(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210893954.4 (22)申请日 2022.07.27 (71)申请人 阿里巴巴 （中国） 有限公司 地址 311121 浙江省杭州市余杭区五常街 道文一西路969号3幢5层5 54室 (72)发明人 李进锋　 (74)专利代理 机构 北京智信禾专利代理有限公 司 11637 专利代理师 赵杰 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/9536(2019.01) G06Q 30/06(2012.01) G06Q 50/00(2012.01) (54)发明名称 推荐算法的公平性评估方法及AI模型选择 方法 (57)摘要 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。 权利要求书3页 说明书20页 附图5页 CN 115309985 A 2022.11.08 CN 115309985 A 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、 大于相对权　利　要　求　书 1/3 页 2 CN 115309985 A 2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 ‑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： 在所述全局适应度小于预设适应度阈值的情况下， 根据 预设调整算法更新所述至少两 个测评对象的当前位置和当前速度， 并继续执行所述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的步骤； 直至所述全局适应度 大于等于所述预设适应度阈值， 确定所述全局适应度对应的全局 目标位置 。 9.根据权利要求8所述的推荐算法的公平性评估方法， 所述根据预设调整算法更新所 述至少两个测评对象的当前位置和当前速度之后， 还 包括： 将更新前的所述至少两个测评对象的当前位置和当前速度， 确定为所述至少两个测评 对象的历史位置和历史速度。 10.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， 所述确定全局适应 度之后， 还 包括： 在所述全局适应度小于所述预设适应度阈值的情况下， 判断当前迭代次数是否满足次 数阈值， 若是， 则输出公平性评估调整策略， 若否， 则根据预设调整算法更新所述至少两个测评对象的当前位置和当前速度， 并继 续执行所述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的步骤， 直至所述全 局适应度大于等于所述预设适应度阈值。 11.根据权利要求1所述的推荐算法的公平性评估方法， 所述确定目标测评数据， 包括： 接收初始测评数据， 以及确定针对所述初始测评数据的至少两个维度的测评属性； 从所述初始测评数据中， 确定具有所述至少两个维度的测评属性的数据； 对所述具有所述至少两个维度的测评属性的数据进行数值化处理， 获得目标测评数 据。 12.根据权利要求11所述的推荐算法的公平性评估方法， 所述接收初始测评数据， 包 括： 接收用户发送的调用请求中携带的初始测评数据； 相应地， 所述确定针对所述初始测评数据的至少两个维度的测评属性， 包括： 确定所述用户通过测评属性配置模块配置的至少两个维度的测评属性。 13.一种推荐算法的公平性评估方法， 包括： 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； 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权　利　要　求　书 2/3 页 3 CN 115309985 A 3