本发明专利技术公开了一种基于隐式反馈数据的偏好计算方法，包括如下步骤：获取用户约课数据；根据用户约课数据生成偏好比对数据；根据偏好比对数据和偏好值计算模型获取偏好计算值；根据偏好计算值和偏好预测值对约课集合中的对象进行排序；用户约课数据包括约课对象和约课时间。本发明专利技术量化了用户的主观偏好，根据偏好计算值和偏好预测值对约课集合中的对象进行排序；更科学的得到了授课平台中所有可约课对象的排序分值。本发明专利技术方法以每位用户下的偏好计算值和偏好预测值为排序指标，能够实现个性化约课对象的搜索和推荐。通过使用本发明专利技术方法为用户推荐约课对象后，用户对所约课对象的好评率有了明显的提高。
A preference calculation method and data generation device based on implicit feedback data
【技术实现步骤摘要】
一种基于隐式反馈数据的偏好计算方法及数据生成装置
本专利技术涉及一种基于隐式反馈数据的偏好计算方法及数据生成装置，属于互联网教育领域。
技术介绍
“互联网+教育”是随着当今科学技术的不断发展，互联网科技与教育领域相结合的一种新的教育形式。互联网教育是利用信息化技术对教育行业进行变革，让更多人以更低的成本享受更好教育资源的教育方式。其中一对一的英语外教授课平台，让中国用户有机会通过视频直接向外国老师学习纯正的英语。在英语外教授课平台上，面对众多老师，用户存在不知如何选择授课老师的问题，而如何为学员匹配最适合的老师，也是所有一对一授课平台一直存在的问题。
技术实现思路
本专利技术的目的在于，提供一种基于隐式反馈数据的偏好计算方法，其能够量化用户对每个约课对象的偏好值，通过量化后的偏好值，来获取用户的对约课对象的个性化排序及授课平台上所有约课对象的排序，既能满足老用户的个性化需求，又能为新用户提供约课对象的优选方案。为解决上述技术问题，本专利技术采用如下的技术方案：一种基于隐式反馈数据的偏好计算方法，包括如下步骤：获取用户约课数据；根据用户约课数据生成偏好比对数据；根据偏好比对数据和偏好值计算模型获取偏好计算值；根据偏好计算值和偏好预测值对约课集合中的对象进行排序；用户约课数据包括约课对象和约课时间；所述偏好值计算模型包括第一组评分模型r＝A，v＝B2，其中r为能力评分，v为方差，B为偏差值，A和B为正整数值；偏好值计算模型包括第二组评分模型r＝rold，v＝min(Vold+c2t，B2)，其中c为衡量时间因素的常量系数，t为用户约课同一约课对象的时间间隔；偏好值计算模型包括第三组评分模型其中sj等于0或者1，ej表示约课对象被用户约课的概率。前述的这种基于隐式反馈数据的偏好计算方法，所述根据用户约课数据生成偏好比对数据包括如下步骤：步骤S01：获取偏好对象数据，所述偏好对象数据包括用户近3个月的所约对象和收藏对象。步骤S02：判断约课对象是否记录在偏好对象数据中；若在偏好对象数据中记录有所述约课对象，则执行步骤S03；若在偏好对象数据中未记录有约课对象，则执行步骤S04；步骤S03：检索偏好对象数据中是否存在其它可约课对象，所述其它可约课对象在所述约课时间段内可约课；若在所述约课时间段内存在其它可约课对象，则记录所述其它可约课对象并执行步骤S05；若在所述约课时间段内不存在其它可约课对象，则执行步骤S06；步骤S04：停止检索，且无偏好比对数据生成；步骤S05：生成所述偏好比对数据；步骤S06：停止生成偏好比对数据。前述的这种基于隐式反馈数据的偏好计算方法，所述根据偏好比对数据和偏好值计算模型获取偏好计算值包括如下步骤：步骤S07：判断所述约课对象是否在约课集合中，若判断结果为否，则执行步骤S08；若判断结果为是，则执行步骤S09；步骤S08：根据所述第一组评分模型计算约课对象的初评数值；步骤S09：根据所述第二组评分模型计算约课对象的再评数值，和/或根据所述第二组评分模型计算所述其他约课对象的再评数值；步骤S10：根据所述第三组评分模型更新计算约课对象再评数值，和/或根据所述第三组评分模型更新计算所述其他约课对象的再评数值。其他约课对象可以是授课平台上的任一个或多个用户可约课对象。前述的这种基于隐式反馈数据的偏好计算方法，在根据所述偏好计算值和偏好预测值对约课集合中的对象进行排序之前，还包括通过第四组评分模型获取所述偏好预测值，所述第四组评分模型包括和其中为U矩阵和T矩阵中的所有元素集合，g(xui-xuj)表示xui＞xuj的概率，U矩阵是代表用户的特征矩阵，T矩阵是代表约课对象的特征矩阵。前述的这种基于隐式反馈数据的偏好计算方法，所述通过第四组评分模型获取偏好预测值包括如下步骤：步骤S011：随机初始化的值；步骤S012：随机抽取一位用户u，从X矩阵的第u行中抽取两个非零元素i和j，根据所述i和j之间的值和第四组评分模型获得的更新值；步骤S013：重复步骤S012直到收敛，收敛的标准是前述的一种基于隐式反馈数据的偏好计算方法，所述约课集合中的元素为授课系统中的所有可所约对象。前述的一种基于隐式反馈数据的偏好计算方法，所述约课集合中的元素为用户近3个月的所约对象和收藏对象。前述的一种基于隐式反馈数据的偏好计算方法，所述步骤S05之前，当连续30min内所述用户的约课对象相同时，则执行步骤S06；约课对象加入授课系统的时间小于30天时，则B的取值大于等于45；所述约课对象加入授课系统的时间大于30天时，则B的取值大于等于30；所述偏好计算值在24小时内的数值变化小于等于200。一种基于隐式反馈数据的数据生成装置，所述装置包括：用户行为数据获取模块，用于获取用户的约课数据，所述约课数据包括约课对象和约课时间；偏好数据生成模块，用于根据用户的约课数据生成偏好比对数据；偏好值计算模块，用于计算约课对象的偏好计算值；偏好值预测模块，用于预测用户对未约课的对象的偏好预测值；排序模块，用于根据所述偏好计算值和偏好预测值对约课集合中的对象进行排序，所述约课集合中的对象包括授课系统中的所有所约对象或用户近3个月的所约对象和收藏对象；第二数据限定模块，用于限制生成偏好比对数据的非生成条件，所述非生成条件为连续30min内用户的约课对象相同；第三数据限定模块，用于限制偏差值的取值范围，所述用户的约课对象加入授课系统的时间小于30天时，则偏差值的取值大于等于45，所述用户的约课对象加入授课系统的时间大于30时，则偏差值的取值大于等于30；第一数据限定模块，用于将24小时内的偏好计算值的数值变化限制在0～200之间。一种基于隐式反馈数据的处理装置，其特征在于，所述装置包括：处理器；存储器，其上存储有可在处理器上运行的计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至10中任一项的基于隐式反馈数据的偏好计算方法的步骤。与现有技术相比，本专利技术量化了用户的主观偏好，根据偏好计算值和偏好预测值对约课集合中的对象进行排序；更科学的得到了授课平台中所有可约课对象的排序分值。本专利技术方法以每位用户下的偏好计算值和偏好预测值为排序指标，能够实现个性化约课对象的搜索和推荐。通过使用本专利技术方法为用户推荐约课对象后，用户对所约课对象的好评率有了明显的提高。附图说明附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的不当限制。在附图中：图1是本专利技术的一种实施例的工作流程图；图2是本专利技术的另一种实施例的工作流程图；图3是本专利技术实施例2中的偏好值计算模型图。下面结合附图和具体实施方式对本专利技术作进一步的说明。具体实施方式为了使本
的本文档来自技高网...
【技术保护点】
1.一种基于隐式反馈数据的偏好计算方法，其特征在于，包括如下步骤：/n获取用户约课数据；/n根据用户约课数据生成偏好比对数据；/n根据偏好比对数据和偏好值计算模型获取偏好计算值；/n根据所述偏好计算值和偏好预测值对约课集合中的对象进行排序；/n所述用户约课数据包括约课对象和约课时间；/n所述偏好值计算模型包括第一组评分模型r＝A，v＝B
【技术特征摘要】
1.一种基于隐式反馈数据的偏好计算方法，其特征在于，包括如下步骤：
获取用户约课数据；
根据用户约课数据生成偏好比对数据；
根据偏好比对数据和偏好值计算模型获取偏好计算值；
根据所述偏好计算值和偏好预测值对约课集合中的对象进行排序；
所述用户约课数据包括约课对象和约课时间；
所述偏好值计算模型包括第一组评分模型r＝A，v＝B2，其中r为能力评分，v为方差，B为偏差值，A和B为正整数值；
所述偏好值计算模型包括第二组评分模型r＝rold，v＝min(Vold+c2t，B2)，其中c为衡量时间因素的常量系数，t为用户约课同一约课对象的时间间隔；
所述偏好值计算模型包括第三组评分模型和其中sj等于0或者1，ej表示约课对象被用户约课的概率。
2.如权利要求1所述的一种基于隐式反馈数据的偏好计算方法，其特征在于，所述根据用户约课数据生成偏好比对数据包括如下步骤：
步骤S01：获取偏好对象数据，所述偏好对象数据包括用户近3个月的所约对象和收藏对象。
步骤S02：判断约课对象是否记录在偏好对象数据中；若在偏好对象数据中记录有所述约课对象，则执行步骤S03；若在偏好对象数据中未记录有所述约课对象，则执行步骤S04；
步骤S03：检索偏好对象数据中是否存在其它可约课对象，所述其它可约课对象在所述约课时间段内可约课；若在所述约课时间段内存在其它可约课对象，则记录所述其它可约课对象并执行步骤S05；若在所述约课时间段内不存在其它可约课对象，则执行步骤S06；
步骤S04：停止检索，且无偏好比对数据生成；
步骤S05：生成所述偏好比对数据；
步骤S06：停止生成偏好比对数据。
3.如权利要求2所述的一种基于隐式反馈数据的偏好计算方法，其特征在于，所述根据偏好比对数据和偏好值计算模型获取偏好计算值包括如下步骤：
步骤S07：判断所述约课对象是否在约课集合中，若判断结果为否，则执行步骤S08；若判断结果为是，则执行步骤S09；
步骤S08：根据所述第一组评分模型计算所述约课对象的初评数值；
步骤S09：根据所述第二组评分模型计算所述约课对象的再评数值，和/或
根据所述第二组评分模型计算所述其他约课对象的再评数值；
步骤S10：根据所述第三组评分模型更新计算所述约课对象再评数值，和/或
根据所述第三组评分模型更新计算所述其他约课对象的再评数值。
4.如权利要求3所述的一种基于隐式反馈数据的偏好计算方法，其特征在于，在根据所述偏好计算值和偏好预测值对约课集合中的对象进行排序之前，还包括通过第四组评分模型获取所述偏好预测值，所述第四组评分模型包括和其中为U矩阵和T矩阵中的所有元...
【专利技术属性】
技术研发人员：刘思喆，杜亚磊，齐琛，
申请(专利权)人：北京大生在线科技有限公司，
类型：发明
国别省市：北京;11
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。