【技术实现步骤摘要】
推荐方法、装置、设备及计算机可读存储介质
本专利技术实施例涉及互联网
,尤其涉及一种推荐方法、装置、设备及计算机可读存储介质。
技术介绍
随着互联网技术的高速发展,在线信息也呈爆炸式增长。用户在面临海量的选择时往往会无从下手,推荐系统的提出,能够帮助用户快速定位到其感兴趣的目标。一方面推荐系统可以有效提升用户在面临海量选择时的体验,另一方面,推荐系统可以帮助平台进行用户导流,并吸引来更多的用户。目前,现有的推荐方法主要有基于内容的方法、基于协同过滤的方法以及混合方法。基于内容的方法是根据物品本身的内容信息,如物品的文本描述,属性标签等,然后基于这些内容信息计算文本相似度,从而得到物品间相似度,最后将与用户历史物品相似的物品推荐给用户。但基于内容的方法对于相似度的计算是物品在一维空间中的相似度,从而导致推荐多样性较低。
技术实现思路
本专利技术实施例提供一种推荐方法、装置、设备及计算机可读存储介质,以提高推荐多样性。第一方面,本专利技术实施例提供一种推荐方法,包括:基于推荐系统中第一用户的多个已评分对象的属性张量和多个未评分对象的属性张量,计算第一用户对未评分对象的第一预测评分;对确定的第一用户的多个待推荐对象,计算第一用户对待推荐对象的第二预测评分;基于第一预测评分和第二预测评分,在多个未评分对象和多个待推荐对象中确定至少一个目标推荐对象,以进行推荐。第二方面,本专利技术实施例提供一种推荐装置,包括:第一计算模块,用于基于推荐系统中第一用户的多个已评分对象的属性张量和多个未评分对象的属性张量,计算第一用户对未评分对象的第一预测评分;第二计算模块,用于对确 ...
【技术保护点】
1.一种推荐方法,其特征在于,包括:基于推荐系统中第一用户的多个已评分对象的属性张量和多个未评分对象的属性张量,计算所述第一用户对所述未评分对象的第一预测评分;对确定的所述第一用户的多个待推荐对象,计算所述第一用户对所述待推荐对象的第二预测评分;基于所述第一预测评分和所述第二预测评分,在多个所述未评分对象和多个所述待推荐对象中确定至少一个目标推荐对象,以进行推荐。
【技术特征摘要】
1.一种推荐方法,其特征在于,包括:基于推荐系统中第一用户的多个已评分对象的属性张量和多个未评分对象的属性张量,计算所述第一用户对所述未评分对象的第一预测评分;对确定的所述第一用户的多个待推荐对象,计算所述第一用户对所述待推荐对象的第二预测评分;基于所述第一预测评分和所述第二预测评分,在多个所述未评分对象和多个所述待推荐对象中确定至少一个目标推荐对象,以进行推荐。2.根据权利要求1所述的方法,其特征在于,所述基于推荐系统中第一用户的多个已评分对象的属性张量和多个未评分对象的属性张量,计算所述第一用户对所述未评分对象的第一预测评分,包括:基于推荐系统中第一用户的多个已评分对象和多个未评分对象各自的属性张量,计算所述已评分对象和所述未评分对象之间的相似度;基于所述已评分对象和所述未评分对象之间的相似度,以及所述第一用户对所述已评分对象的评分,计算所述第一用户对所述未评分对象的第一预测评分。3.根据权利要求2所述的方法,其特征在于,所述基于推荐系统中第一用户的多个已评分对象和多个未评分对象各自的属性张量,计算所述已评分对象和所述未评分对象之间的相似度,包括:分别对将所述已评分对象和所述未评分对象进行张量表达得到的属性张量分别进行张量分解;根据所述已评分对象和所述未评分对象各自的张量分解结果,计算所述已评分对象和所述未评分对象之间的相似度。4.根据权利要求1-3任一项所述的方法,其特征在于,所述对确定的所述第一用户的多个待推荐对象,计算所述第一用户对所述待推荐对象的第二预测评分,包括:确定所述待推荐对象的多个关联关系,所述关联关系是所述第一用户、所述第一用户的兴趣对象和/或对所述兴趣对象标注的标签、与所述第一用户具有相同兴趣对象和/或相同标签的第二用户以及所述第二用户的兴趣对象之间的关联关系;将所述第二用户的兴趣对象作为所述待推荐对象,计算所述待推荐对象在每一所述关联关系下的正面率;将所述待推荐对象在多个所述关联关系下的正面率累加,得到所述第二预测评分。5.根据权利要求1-3任一项所述的方法,其特征在于,所述对确定的所述第一用户的多个待推荐对象,计算所述第一用户对所述待推荐对象的第二预测评分,包括:将所述推荐系统中所有用户与所有对象的交互采用第一矩阵表示;将所述多个待推荐对象在每一关联关系下的正面率采用第二矩阵表示;根据所述第一矩阵、所述第一矩阵的转置矩阵和所述第二矩阵,计算得到第三矩阵,所述第三矩阵包括所述第一用户对所述待推荐对象的第二预测评分。6.根据权利要求4或5所述的方法,其特征在于,所述待推荐对象在每一关联关系下的正面率是根据第一预设参数、第二预设参数,以及每一所述待推荐对象的正面评分数量和负面评分数量计算得到。7.根据权利要求6所述的方法,其特征在于,所述第一预设参数和所述第二预设参数是根据所述推荐系统中所有对象的正面评分的概率平均值确定。8.根据权利要求1-7任一项所述的方法,其特征在于,所述基于所述第一预测评分和所述第二预测评分,在所述多个未评分对象和多个待推荐对象中确定至少一个目标推荐对象,包括:基于所述第一预测评分和所述第二预测评分,计算所述第一用户对每个所述未评分对象和每个所述待推荐对象的综合预测评分;根据所述综合预测评分在所述未评分对象和所述待推荐对象中确定至少一个目标推荐对象。9.根据权利要求8所述的方法,其特征在于,所述基于所述第一预测评分和所述第二预测评分,计算所述第一用户对每个所述未评分对象和每个所述待推荐对象的综合预测评分,包括:确定所述第一用户的活跃度和所述未评分对象的新鲜度;根据所述第一用户的活跃度和所述未评分对象的新鲜度,确定所述第一预测评分的权重以及所述第二预测评分的权重;根据所述第一预测评分的权重、所述第一预测评分、所述第二预测评分的权重和所述第二预测评分,确定所述第一用户分别对每个所述未评分对象和每个所述待推荐对象的综合预测评分...
【专利技术属性】
技术研发人员:杨佳莉,李直旭,陈志刚,何莹,
申请(专利权)人:科大讯飞苏州科技有限公司,
类型:发明
国别省市:江苏,32
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。