[发明专利]目标对象排名解释方法、装置、电子设备及可读存储介质

说明书

本公开实施例公开了一种目标对象排名解释方法、装置、电子设备及可读存储介质，所述方法包括：生成针对用户的对象排序列表；确定所述对象排序列表中的对象对应的特征的特征信息，其中，所述特征包括至少一个；当接收到针对所述对象排序列表中的目标对象的排名解释请求时，根据所述目标对象对应的特征的特征信息以所述对象排序列表中至少一个其他对象对应的特征的特征信息，确定所述目标对象的排名解释信息。本公开实施例能够有效地解释目标对象在对象排序列表中的排名，进而能够指导目标对象的改进方向。

技术领域

本公开涉及互联网技术领域，具体涉及一种目标对象排名解释方法、装置、电子设备及可读存储介质。

背景技术

随着互联网技术的发展，电商平台或第三方平台可以整合对象资源，向用户推荐用户需求的对象，也可以向用户推荐对象排序列表。发明人在实现本发明的过程中发现，为了增强对象排序列表针对用户的精准性，机器学习模型需要考虑更多的输入因子，如对象的各种特征、用户的各种特征、对象与用户的交叉特征等，并利用更复杂的排序算法，以生成针对用户个人更精准的对象排序列表。在此情况下，所生成的列表中的对象排序的可解释性变得复杂，不容易了解各特征对于对象排序的影响。

发明内容

为了解决相关技术中的问题，本公开实施例提供一种目标对象排名解释方法、装置、电子设备及可读存储介质。

第一方面，本公开实施例中提供了一种目标对象排名解释方法，包括：

生成针对用户的对象排序列表；

确定所述对象排序列表中的对象对应的特征的特征信息，其中，所述特征包括至少一个；

当接收到针对所述对象排序列表中的目标对象的排名解释请求时，根据所述目标对象对应的特征的特征信息以及所述对象排序列表中至少一个其他对象对应的特征的特征信息，确定所述目标对象的排名解释信息。

结合第一方面，本公开在第一方面的第一种实现方式中，所述排名解释信息用于对所述目标对象在所述对象排序列表中的排名进行解释；和/或者

所述排名解释信息包括所述目标对象对应的特征中的待改进特征。

结合第一方面，本公开在第一方面的第二种实现方式中，所述特征信息包括SHAP值；

所述确定所述对象排序列表中的对象对应的特征的特征信息，包括：

根据LIME算法、DeepLIFT算法、Layer-Wise Relevance Propagation算法、Classic Shapley Value Estimation算法中的至少一种，确定所述对象对应的特征的SHAP值。

结合第一方面，本公开在第一方面的第三种实现方式中，所述根据所述目标对象对应的特征的特征信息以及所述对象排序列表中至少一个其他对象对应的特征的特征信息，确定所述目标对象的排名解释信息，包括：

获取所述对象排序列表中排名在所述目标对象之前的N个对象中各对象对应的特征的特征信息，其中，N为正整数；

根据所述目标对象对应的特征的特征信息以及所述N个对象对应的特征的特征信息，确定所述目标对象的排名解释信息。

结合第一方面的第三种实现方式，本公开在第一方面的第四种实现方式中，所述根据所述目标对象对应的特征的特征信息以及所述N个对象对应的特征的特征信息，确定所述目标对象的排名解释信息，包括：

针对每个特征i，计算所述N个对象中各对象对应的特征i的特征信息平均值；

计算所述目标对象对应的特征i的特征信息与所述特征i的特征信息平均值的差值；

根据所述差值，确定所述目标对象的排名解释信息。