1.一种针对推荐算法的评估方法,其特征在于,包括:确定目标用户所对应的N个推荐列表以及历史行为记录,其中,N为大于或等于1的整数,所述N个推荐列表与所述推荐算法相对应;
根据所述历史行为记录确定所述目标用户对方面集合中每个方面的好奇程度;
计算所述目标用户与目标推荐列表中每个物品在所述方面集合中每个方面的相关性,所述目标推荐列表为所述N个推荐列表中的任意一个推荐列表;
根据所述好奇程度以及所述相关性确定所述目标用户对所述目标推荐列表中每个物品的收益;
根据所述每个物品的收益确定所述目标推荐列表的整体收益得分。
2.根据权利要求1所述的方法,其特征在于,所述根据所述历史行为记录确定所述目标用户对方面集合中每个方面的好奇程度包括:确定每个物品在所述历史行为记录中时间上的权重和所述目标用户对所述每个物品在方面上的评分;
根据所述每个物品在所述历史行为记录中时间上的权重和所述目标用户对所述每个物品在方面上的评分确定所述目标用户对所述方面集合中每个方面的好奇程度。
3.根据权利要求1所述的方法,其特征在于,所述计算所述目标用户与所述目标推荐列表中的每个物品在所述方面集合中每个方面的相关性包括:确定所述每个物品满足所述目标用户对所述每个方面感兴趣的概率以及浏览完所述目标推荐列表中优先级大于所述每个物品后所述目标用户对所述每个方面的感兴趣的概率;
根据所述每个物品满足所述目标用户对所述每个方面感兴趣的概率以及浏览完所述目标推荐列表中优先级大于所述每个物品后所述目标用户对所述每个方面的感兴趣的概率确定所述目标用户与所述目标推荐列表中的每个物品在所述每个方面的相关性。
4.根据权利要求1所述的方法,其特征在于,所述根据所述好奇程度以及所述相关性确定所述目标用户对所述目标推荐列表中每个物品的收益包括:通过如下公式确定所述目标用户对所述目标推荐列表中每个物品的收益:其中,gain(u,i)为所述目标用户对所述目标推荐列表中每个物品i的收益,τu,φ为所述目标用户u对所述方面集合中每个方面aφ的好奇程度,relevanve(u,i,φ)为所述目标用户u与物品i在方面aφ上的相关性。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述根据所述每个物品的收益确定所述目标推荐列表的整体收益得分包括:根据所述每个物品的收益计算所述目标推荐列表的未归一化评分;
根据所述每个物品的收益计算所述目标推荐列表的理想收益;
根据所述未归一化评分以及所述理想收益确定所述目标推荐列表的整体收益得分。
6.根据权利要求5所述的方法,其特征在于,所述根据所述每个物品的收益计算所述目标推荐列表的未归一化评分包括:通过如下公式确定所述目标推荐列表的未归一化评分:其中,ser‑DCG为所述目标推荐列表的未归一化评分,K为所述目标推荐列表中包括的物品数量,gain(u,i)为所述目标用户u对所述目标推荐列表中每个物品i的收益;
所述根据所述每个物品的收益计算所述目标推荐列表的理想收益包括:通过如下公式确定所述目标推荐列表的理想收益:
其中,ser‑IDCG为所述目标推荐列表的理想收益,rank(i)为所述每个物品i在所述目标推荐列表中的收益值排序;
所述根据所述未归一化评分以及所述理想收益确定所述目标推荐列表的整体收益得分包括:通过如下公式确定所述目标推荐列表的整体收益得分:其中,ser‑nDCG为所述目标推荐列表的整体收益得分。
7.一种针对推荐算法的评估装置,其特征在于,包括:确定单元,用于确定目标用户所对应的N个推荐列表以及历史行为记录,其中,N为大于或等于1的整数,所述N个推荐列表与所述推荐算法相对应;
好奇程度确定单元,用于根据所述历史行为记录确定所述目标用户对方面集合中每个方面的好奇程度;
方面相关性计算单元,用于计算所述目标用户与目标推荐列表中每个物品在所述方面集合中每个方面的相关性,所述目标推荐列表为所述N个推荐列表中的任意一个推荐列表;
收益确定单元,用于根据所述好奇程度以及所述相关性确定所述目标用户对所述目标推荐列表中每个物品的收益;
评分确定单元,用于根据所述每个物品的收益确定所述目标推荐列表的整体收益得分。
8.根据权利要求7所述的装置,其特征在于,所述评分确定单元具体用于:根据所述每个物品的收益计算所述目标推荐列表的未归一化评分;
根据所述每个物品的收益计算所述目标推荐列表的理想收益;
根据所述未归一化评分以及所述理想收益确定所述目标推荐列表的整体收益得分。
9.一种计算机设备,其特征在于,包括:
至少一个连接的处理器、存储器和收发器,其中,所述存储器用于存储程序代码,所述处理器用于调用所述存储器中的程序代码来执行权利要求1至6中任一项所述的针对推荐算法的评估方法的步骤。
10.一种计算机存储介质,其特征在于,包括:
指令,当所述指令在计算机上运行时,使得计算机执行权利要求1至6中任一项所述的针对推荐算法的评估方法的步骤。