一种物品推荐方法及装置制造方法及图纸

本发明专利技术提供了一种物品推荐方法及装置，属于计算机技术领域。其中，终端根据网络系统中每个用户及每个用户的至少一项用户属性信息构建至少一个第一矩阵，根据网络系统中的每个物品及每个物品的至少一项物品属性信息构建至少一个第二矩阵，确定每个用户对交互过的物品的评分，并基于每个用户对交互过的物品的评分构建第三矩阵，基于第三矩阵、第一矩阵及第二矩阵，确定待推荐用户对每个待推荐物品的偏好值，向待推荐用户推荐偏好值大于预设阈值的待推荐物品。这样，可以减少由于评分信息稀疏导致确定的用户偏好与用户实际偏好之间的偏差，进而提高对用户偏好预测的准确性，提高推荐效果。

A Method and Device for Recommending Items

The invention provides an article recommendation method and device, which belongs to the field of computer technology. The terminal constructs at least one first matrix based on at least one user attribute information of each user and each user in the network system, and at least one second matrix based on each item and at least one item attribute information of each item in the network system, determines each user's score on the interactive items, and based on each user's score on the interactive items. The third matrix is constructed. Based on the third matrix, the first matrix and the second matrix, the preference values of each item to be recommended are determined, and the items to be recommended whose preference values are greater than the preset threshold are recommended to the users to be recommended. In this way, the deviation between the determined user preference and the actual user preference can be reduced due to the sparse scoring information, and the accuracy of user preference prediction can be improved, and the recommendation effect can be improved.

【技术实现步骤摘要】
一种物品推荐方法及装置
本专利技术属于计算机
，特别是涉及一种物品推荐方法及装置。
技术介绍
随着计算机技术的不断发展，网络系统中的网络对象越来越多，比如，网络系统中会有大量的物品，例如，视频、音乐、虚拟商品，等等。为了吸引用户，各网络平台经常需要向用户推荐一些符合用户喜好的物品。现有技术中，向用户推荐物品时，通常是，以用户对交互过的物品的评分作为依据，预测用户对其他未交互过的物品的喜好，并基于预测结果向用户推荐物品。但是，实际应用中，经常会出现用户对交互过的物品不进行评分的情况，因此，评分数据往往比较稀疏，进而导致预测结果与用户实际喜好之间的差异较大，推荐效果较差。
技术实现思路
本专利技术提供一种物品推荐方法及装置，以便解决推荐效果较差的问题。依据本专利技术的第一方面，提供了一种物品推荐方法，应用于终端，该方法包括：根据网络系统中每个用户以及每个用户的至少一项用户属性信息，构建至少一个第一矩阵；根据所述网络系统中的每个物品以及每个物品的至少一项物品属性信息，构建至少一个第二矩阵；确定每个用户对交互过的物品的评分，并基于所述每个用户对交互过的物品的评分构建第三矩阵；基于所述第三矩阵、所述至少一个第一矩阵以及所述至少一个第二矩阵，确定待推荐用户对每个待推荐物品的偏好值；向所述待推荐用户推荐偏好值大于预设阈值的待推荐物品。可选的，所述基于所述第三矩阵、所述至少一个第一矩阵以及所述至少一个第二矩阵确定待推荐用户对每个待推荐物品的偏好值，包括：基于所述第三矩阵、所述至少一个第一矩阵以及所述至少一个第二矩阵，确定目标用户特征向量以及目标物品特征向量；基于所述目标用户特征向量以及所述目标物品特征向量，确定待推荐用户对每个待推荐物品的偏好值。可选的，所述基于所述第三矩阵、所述至少一个第一矩阵以及所述至少一个第二矩阵，确定目标用户特征向量以及目标物品特征向量，包括：对每个第一矩阵进行矩阵分解，得到每个第一矩阵的用户特征向量以及用户属性信息特征向量；对每个第二矩阵进行矩阵分解，得到每个第二矩阵的物品特征向量以及物品属性信息特征向量；基于所述第三矩阵、所述每个第一矩阵的用户特征向量以及用户属性信息特征向量，所述每个第二矩阵的物品特征向量以及物品属性信息特征向量，构建目标函数；根据所述目标函数确定所述目标用户特征向量以及所述目标物品特征向量。可选的，所述基于所述第三矩阵、所述每个第一矩阵的用户特征向量以及用户属性信息特征向量，所述每个第二矩阵的物品特征向量以及物品属性信息特征向量，构建目标函数，包括：基于所述第三矩阵、初始目标用户特征向量以及初始目标物品特征向量构建第一损失函数；所述初始目标用户特征向量以及所述初始目标物品特征向量是利用预设的随机生成算法生成的；基于所述每个第一矩阵的用户特征向量以及用户属性信息特征向量，构建第二损失函数；基于所述每个第二矩阵的物品特征向量以及物品属性信息特征向量，构建第三损失函数；根据所述第一损失函数、所述第二损失函数以及所述第三损失函数，确定目标函数。可选的，所述根据所述目标函数确定所述目标用户特征向量以及所述目标物品特征向量，包括：调整所述初始目标用户特征向量以及所述初始目标物品特征向量；判断所述目标函数是否达到最小值；在所述目标函数达到最小值时，将调整后的所述初始目标用户特征向量确定为目标用户特征向量，将所述初始目标物品特征向量的值确定为目标物品特征向量。可选的，所述基于所述目标用户特征向量以及所述目标物品特征向量，确定待推荐用户对每个待推荐物品的偏好值，包括：根据所述待推荐用户在所述第一矩阵中的行数，确定所述待推荐用户对应的目标用户特征向量分量；根据每个待推荐物品在所述第三矩阵中的列数，确定每个待推荐物品对应的目标物品特征向量分量；分别计算所述待推荐用户对应的目标用户特征向量分量与每个待推荐物品对应的目标物品特征向量分量的点积，得到所述待推荐用户对每个待推荐物品的偏好值。依据本专利技术的第二方面，提供了一种物品推荐装置，应用于终端，该装置包括：第一构建模块，用于根据网络系统中每个用户以及每个用户的至少一项用户属性信息，构建至少一个第一矩阵；第二构建模块，用于根据所述网络系统中的每个物品以及每个物品的至少一项物品属性信息，构建至少一个第二矩阵；第三构建模块，用于确定每个用户对交互过的物品的评分，并基于所述每个用户对交互过的物品的评分构建第三矩阵；确定模块，用于基于所述第三矩阵、所述至少一个第一矩阵以及所述至少一个第二矩阵，确定待推荐用户对每个待推荐物品的偏好值；推荐模块，用于向所述待推荐用户推荐偏好值大于预设阈值的待推荐物品。可选的，所述确定模块，包括：第一确定子模块，用于基于所述第三矩阵、所述至少一个第一矩阵以及所述至少一个第二矩阵，确定目标用户特征向量以及目标物品特征向量；第二确定子模块，用于基于所述目标用户特征向量以及所述目标物品特征向量，确定待推荐用户对每个待推荐物品的偏好值。可选的，所述第一确定子模块，包括：第一分解单元，用于对每个第一矩阵进行矩阵分解，得到每个第一矩阵的用户特征向量以及用户属性信息特征向量；第二分解单元，用于对每个第二矩阵进行矩阵分解，得到每个第二矩阵的物品特征向量以及物品属性信息特征向量；构建单元，用于基于所述第三矩阵、所述每个第一矩阵的用户特征向量以及用户属性信息特征向量，所述每个第二矩阵的物品特征向量以及物品属性信息特征向量，构建目标函数；确定单元，用于根据所述目标函数确定所述目标用户特征向量以及所述目标物品特征向量。可选的，所述构建单元，包括：第一构建子单元，用于基于所述第三矩阵、初始目标用户特征向量以及初始目标物品特征向量构建第一损失函数；所述初始目标用户特征向量以及所述初始目标物品特征向量是利用预设的随机生成算法生成的；第二构建子单元，用于基于所述每个第一矩阵的用户特征向量以及用户属性信息特征向量，构建第二损失函数；第三构建子单元，用于基于所述每个第二矩阵的物品特征向量以及物品属性信息特征向量，构建第三损失函数；确定子单元，用于根据所述第一损失函数、所述第二损失函数以及所述第三损失函数，确定目标函数。可选的，所述确定子单元，用于：调整所述初始目标用户特征向量以及所述初始目标物品特征向量；判断所述目标函数是否达到最小值；在所述目标函数达到最小值时，将调整后的所述初始目标用户特征向量确定为目标用户特征向量，将所述初始目标物品特征向量的值确定为目标物品特征向量。可选的，所述第二确定子模块，用于：根据所述待推荐用户在所述第一矩阵中的行数，确定所述待推荐用户对应的目标用户特征向量分量；根据每个待推荐物品在所述第三矩阵中的列数，确定每个待推荐物品对应的目标物品特征向量分量；分别计算所述待推荐用户对应的目标用户特征向量分量与所述每个待推荐物品对应的目标物品特征向量分量的点积，得到所述待推荐用户对每个待推荐物品的偏好值。针对在先技术，本专利技术具备如下优点：终端可以先根据网络系统中每个用户以及每个用户的至少一项用户属性信息，构建至少一个第一矩阵，然后，根据网络系统中的每个物品以及每个物品的至少一项物品属性信息，构建至少一个第二矩阵，接着，确定每个用户对交互过的物品的评分，并基于每个用户对交互过的物品的评分构建第三矩阵，基于第三矩阵、至少一个第一矩阵以及至少一个第本文档来自技高网...

【技术保护点】
1.一种物品推荐方法，其特征在于，应用于终端，所述方法包括：根据网络系统中每个用户以及每个用户的至少一项用户属性信息，构建至少一个第一矩阵；根据所述网络系统中的每个物品以及每个物品的至少一项物品属性信息，构建至少一个第二矩阵；确定每个用户对交互过的物品的评分，并基于所述每个用户对交互过的物品的评分构建第三矩阵；基于所述第三矩阵、所述至少一个第一矩阵以及所述至少一个第二矩阵，确定待推荐用户对每个待推荐物品的偏好值；向所述待推荐用户推荐偏好值大于预设阈值的待推荐物品。

【技术特征摘要】
1.一种物品推荐方法，其特征在于，应用于终端，所述方法包括：根据网络系统中每个用户以及每个用户的至少一项用户属性信息，构建至少一个第一矩阵；根据所述网络系统中的每个物品以及每个物品的至少一项物品属性信息，构建至少一个第二矩阵；确定每个用户对交互过的物品的评分，并基于所述每个用户对交互过的物品的评分构建第三矩阵；基于所述第三矩阵、所述至少一个第一矩阵以及所述至少一个第二矩阵，确定待推荐用户对每个待推荐物品的偏好值；向所述待推荐用户推荐偏好值大于预设阈值的待推荐物品。2.根据权利要求1所述的方法，其特征在于，所述基于所述第三矩阵、所述至少一个第一矩阵以及所述至少一个第二矩阵确定待推荐用户对每个待推荐物品的偏好值，包括：基于所述第三矩阵、所述至少一个第一矩阵以及所述至少一个第二矩阵，确定目标用户特征向量以及目标物品特征向量；基于所述目标用户特征向量以及所述目标物品特征向量，确定待推荐用户对每个待推荐物品的偏好值。3.根据权利要求2所述的方法，其特征在于，所述基于所述第三矩阵、所述至少一个第一矩阵以及所述至少一个第二矩阵，确定目标用户特征向量以及目标物品特征向量，包括：对每个第一矩阵进行矩阵分解，得到每个第一矩阵的用户特征向量以及用户属性信息特征向量；对每个第二矩阵进行矩阵分解，得到每个第二矩阵的物品特征向量以及物品属性信息特征向量；基于所述第三矩阵、所述每个第一矩阵的用户特征向量以及用户属性信息特征向量，所述每个第二矩阵的物品特征向量以及物品属性信息特征向量，构建目标函数；根据所述目标函数确定所述目标用户特征向量以及所述目标物品特征向量。4.根据权利要求3所述的方法，其特征在于，所述基于所述第三矩阵、所述每个第一矩阵的用户特征向量以及用户属性信息特征向量，所述每个第二矩阵的物品特征向量以及物品属性信息特征向量，构建目标函数，包括：基于所述第三矩阵、初始目标用户特征向量以及初始目标物品特征向量构建第一损失函数；所述初始目标用户特征向量以及所述初始目标物品特征向量是利用预设的随机生成算法生成的；基于所述每个第一矩阵的用户特征向量以及用户属性信息特征向量，构建第二损失函数；基于所述每个第二矩阵的物品特征向量以及物品属性信息特征向量，构建第三损失函数；根据所述第一损失函数、所述第二损失函数以及所述第三损失函数，确定目标函数。5.根据权利要求4所述的方法，其特征在于，所述根据所述目标函数确定所述目标用户特征向量以及所述目标物品特征向量，包括：调整所述初始目标用户特征向量以及所述初始目标物品特征向量；判断所述目标函数是否达到最小值；在所述目标函数达到最小值时，将调整后的所述初始目标用户特征向量确定为目标用户特征向量，将所述初始目标物品特征向量的值确定为目标物品特征向量。6.根据权利要求2-5任一所述的方法，其特征在于，所述基于所述目标用户特征向量以及所述目标物品特征向量，确定待推荐用户对每个待推荐物品的偏好值，包括：根据所述待推荐用户在所述第一矩阵中的行数，确定所述待推荐用户对应的目标用户特征向量分量；根据每个待推荐物品在所述第三矩阵中的列数，确定每个待推荐物品对应的目标物品特征向量分量；分别计算所述待推荐用户对应的目标用户特征向量分量与每个待...

【专利技术属性】
技术研发人员：王颖，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：北京,11