[發明專利]一種數字信息推薦預測模型的訓練方法和系統

有效

• 申請號: 201110339200.6
• 申請日: 2011-11-01
• 公開（公告）號: CN102495837A
• 公開（公告）日: 2012-06-13
• 發明（設計）人: 魯凱;王斌;史亮;李文娜;李銳;徐飛
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京泛華偉業知識產權代理有限公司 11280
• 代理人: 王勇

1.一種數字信息推薦預測模型的訓練方法，包括：

1)接收打分數據；

2)確定數字信息的不同類別，每個類別中包括多個項目，其中所述類別之間存在關聯關系；

3)基于所述關聯關系建立所述模型并訓練獲得所述模型，其中所述模型中包括一個或多個和集合相關的參數，其中所述集合為與一個類別的項目相關的另一個類別的項目的集合或者多個與一個類別的項目相關的另一個類別的項目的集合的并集。

2.根據權利要求1所述的方法，其特征在于，所述步驟3)中所述建立模型是基于隱參數模型建立。

3.根據權利要求2所述的方法，其特征在于，所述步驟3)中建立的所述模型為：

rui^=μ+bu+bi+qiT(pu+kkkΣj∈album(u)aj)]]>

其中所述μ是所有已知打分值的平均打分值，b_u是用戶u所打的打分值相對于平均打分的偏差，b_i是關于項目i的打分值相對于平均打分的偏差，p_u是和用戶u相關的特征向量，q_i是和項目i相關的特征向量，album(u)是與一個類別的項目相關的另一個類別的項目的集合或者多個與一個類別的項目相關的另一個類別的項目的集合的并集，a_j表示和集合album(u)相關的參數，kkk為album(u)的系數。

4.根據權利要求3所述的方法，其特征在于，所述kkk為(|album(u)|+1)^-1/2。

5.根據權利要求1至4任一項所述的方法，其特征在于，所述模型還包括：與用戶打過分的項目集合相關的參數。

6.根據權利要求1至4任一項所述的方法，其特征在于，所述模型還包括：與用戶已經實踐的項目集合相關的參數。

7.根據權利要求1至4任一項所述的方法，其特征在于，所述模型還包括：打分時間段對用戶偏差的影響參數。

8.根據權利要求1至4任一項所述的方法，其特征在于，所述模型還包括：打分時間段對用戶的影響參數。

9.根據權利要求1至4任一項所述的方法，其特征在于，所述模型還包括：(r_uj-b_uj)的補償參數，

其中r_uj表示已知的用戶u對項目j打分的打分值，b_uj表示用戶u對項目j打分的打分值相對于平均打分值的偏差。

10.根據權利要求9所述的方法，其特征在于，所述(r_uj-b_uj)的補償參數的系數為(|(R^k(i；u)|+1)^-1/2，

其中R^k(i；u)＝R(u)∩S^k(i)，其中R(u)是用戶打分值已知的項目集合，S^k(i)表示與項目i最相似的k個項目的集合。

11.根據權利要求1至4任一項所述的方法，其特征在于，所述模型還包括：隱式反饋。