推荐算法的公平性评估方法及AI模型选择方法技术

本说明书实施例提供的推荐算法的公平性评估方法及AI模型选择方法，该方法包括确定目标测评数据；根据测评属性确定至少两个测评对象，以及至少两个测评对象的当前位置和当前速度；根据至少两个测评对象对目标测评数据进行分类，并根据推荐算法针对分类后的目标测评数据的公平性指标，确定至少两个测评对象相对于当前位置和当前速度的适应度；根据适应度确定推荐算法的公平性评估结果。该方法根据至少两个测评对象，在多维的测评属性上执行自动搜索，通过至少两个测评对象相对于当前位置和当前速度的适应度，快速的定位偏离公平性约束阈值的测评数据，为下一步的推荐算法去偏优化提供测评支撑，具有较强的实用性和可实现性。具有较强的实用性和可实现性。具有较强的实用性和可实现性。

【技术实现步骤摘要】
推荐算法的公平性评估方法及AI模型选择方法


[0001]本说明书实施例涉及计算机
，特别涉及一种推荐算法的公平性评估方法及AI模型选择方法。

技术介绍

[0002]随着互联网技术的飞速发展，已促使人们逐步从信息匮乏时代步入了信息过载时代。在信息过载时代，无论是消费者还是生产者都面临着巨大的挑战。以电商平台上的商品信息为例，作为消费者，如何从海量的、品类繁杂的商品中找到自己感兴趣的商品是一件相对困难的事情；作为生产者，如何让自己生产的商品能脱颖而出，受到广大用户的青睐和关注，同样是一件困难的事情。那么推荐系统的诞生则极大地解决了生产者、消费者之间的这种信息传递矛盾。而作为推荐系统基石的推荐算法，其核心在于，基于用户的搜索、点击、浏览等行为信息建模用户的兴趣偏好，一方面辅助用户发现对自己更有价值的信息，另一方面将优质的信息呈现在有相应兴趣偏好的用户面前，从而加速信息的生产、传播、变现，实现消费者、生产者与信息平台之间的多方共赢。
[0003]然而，人工智能在自动化决策过程中存在的不公平性，甚至是歧视的问题饱受社会争议，不仅引发了人们对算法自动化决策的担忧和质疑，也逐渐引起了社会和公众的广泛关注。因此，开展算法公平性评估、消除算法偏见，在算法全生命周期中是必不可少的步骤。

技术实现思路

[0004]有鉴于此，本说明书实施例提供了两种推荐算法的公平性评估方法。本说明书一个或者多个实施例同时涉及一种推荐算法的公平性评估装置，一种AI模型选择方法，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。
[0005]根据本说明书实施例的第一方面，提供了一种推荐算法的公平性评估方法，包括：
[0006]确定目标测评数据，其中，所述目标测评数据包括至少两个维度的测评属性的数据；
[0007]根据所述测评属性确定至少两个测评对象，以及所述至少两个测评对象的当前位置和当前速度；
[0008]根据所述至少两个测评对象对所述目标测评数据进行分类，并根据推荐算法针对分类后的目标测评数据的公平性指标，确定所述至少两个测评对象相对于所述当前位置和所述当前速度的适应度；
[0009]根据所述适应度确定所述推荐算法的公平性评估结果。
[0010]根据本说明书实施例的第二方面，提供了一种推荐算法的公平性评估装置，包括：
[0011]数据确定模块，被配置为确定目标测评数据，其中，所述目标测评数据包括至少两个维度的测评属性的数据；
[0012]参数确定模块，被配置为根据所述测评属性确定至少两个测评对象，以及所述至少两个测评对象的当前位置和当前速度；
[0013]适应度确定模块，被配置为根据所述至少两个测评对象对所述目标测评数据进行分类，并根据推荐算法针对分类后的目标测评数据的公平性指标，确定所述至少两个测评对象相对于所述当前位置和所述当前速度的适应度；
[0014]结果确定模块，被配置为根据所述适应度确定所述推荐算法的公平性评估结果。
[0015]根据本说明书实施例的第三方面，提供了一种推荐算法的公平性评估方法，包括：
[0016]根据用户的调用请求为所述用户展示数据交互界面，并接收所述用户通过所述数据交互界面输入的初始测评数据；
[0017]对所述初始测评数据进行处理，确定目标测评数据，其中，所述目标测评数据包括至少两个维度的测评属性的数据；
[0018]根据所述测评属性确定至少两个测评对象，以及所述至少两个测评对象的当前位置和当前速度；
[0019]根据所述至少两个测评对象对所述目标测评数据进行分类，并根据推荐算法针对分类后的目标测评数据的公平性指标，确定所述至少两个测评对象相对于所述当前位置和所述当前速度的适应度；
[0020]根据所述适应度确定所述推荐算法的公平性评估结果，并将所述推荐算法的公平性评估结果通过所述数据交互界面展示给所述用户。
[0021]根据本说明书实施例的第四方面，提供了一种AI模型选择方法，包括：
[0022]接收用户通过模型评估交互界面确定的AI模型；
[0023]根据上述推荐算法的公平性评估方法，对所述AI模型进行公平性评估，获得所述AI模型的公平性评估结果；
[0024]将所述AI模型的公平性评估结果，通过所述模型评估交互界面展示给所述用户；
[0025]响应于所述用户针对目标AI模型的选择指令，根据所述目标AI模型执行所述用户的项目需求，
[0026]其中，所述目标AI模型为所述用户根据所述AI模型的公平性评估结果确定。
[0027]根据本说明书实施例的第五方面，提供了一种计算设备，包括：
[0028]存储器和处理器；
[0029]所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现上述推荐算法的公平性评估方法的步骤。
[0030]根据本说明书实施例的第六方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述推荐算法的公平性评估方法的步骤。
[0031]根据本说明书实施例的第七方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述推荐算法的公平性评估方法的步骤。
[0032]本说明书一个实施例实现了推荐算法的公平性评估方法及AI模型选择方法，其中，所述方法包括确定目标测评数据，其中，所述目标测评数据包括至少两个维度的测评属性的数据；根据所述测评属性确定至少两个测评对象，以及所述至少两个测评对象的当前位置和当前速度；根据所述至少两个测评对象对所述目标测评数据进行分类，并根据推荐算法针对分类后的目标测评数据的公平性指标，确定所述至少两个测评对象相对于所述当
前位置和所述当前速度的适应度；根据所述适应度确定所述推荐算法的公平性评估结果。
[0033]具体的，该方法根据至少两个测评对象，在多维的测评属性上执行自动搜索，通过至少两个测评对象相对于当前位置和当前速度的适应度，快速的定位偏离公平性约束阈值的测评数据，为下一步的推荐算法去偏优化提供测评支撑，具有较强的实用性和可实现性。
附图说明
[0034]图1是本说明书一个实施例提供的一种推荐算法的公平性评估的具体场景示意图；
[0035]图2是本说明书一个实施例提供的一种推荐算法的公平性评估方法的流程图；
[0036]图3是本说明书一个实施例提供的一种推荐算法的公平性评估方法的处理过程流程图；
[0037]图4是本说明书一个实施例提供的一种推荐算法的公平性评估装置的结构示意图；
[0038]图5是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
[0039]在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种推荐算法的公平性评估方法，包括：确定目标测评数据，其中，所述目标测评数据包括至少两个维度的测评属性的数据；根据所述测评属性确定至少两个测评对象，以及所述至少两个测评对象的当前位置和当前速度；根据所述至少两个测评对象对所述目标测评数据进行分类，并根据推荐算法针对分类后的目标测评数据的公平性指标，确定所述至少两个测评对象相对于所述当前位置和所述当前速度的适应度；根据所述适应度确定所述推荐算法的公平性评估结果。2.根据权利要求1所述的推荐算法的公平性评估方法，所述根据推荐算法针对分类后的目标测评数据的公平性指标，确定所述至少两个测评对象相对于所述当前位置和所述当前速度的适应度，包括：根据推荐算法针对分类后的目标测评数据的公平性指标的差值或比值，确定所述至少两个测评对象相对于所述当前位置和所述当前速度的适应度。3.根据权利要求1所述的推荐算法的公平性评估方法，所述根据所述适应度确定所述推荐算法的公平性评估结果，包括：根据所述至少两个测评对象相对于所述当前位置和所述当前速度的适应度，确定全局适应度；根据所述全局适应度与预设适应度阈值之间的关联关系，确定所述全局适应度对应的全局目标位置；根据所述全局目标位置确定所述推荐算法的公平性评估结果。4.根据权利要求3所述的推荐算法的公平性评估方法，所述根据所述至少两个测评对象相对于所述当前位置和所述当前速度的适应度，确定全局适应度，包括：在确定所述至少两个测评对象不存在历史位置以及历史速度的情况下，根据所述至少两个测评对象相对于所述当前位置和所述当前速度的适应度，确定全局适应度。5.根据权利要求3所述的推荐算法的公平性评估方法，所述根据所述至少两个测评对象相对于所述当前位置和所述当前速度的适应度，确定全局适应度，包括：在确定所述至少两个测评对象存在历史位置以及历史速度的情况下，根据所述至少两个测评对象相对于所述历史位置以及所述历史速度的适应度、以及相对于所述当前位置和所述当前速度的适应度，确定所述至少两个测评对象的局部适应度；根据所述至少两个测评对象的局部适应度，确定全局适应度。6.根据权利要求3
‑
5任意一项所述的推荐算法的公平性评估方法，所述根据所述全局适应度与预设适应度阈值之间的关联关系，确定所述全局适应度对应的全局目标位置，包括：在所述全局适应度大于等于预设适应度阈值的情况下，确定所述全局适应度对应的全局目标位置。7.根据权利要求5所述的推荐算法的公平性评估方法，所述根据所述至少两个测评对象相对于所述历史位置以及所述历史速度的适应度、以及相对于所述当前位置和所述当前速度的适应度，确定所述至少两个测评对象的局部适应度，包括：在所述至少两个测评对象相对于所述历史位置以及所述历史速度的适应度、大于相对
于所述当前位置和所述当前速度的适应度的情况下，将所述至少两个测评对象相对于所述历史位置以及所述历史速度的适应度，确定为所述至少两个测评对象的局部适应度；或者在所述至少两个测评对象相对于所述历史位置以及所述历史速度的适应度、小于等于相对于所述当前位置和所述当前速度的适应度的情况下，将所述至少两个测评对象相对于所述当前位置和所述当前速度的适应度，确定为所述至少两个测评对象的局部适应度。8.根据权利要求3

【专利技术属性】
技术研发人员：李进锋，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：