品。

3、每個產(chǎn)品一般具有各自的特征，產(chǎn)品推薦模型往往根據(jù)這些特征推薦產(chǎn)品。如果產(chǎn)品數(shù)量較大且特征值較多，人工完全覆蓋難度較大且時間成本較高。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例的目的在于提出一種產(chǎn)品推薦的測試集生成、產(chǎn)品推薦的測試方法及設(shè)備，其主要目的是自動生成測試集，以擴(kuò)充測試集的覆蓋范圍。

2、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例提供一種產(chǎn)品推薦的測試集生成方法，采用了如下的技術(shù)方案：

3、一種產(chǎn)品推薦的測試集生成方法，包括下述步驟：

4、獲取產(chǎn)品的產(chǎn)品描述；

5、劃分產(chǎn)品描述所屬的特征類別，并生成有關(guān)所述產(chǎn)品描述和所述特征類別的產(chǎn)品類別對應(yīng)關(guān)系；

6、基于所述特征類別，從所述產(chǎn)品描述中提取特征關(guān)鍵詞，生成有關(guān)所述特征類別和所述特征關(guān)鍵詞的類別特征對應(yīng)關(guān)系；

7、對至少部分所述特征關(guān)鍵詞進(jìn)行泛化處理，得到泛化后的特征關(guān)鍵詞，基于所述泛化后的特征關(guān)鍵詞更新所述類別特征對應(yīng)關(guān)系；

8、基于所述產(chǎn)品類別對應(yīng)關(guān)系和更新后的所述類別特征對應(yīng)關(guān)系，生成有關(guān)所述產(chǎn)品和所述特征關(guān)鍵詞的產(chǎn)品特征關(guān)系矩陣；

9、結(jié)合預(yù)設(shè)規(guī)則，基于所述產(chǎn)品特征關(guān)系矩陣生成測試集。

10、進(jìn)一步的，所述對所述特征關(guān)鍵詞進(jìn)行泛化處理包括下述步驟：

11、獲取預(yù)設(shè)的泛化閾值參數(shù)；

12、基于泛化閾值參數(shù)對特征關(guān)鍵詞進(jìn)行泛化處理。

13、進(jìn)一步的，所述基于所述產(chǎn)品類別對應(yīng)關(guān)系和更新后的所述類別特征對應(yīng)關(guān)系，生成產(chǎn)品特征關(guān)系矩陣包括下述步驟：

14、基于所述產(chǎn)品類別對應(yīng)關(guān)系和更新后的所述類別特征對應(yīng)關(guān)系生成單特征的產(chǎn)品特征關(guān)系矩陣；

15、獲取預(yù)設(shè)的特征組合的數(shù)量參數(shù)；

16、基于所述數(shù)量參數(shù)進(jìn)行特征關(guān)鍵詞組合，得到多特征關(guān)鍵詞；

17、基于所述多特征關(guān)鍵詞，將單特征的產(chǎn)品特征關(guān)系矩陣轉(zhuǎn)換為多特征的產(chǎn)品特征關(guān)系矩陣；

18、結(jié)合所述單特征的產(chǎn)品特征關(guān)系矩陣和所述多特征的產(chǎn)品特征關(guān)系矩陣，得到所述產(chǎn)品特征關(guān)系矩陣。

19、進(jìn)一步的，所述基于所述產(chǎn)品類別對應(yīng)關(guān)系和更新后的所述類別特征對應(yīng)關(guān)系，生成產(chǎn)品特征關(guān)系矩陣包括下述步驟：

20、基于所述產(chǎn)品類別對應(yīng)關(guān)系，提取每個所述產(chǎn)品對應(yīng)的至少一個所述特征類別；

21、基于所述更新后的特征類別對應(yīng)關(guān)系，提取每個所述特征類別對應(yīng)的至少一個所述泛化后的特征關(guān)鍵詞；

22、基于所述特征類別，構(gòu)建每個所述泛化后的特征關(guān)鍵詞與至少一個所述產(chǎn)品對應(yīng)的所述單特征的產(chǎn)品特征關(guān)系矩陣；

23、以所述單特征的產(chǎn)品特征關(guān)系矩陣作為所述產(chǎn)品特征關(guān)系矩陣。

24、進(jìn)一步的，當(dāng)所述特征類別為描述類特征，所述基于所述特征類別從所述產(chǎn)品描述中提取特征關(guān)鍵詞包括下述步驟：

25、識別所述特征類別；

26、在識別到所述特征類別為描述類特征時，對所述產(chǎn)品描述進(jìn)行分詞提取，得到分詞列表；去掉所述分詞列表中與產(chǎn)品無關(guān)的分詞，得到特征關(guān)鍵詞；

27、在識別到所述特征類別為枚舉類特征時，從所述產(chǎn)品描述中提取枚舉值作為所述特征關(guān)鍵詞；

28、在識別到所述特征類別為范圍類特征時，匯總所述產(chǎn)品描述對應(yīng)的所有特征區(qū)域，得到所述特征關(guān)鍵詞。

29、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例還提供一種基于上面所述的產(chǎn)品推薦的測試集生成方法生成的測試集進(jìn)行產(chǎn)品推薦模型的測試方法，采用了如下的技術(shù)方案：

30、進(jìn)一步的，在所述結(jié)合預(yù)設(shè)規(guī)則，基于所述產(chǎn)品特征關(guān)系矩陣生成測試集的步驟之后，所述方法包括：

31、獲取所述測試集中的當(dāng)前測試樣本；

32、以所述當(dāng)前測試樣本作為產(chǎn)品推薦模型的輸入，輸出當(dāng)前推薦產(chǎn)品；

33、遍歷所述產(chǎn)品特征關(guān)系矩陣，判斷所述當(dāng)前推薦產(chǎn)品是否滿足所述產(chǎn)品特征關(guān)系矩陣；

34、若不滿足，對當(dāng)前測試進(jìn)行標(biāo)記。

35、進(jìn)一步的，所述對當(dāng)前測試進(jìn)行標(biāo)記之后，所述方法還包括下述步驟：

36、基于被標(biāo)記的所述當(dāng)前測試，更新泛化處理的規(guī)則；

37、以更新后的泛化處理規(guī)則重復(fù)執(zhí)行所述對至少部分所述特征關(guān)鍵詞進(jìn)行泛化處理，得到泛化后的特征關(guān)鍵詞；基于所述泛化后的特征關(guān)鍵詞更新所述類別特征對應(yīng)關(guān)系；基于所述產(chǎn)品類別對應(yīng)關(guān)系和更新后的所述類別特征對應(yīng)關(guān)系，并重新生成新的產(chǎn)品特征關(guān)系矩陣；結(jié)合預(yù)設(shè)規(guī)則，基于所述產(chǎn)品特征關(guān)系矩陣生成測試集的方法步驟，得到更新后的測試集。

38、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例還提供一種產(chǎn)品推薦的測試集生成裝置，采用了如下的技術(shù)方案：

39、一種產(chǎn)品推薦的測試集生成裝置，包括：

40、描述獲取模塊，用于獲取產(chǎn)品的產(chǎn)品描述；

41、類別劃分模塊，用于劃分產(chǎn)品描述所屬的特征類別，并生成有所述關(guān)產(chǎn)品描述和所述特征類別的產(chǎn)品類別對應(yīng)關(guān)系；

42、特征提取模塊，用于基于所述特征類別從所述產(chǎn)品描述中提取特征關(guān)鍵詞，生成有關(guān)所述特征類別和所述特征關(guān)鍵詞的類別特征對應(yīng)關(guān)系；

43、泛化處理模塊，用于對至少部分所述特征關(guān)鍵詞進(jìn)行泛化處理，得到泛化后的特征關(guān)鍵詞，基于所述泛化后的特征關(guān)鍵詞更新所述類別特征對應(yīng)關(guān)系；

44、矩陣生成模塊，用于基于所述產(chǎn)品類別對應(yīng)關(guān)系和更新后的所述類別特征對應(yīng)關(guān)系，生成有關(guān)所述產(chǎn)品和更新后的所述特征關(guān)鍵詞的產(chǎn)品特征關(guān)系矩陣；

45、樣本生成模塊，用于結(jié)合預(yù)設(shè)規(guī)則，基于所述產(chǎn)品特征關(guān)系矩陣生成測試集。

46、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例還提供一種基于上面任一項(xiàng)所述的產(chǎn)品推薦的測試集生成方法生成的測試集進(jìn)行產(chǎn)品推薦模型的測試裝置，所述裝置，采用了如下的技術(shù)方案：

47、一種基于上面任一項(xiàng)所述的產(chǎn)品推薦的測試集生成方法生成的測試集進(jìn)行產(chǎn)品推薦模型的測試裝置，所述裝置包括：

48、樣本獲取模塊，用于獲取所述測試集中的當(dāng)前測試樣本；

49、產(chǎn)品推薦模塊，用于以所述當(dāng)前測試樣本作為所述產(chǎn)品推薦模型的輸入，輸出當(dāng)前推薦產(chǎn)品；

50、關(guān)系判斷模塊，用于遍歷所述產(chǎn)品特征關(guān)系矩陣，判斷所述當(dāng)前推薦產(chǎn)品是否滿足所述產(chǎn)品特征關(guān)系矩陣；

51、測試標(biāo)記模塊，用于若不滿足，對當(dāng)前測試進(jìn)行標(biāo)記。

52、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例還提供一種計算機(jī)設(shè)備，采用了如下的技術(shù)方案：

53、一種計算機(jī)設(shè)備，包括存儲器和處理器，存儲器中存儲有計算機(jī)可讀指令，處理器執(zhí)行計算機(jī)可讀指令時實(shí)現(xiàn)上面任一項(xiàng)的產(chǎn)品推薦的測試集生成方法的步驟。

54、為了解決上述技術(shù)問題，本技術(shù)實(shí)施例還提供一種計算機(jī)可讀存儲介質(zhì)，采用了如下的技術(shù)方案：

55、一種計算機(jī)可讀存儲介質(zhì)，計算機(jī)可讀存儲介質(zhì)上存儲有計算機(jī)可讀指令，計算機(jī)可讀指令被處理器執(zhí)行時實(shí)現(xiàn)上面任一項(xiàng)的產(chǎn)品推薦的測試集生成方法的步驟。

56、與現(xiàn)有技術(shù)相比，本技術(shù)實(shí)施例主要有以下有益效果：

57、本技術(shù)實(shí)施例通過對產(chǎn)品描述劃分特征類別，基于特征類別從產(chǎn)品描述提取特征關(guān)鍵詞，再對特征關(guān)鍵詞進(jìn)行泛化，得到有關(guān)產(chǎn)品和泛化后的特征關(guān)鍵詞的產(chǎn)品特征關(guān)系矩陣，基于該關(guān)系矩陣，結(jié)合預(yù)設(shè)規(guī)則自動生成測試集，降低人工成本；另外，基于泛化后的特征關(guān)鍵詞的產(chǎn)品特征關(guān)系矩陣生成測試集可以擴(kuò)大測試集覆蓋范圍，提升測試案例多樣性，有利于增強(qiáng)基于此測試集測試得到的產(chǎn)品推薦模型的推薦質(zhì)量，提高推薦效果。