The invention is applicable to the field of information technology, and provides a method and a device for recommending information. The method includes: classifying information for source information categories and target information categories; score matrix score matrix to establish the source categories of information and the target information categories; through the analysis of different types of users of information source categories and target information categories, according to the review of the joint matrix between matrix based on the source information category and the target categories of information decomposition model, at the same time, according to the regularization of the user similarity of the combined matrix decomposition model, finally through the combined matrix decomposition model of information recommendation. This method will share information information from the source categories of information applied to the target categories of information recommendation, can be more comprehensive access to and use of network users, making information across categories of recommendation accuracy is greatly improved, to enhance the effect of information recommendation.
【技术实现步骤摘要】
信息推荐方法及装置
本专利技术属于信息
,尤其涉及一种信息推荐方法及装置。
技术介绍
随着互联网技术的快速发展,信息量呈现指数级别增长。推荐系统是信息过滤的主要方式,推荐系统背后蕴藏着共同的基本假设:行为相似的用户在未来仍然具有相似的行为。然而,数据稀疏性是当前推荐系统存在的最主要挑战之一,成为制约推荐系统发展的主要瓶颈。现有推荐系统的方法包括基于内容的推荐方法、基于协同过滤的推荐方法和混合推荐方法。专利技术人在实现本专利技术的过程中,发现现有技术至少存在以下不足:现有推荐系统缓解数据稀疏性的方法大多是基于单个领域信息的,但是利用单个领域信息研究推荐模型具有一定的局限性,往往不能全面获取和使用网络用户的信息,使得最终的推荐准确度大大降低。
技术实现思路
有鉴于此,本专利技术实施例提供了一种信息推荐方法及装置,以解决现有技术中利用单个领域信息研究推荐模型导致的不能全面获取和使用网络用户的信息、推荐准确度较低的问题。本专利技术实施例的第一方面,提供了一种信息推荐方法,包括:将信息类别划分为源信息类别和目标信息类别;建立所述源信息类别的评分矩阵和所述目标信息类别的评分矩阵;根据所述评分矩阵建立所述源信息类别和所述目标信息类别之间的联合矩阵分解模型,通过所述联合矩阵分解模型推荐信息。本专利技术实施例的第二方面,提供了一种信息推荐装置,包括:领域划分模块,用于将信息类别划分为源信息类别和目标信息类别;评分矩阵建立模块,用于建立所述源信息类别的评分矩阵和所述目标信息类别的评分矩阵;处理模块,用于根据所述评分矩阵建立所述源信息类别和所述目标信息类别之间的联合矩阵分解模 ...
【技术保护点】
一种信息推荐方法,其特征在于,包括:将信息类别划分为源信息类别和目标信息类别;建立所述源信息类别的评分矩阵和所述目标信息类别的评分矩阵;根据所述评分矩阵建立所述源信息类别和所述目标信息类别之间的联合矩阵分解模型,通过所述联合矩阵分解模型推荐信息。
【技术特征摘要】
1.一种信息推荐方法,其特征在于,包括:将信息类别划分为源信息类别和目标信息类别;建立所述源信息类别的评分矩阵和所述目标信息类别的评分矩阵;根据所述评分矩阵建立所述源信息类别和所述目标信息类别之间的联合矩阵分解模型,通过所述联合矩阵分解模型推荐信息。2.根据权利要求1所述的信息推荐方法,其特征在于,所述根据所述评分矩阵建立所述源信息类别和所述目标信息类别之间的联合矩阵分解模型包括:将各个信息类别的评分矩阵分解为包含用户特征和对象特征的评分矩阵;根据经过矩阵分解后的评分矩阵建立所述源信息类别和所述目标信息类别之间的联合矩阵分解模型。3.根据权利要求2所述的信息推荐方法,其特征在于,在所述将各个信息类别的评分矩阵分解为包含用户特征和对象特征的评分矩阵之前,所述信息推荐方法还包括:将各个信息类别的用户进行分类;所述将各个信息类别的评分矩阵分解为包含用户特征和对象特征的评分矩阵具体为:按照用户分类结果,将各个信息类别的评分矩阵分解为包含用户特征和对象特征的评分矩阵。4.根据权利要求3所述的信息推荐方法,其特征在于,所述根据所述评分矩阵建立所述源信息类别和所述目标信息类别之间的联合矩阵分解模型的过程为:设定s+t个信息类别中包括s个源信息类别和t个目标信息类别,对应的评分矩阵分别为X1,…,Xs和Xs+1,…,Xs+t;按照用户分类结果,对各个信息类别的评分矩阵Xr(r=1,…,s,s+1,…,s+t)进行矩阵分解:其中,Ur为用户隐含特征矩阵,Sr为矩阵分解因子,为对象隐含特征矩阵;根据矩阵分解后的所述评分矩阵得出所述联合矩阵分解模型为:其中,Wr表示稀疏评分矩阵的标识矩阵,元素为1表示有值,元素为0表示无值。5.根据权利要求3所述的信息推荐方法,其特征在于,在所述通过所述联合矩阵分解模型推荐信息之前,还包括:计算各类用户之间的相似度,并根据所述相似度对所述联合矩阵分解模型进行正则化。6.一种信息推...
【专利技术属性】
技术研发人员:尚田丰,赵娟娟,须成忠,
申请(专利权)人:深圳先进技术研究院,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。