1 .一种推荐模型的推荐结果优化方法,其特征在于,所述推荐结果优化方法包括:
在所述推荐模型对一待推荐数据进行预测时,获取用于对所述推荐模型生成的预测结
果进行分类的分类界限值,根据所述分类界限值,确定表征分类误差的模糊区间,其中,所
述分类界限值用于对所述预测结果对应的数据是否为推荐或者不推荐进行决策;
从所述推荐模型训练时所使用的训练数据集中筛选出所述预测结果处于所述模糊区
间的目标数据集,对所述目标数据集进行预测规则提取,得到至少一预测规则;
获取所述推荐模型对应所述待推荐数据的预测结果,检测所述待推荐数据的预测结果
是否处于所述模糊区间;
若检测到所述待推荐数据的预测结果处于所述模糊区间,则根据所述至少一个预测规
则对所述待推荐数据进行推荐预测,得到对应所述待推荐数据的优化推荐结果。
2.根据权利要求1所述的推荐结果优化方法,其特征在于,所述根据所述分类界限值,
确定表征分类误差的模糊区间,包括:
根据所述分类界限值,从原始分类区间中确定小于所述分类界限值的第一区间,以及
大于所述分类界限值的第二区间;
从所述第一区间中确定一第一阈值,从所述第二区间中确定一第二阈值,将所述第一
阈值与所述第二阈值之间的区间作为表征分类误差的模糊区间。
3.根据权利要求2所述的推荐结果优化方法,其特征在于,所述从所述第一区间中确定
一第一阈值,从所述第二区间中确定一第二阈值,包括:
从所述第一区间中确定当前轮次的第一当前阈值,从所述第二区间中确定当前轮次的
第二当前阈值,计算所述当前轮次与上一轮次对应的第一当前阈值的第一差值,以及所述
当前轮次与上一轮次对应的第二当前阈值的第二差值,其中,若无上一轮次,则确定上一轮
次得到的第一当前阈值和第二当前阈值均为零;
若所述第一差值不小于第一差值阈值和/或所述第二差值不小于第二差值阈值,则使
用递归算法调整所述分类界限值,得到更新界限值,将所述更新界限值作为所述分类界限
值;
返回执行所述根据所述分类界限值,从原始分类区间中确定小于所述分类界限值的第
一区间,以及大于所述分类界限值的第二区间的步骤,直至所述第一差值小于第一差值阈
值和所述第二差值小于第二差值阈值,得到对应的轮次的第一当前阈值为所述第一区间的
第一阈值,以及对应轮次的第二当前阈值为所述第二区间的第二阈值。
4 .根据权利要求3所述的推荐结果优化方法,其特征在于,所述从所述第一区间中确定
当前轮次的第一当前阈值,从所述第二区间中确定当前轮次的第二当前阈值,包括:
计算所述第一区间的中位数,得到第一中位数,将所述第一中位数作为当前轮次的第
一当前阈值;
计算所述第二区间的中位数,得到第二中位数,将所述第二中位数作为所述当前轮次
的第二当前阈值。
5.根据权利要求1所述的推荐结果优化方法,其特征在于,在所述检测所述待推荐数据
的预测结果是否处于所述模糊区间之后,还包括:
若检测到所述待推荐数据的预测结果不处于所述模糊区间,则根据所述分类界限值对
所述待推荐数据进行推荐决策,得到对应所述待推荐数据的推荐决策结果。
权 利 要 求 书
1/3 页
2
评论