CN114036388B 数据处理方法和装置、电子设备、及存储介质 （北京百度网讯科技有限公司）

质推送价值用于表征相应的召回数据推送至目标2基于所述召回数据集合中每个召回数据的推送价值，确定所述在仿真时间达到预设仿真时间，或仿真深度达到预设确定所述最后一个子节点对应的关联数据是否为目标时间段内重复3和位于不同层级的多个数据节点，每个数据节点用于表征所述召回数据集合中的召回数征所述相应的召回数据推送至目标对象后接收到的反馈决策模块，用于基于所述召回数据集合中每个召回数据的第一节点确定子单元，用于响应于存在所述未扩展过的节点第二节点确定子单元，用于响应于不存在所述未扩展过操作确定子单元，用于基于所述状态转移概率，确定所述目创建子单元，用于基于所述目标执行操作，在所述仿真确定子单元，用于在仿真时间达到预设仿真时间，或仿真深度达4数据确定子单元，用于确定所述最后一个子节点对应的关联数据第一处理子单元，用于响应于所述关联数据是所述重复数据第二处理子单元，用于响应于所述关联数据不是所述重复数据价值获取子单元，用于基于位于当前层的至少一个子节点的推送价值更新子单元，用于基于所述扩展节点的总价值的最大值，执行子单元，用于重复执行所述价值获取子单元和所述价值更所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被5[0009]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特6的协同过滤、LR(LogisticRegression，逻辑回归模型)+GBDT(GradientBoosting78[0042]在本实施例中，每个召回数据的推送价值反映了该召回数据的点击和转化的价算法容易受到不同推送需求的干扰，推荐商品的点击和转化无法达到预期效果的技术问9步骤A)，确定此次需要进行探索的目标节点；然后执行扩展步骤(即上述的步骤B)，通过节点的奖励；进一步地执行仿真步骤(即上述的步骤C)，可以随机选择一个子节点进行仿式更新每层子节点对应父节点的推送价值，同时将目标节点的搜索次数加1，需要说明的(UpperConfidenceBoundApplytoTree，即上限置信区间算法)实现目标节点的选择，标执行操作可以是基于状态转移概率中最大概率对可以选择一个子节点(即点击对应的子节点)进行仿真，然后根据状态转移概率选择Item价值的最大值，也可以是将父节点当前推送价值和扩展节点的总价值的最大值进行叠加。[0075]下面结合图4和图6以商品推荐场景为例对本公开的一种优选实施例进行详细说通过仿真模拟的方式，假设如果推荐了Item1(如推荐结果1)，用户可能会点击该商品进入荐结果中的商品，并进入到详情页，此时详情页再次显示推荐结果。进一步假设用户点击带来足够的后续价值。的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执因特网的计算机网络和/或各种电信网络与其他设备交换信者全部可以经由ROM802和/或通信单元809而被载入和/或安装到设备800上。当计算机程机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器[0092]用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的包部分地在机器上执行且部分地在远程机器上执行或完全在[0095]可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，