一种推荐信息确定方法及装置制造方法及图纸

本发明专利技术实施例公开了一种推荐信息确定方法及装置，所利用的推荐信息模型的构建过程包括：获取N个用户的标识数据及每个用户的至少两种反馈数据，N大于1；利用预设偏序样本生成算法，对每个用户的第一类反馈数据进行运算，得到每个用户对应的偏序样本；结合预设建模框架及预设矩阵分解算法，对每个用户对应的偏序样本及每个用户的第二类反馈数据进行运算，得到推荐信息模型。由此可见，利用用户的至少两种反馈数据，构建推荐信息模型，可以有效利用获取到的多种反馈数据；相比于现有技术中，仅针对“评分数据”这一种反馈数据构建的模型，提高了确定推荐信息的准确性。

【技术实现步骤摘要】
一种推荐信息确定方法及装置
本专利技术涉及数据处理
，特别涉及一种推荐信息确定方法及装置。
技术介绍
目前，一些网站或者软件或者APP(Application，终端中的应用程序)已经具备了信息推荐功能，比如，豆瓣网站可以向用户推荐用户可能感兴趣的电影、音乐、书籍等等。一般来说，这些网站(或者软件或者APP，以下不再赘述)大多是基于用户的评分数据构建推荐信息模型；之后获取用户的标识数据，将该标识数据与该模型进行匹配；根据匹配结果，确定用户可能感兴趣的信息；将所确定的信息推荐给用户。在实际应用中，网站可以获取到多种用户反馈数据，除上述评分数据外，还可以包括浏览次数、标记信息等其他反馈数据，这些反馈数据都可以反应用户的兴趣。而上述方案中，仅针对“评分数据”这一种反馈数据进行模型构建，利用该模型确定推荐信息的准确性较低。
技术实现思路
本专利技术实施例的目的在于提供一种推荐信息确定方法及装置，提高确定推荐信息的准确性。为达到上述目的，本专利技术实施例公开了一种推荐信息确定方法，包括：获取目标用户的目标标识数据，将所述目标标识数据与预先构建的推荐信息模型进行匹配；根据匹配结果，确定所述目标用本文档来自技高网...

【技术保护点】
一种推荐信息确定方法，其特征在于，包括：获取目标用户的目标标识数据，将所述目标标识数据与预先构建的推荐信息模型进行匹配；根据匹配结果，确定所述目标用户对应的推荐信息；其中，所述推荐信息模型的构建过程包括：获取N个用户的标识数据及每个用户的至少两种反馈数据，所述N大于1；利用预设偏序样本生成算法，对每个用户的第一类反馈数据进行运算，得到每个用户对应的偏序样本；利用预设建模框架，对所述每个用户对应的偏序样本及每个用户的第二类反馈数据进行运算，得到所述推荐信息模型，所述推荐信息模型中包含用户的标识数据及对应的推荐信息。

【技术特征摘要】
1.一种推荐信息确定方法，其特征在于，包括：获取目标用户的目标标识数据，将所述目标标识数据与预先构建的推荐信息模型进行匹配；根据匹配结果，确定所述目标用户对应的推荐信息；其中，所述推荐信息模型的构建过程包括：获取N个用户的标识数据及每个用户的至少两种反馈数据，所述N大于1；利用预设偏序样本生成算法，对每个用户的第一类反馈数据进行运算，得到每个用户对应的偏序样本；利用预设建模框架，对所述每个用户对应的偏序样本及每个用户的第二类反馈数据进行运算，得到所述推荐信息模型，所述推荐信息模型中包含用户的标识数据及对应的推荐信息。2.根据权利要求1所述的方法，其特征在于，所述利用预设偏序样本生成算法，对每个用户的第一类反馈数据进行运算，得到每个用户对应的偏序样本的步骤，包括：根据预先设定的训练集与测试集的数据量比例，确定训练集的目标数据量大小；针对每个用户，将所述用户的第一类反馈数据中的数值进行两两比较，所述数值为所述用户针对推荐信息的评价数值；根据比较结果，确定所述用户对应的三元组，所述三元组中包含所述比较结果对应的两条推荐信息及所述用户的标识数据；根据预设规则，将三元组添加至所述训练集中；直至所述训练集包含的数据量大小到达所述目标数据量大小时，停止添加；未添加至所述训练集中的三元组构成测试集；利用所述测试集对所述训练集进行修正，根据修正结果确定目标三元组，所述目标三元组构成所述偏序样本。3.根据权利要求2所述的方法，其特征在于，所述将所述用户的第一类反馈数据中的数值进行两两比较的步骤，包括：将所述用户的第一类反馈数据中的各个数值进行随机排列；根据排列结果，将每两个相邻的数值进行比较；所述根据比较结果，确定所述用户对应的三元组的步骤，包括：当两个数值不相等时，根据比较结果，将所述两个数值对应的两条推荐信息及所述用户的标识数据组成一个三元组。4.根据权利要求1所述的方法，其特征在于，所述利用预设建模框架，对所述每个用户对应的偏序样本及每个用户的第二类反馈数据进行运算，得到所述推荐信息模型的步骤，包括：利用预设建模框架，对所述每个用户对应的偏序样本及每个用户的第二类反馈数据进行概率建模；根据概率建模的结果，确定每个用户针对各条推荐信息的预测排序得分；根据所确定的预测排序得分，得到所述推荐信息模型。5.根据权利要求4所述的方法，其特征在于，所述预设建模框架的底层学习器为：其中，所述第一类反馈数据为显示反馈数据，所述偏序样本根据显示反馈数据得到；所述第二类反馈数据为隐式反馈数据，表示用户u针对推荐信息i的预测排序得分，pu表示用户u的显示隐向量，qi表示推荐信息i的显示隐向量，τ表示第二类反馈数据中的数据种类，Nt(u)表示用户u的第t种隐式反馈数据中的推荐信息集合，表示推荐信息k在第t种隐式反馈数据下的隐式隐向量。6.根据权利要求5所述的方法，其特征在于，所述根据所确定的预测排序得分，得到所述推荐信息模型的步骤，包...

【专利技术属性】
技术研发人员：石川，刘剑，胡斌斌，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11