一种产品推荐模型的生成方法及装置制造方法及图纸

本申请公开了一种产品推荐模型的生成方法及装置，该方法包括：获得用户和产品之间的第一映射矩阵；将第一映射矩阵拆分为第二映射矩阵和第三映射矩阵；第二映射矩阵为用户与拟合特征之间的映射矩阵；第三映射矩阵为产品与拟合特征之间的映射矩阵；将拟合特征、用户的用户特征、产品的产品特征进行逻辑回归，得到用户与产品之间的映射关系；根据映射关系生成产品推荐模型；产品推荐模型用于向用户推荐产品。一方面可以使得较为稀疏的第一映射矩阵降维为两个矩阵，减低矩阵的复杂程度，从而可以提高产品推荐模型的效率。另一方面将拟合特征、用户特征、产品特征进行逻辑回归得到用户与产品之间的映射关系，使得产品推荐模型的稳定较好。定较好。定较好。

【技术实现步骤摘要】
一种产品推荐模型的生成方法及装置


[0001]本申请涉及计算机
，尤其涉及一种产品推荐模型的生成方法及装置。

技术介绍

[0002]随着经济社会的快速发展，城乡居民的收入不断增加，个人可支配的收入中用来购买各种产品的比例增大。一些基于协同过滤的产品推荐模型，便有了施展空间，成为主流的推荐模型。该产品推荐模块可以依据用户与产品之间的评分矩阵，利用用户之间的相似性完成推荐。但随着用户及产品数量级增多，每个用户不可能对每个产品进行评价，评分矩阵变得稀疏，且评分矩阵的维数将变得很大，基于该评分矩阵的产品推荐模型效率较差。

技术实现思路

[0003]为了解决上述技术问题，本申请提供了一种产品推荐模型的生成方法及装置，用于提高产品推荐模型的效率和性能。
[0004]为了实现上述目的，本申请实施例提供的技术方案如下：
[0005]本申请实施例提供一种产品推荐模型的生成方法，包括：
[0006]获得用户和产品之间的第一映射矩阵；
[0007]将第一映射矩阵拆分为第二映射矩阵和第三映射矩阵；第二映射矩阵为用户与拟合特征之间的映射矩阵；第三映射矩阵为产品与拟合特征之间的映射矩阵；
[0008]将拟合特征、用户的用户特征、产品的产品特征进行逻辑回归，得到用户与产品之间的映射关系；
[0009]根据映射关系生成产品推荐模型。
[0010]作为一种可能的实施方式，将第一映射矩阵拆分为第二映射矩阵和第三映射矩阵，包括：
[0011]通过交替最小二乘ALS算法，将第一映射矩阵拆分为第二映射矩阵和第三映射矩阵。
[0012]作为一种可能的实施方式，第二映射矩阵和第三映射矩阵的乘积等效于第一映射矩阵。
[0013]作为一种可能的实施方式，该方法还包括：
[0014]获得目标用户和目标用户对应的用户特征；
[0015]将目标用户对应的用户特征输入产品推荐模型，获得待选产品的评分。
[0016]作为一种可能的实施方式，该方法还包括：
[0017]将待选产品中评分大于评分阈值的产品，推荐给目标用户。
[0018]作为一种可能的实施方式，用户特征包括用户年龄、用户职业、用户学历和用户性别中的至少一种。
[0019]根据上述的产品推荐模型的生成方法，本申请还提供了一种产品推荐模型的生成装置，包括：
[0020]获得模块，用于获得用户和产品之间的第一映射矩阵；
[0021]拆分模块，用于将第一映射矩阵拆分为第二映射矩阵和第三映射矩阵；第二映射矩阵为用户与拟合特征之间的映射矩阵；第三映射矩阵为产品与拟合特征之间的映射矩阵；
[0022]回归模块，用于将拟合特征、用户的用户特征、产品的产品特征进行逻辑回归，得到用户与产品之间的映射关系；
[0023]生成模块，用于根据映射关系生成产品推荐模型。
[0024]作为一种可能的实施方式，拆分模块具体用于：
[0025]通过交替最小二乘ALS算法，将第一映射矩阵拆分为第二映射矩阵和第三映射矩阵。
[0026]作为一种可能的实施方式，第二映射矩阵和第三映射矩阵的乘积等效于第一映射矩阵。
[0027]作为一种可能的实施方式，该装置还包括：
[0028]特征获得模块，用于获得目标用户和目标用户对应的用户特征；
[0029]评分获得模块，用于将目标用户对应的用户特征输入产品推荐模型，获得待选产品的评分。
[0030]通过上述技术方案可知，本申请具有以下有益效果：
[0031]本申请实施例提供了一种产品推荐模型的生成方法，该方法包括：获得用户和产品之间的第一映射矩阵；将第一映射矩阵拆分为第二映射矩阵和第三映射矩阵；第二映射矩阵为用户与拟合特征之间的映射矩阵；第三映射矩阵为产品与拟合特征之间的映射矩阵；将拟合特征、用户的用户特征、产品的产品特征进行逻辑回归，得到用户与产品之间的映射关系；根据映射关系生成产品推荐模型；产品推荐模型用于向用户推荐产品。
[0032]由此可知，本申请实施例提供的产品推荐模型的生成方法，通过将用户和产品之间的第一映射矩阵拆分为第二映射矩阵和第三映射矩阵，可以使得较为稀疏的第一映射矩阵降维为两个矩阵，减低矩阵的维度，从而可以提高产品推荐模型的效率和性能。本申请还通过将拟合特征、用户的用户特征、产品的产品特征进行逻辑回归得到用户与产品之间的映射关系，使得根据该映射关系生成产品推荐模型的稳定较好。
附图说明
[0033]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0034]图1为本申请实施例提供的一种产品推荐模型的生成方法的流程图；
[0035]图2为本申请实施例提供的一种产品推荐模型的生成装置的示意图。
具体实施方式
[0036]为了帮助更好地理解本申请实施例提供的方案，在介绍本申请实施例提供的方法之前，先介绍本申请实施例方案的应用的场景。
[0037]随着经济社会的快速发展，城乡居民的收入不断增加，个人可支配的收入中用来购买各种产品的比例增大。一些基于协同过滤的产品推荐模型，便有了施展空间，成为主流的推荐模型。该产品推荐模块可以依据用户与产品之间的评分矩阵，利用用户之间的相似性完成推荐。但随着用户及产品数量级增多，每个用户不可能对每个产品进行评价，评分矩阵变得稀疏，基于协同过滤的产品推荐模型效率和性能都大打折扣。
[0038]需要说明的是，随着用户及产品数量级增多，每个用户不可能对每个产品进行评价，评分矩阵变得稀疏，基于协同过滤的推荐系统就会表现不够理想。具体表现为热门产品具有很强的头部效应，容易跟大量的商品产生相似度，而除热门产品外的其他产品，由于其特征向量稀疏，很少与其他物品产生相似度，导致被推荐的可能性很小。
[0039]为了解决上述的技术问题，本申请实施例提供了一种产品推荐模型的生成方法，该方法包括：获得用户和产品之间的第一映射矩阵；将第一映射矩阵拆分为第二映射矩阵和第三映射矩阵；第二映射矩阵为用户与拟合特征之间的映射矩阵；第三映射矩阵为产品与拟合特征之间的映射矩阵；将拟合特征、用户的用户特征、产品的产品特征进行逻辑回归，得到用户与产品之间的映射关系；根据映射关系生成产品推荐模型；产品推荐模型用于向用户推荐产品。
[0040]由此可知，本申请实施例提供的产品推荐模型的生成方法，通过将用户和产品之间的第一映射矩阵拆分为第二映射矩阵和第三映射矩阵，可以使得较为稀疏的第一映射矩阵降维为两个矩阵，减低矩阵的复杂程度，从而可以提高产品推荐模型的效率。本申请还通过将拟合特征、用户的用户特征、产品的产品特征进行逻辑回归得到用户与产品之间的映射关系，使得根据该映射关系生成产品推荐模型的稳定较好。
[0041]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种产品推荐模型的生成方法，其特征在于，包括：获得用户和产品之间的第一映射矩阵；将所述第一映射矩阵拆分为第二映射矩阵和第三映射矩阵；所述第二映射矩阵为所述用户与拟合特征之间的映射矩阵；所述第三映射矩阵为所述产品与拟合特征之间的映射矩阵；将所述拟合特征、所述用户的用户特征、所述产品的产品特征进行逻辑回归，得到用户与产品之间的映射关系；根据所述映射关系生成产品推荐模型。2.根据权利要求1所述的方法，其特征在于，所述将所述第一映射矩阵拆分为第二映射矩阵和第三映射矩阵，包括：通过交替最小二乘ALS算法，将所述第一映射矩阵拆分为第二映射矩阵和第三映射矩阵。3.根据权利要求1所述的方法，其特征在于，所述第二映射矩阵和所述第三映射矩阵的乘积等效于所述第一映射矩阵。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：获得目标用户和所述目标用户对应的用户特征；将所述目标用户对应的用户特征输入所述产品推荐模型，获得待选产品的评分。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：将所述待选产品中评分大于评分阈值的产品，推荐给所述目标用户。6.根据权利要求1
‑
...

【专利技术属性】
技术研发人员：袁宇，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：