[發明專利]推薦項目的方法和裝置

有效

• 申請號: 201410483829.1
• 申請日: 2014-09-19
• 公開（公告）號: CN104331411B
• 公開（公告）日: 2018-01-09
• 發明（設計）人: 涂丹丹;劉權
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京龍雙利達知識產權代理有限公司11329
• 代理人: 王君,肖鸝

技術領域

本發明涉及信息技術領域，并更具體地，涉及一種推薦項目的方法和裝置。

背景技術

推薦系統通過建立用戶與項目之間的二元關系，利用已有的選擇過程或相似性關系挖掘每個用戶潛在感興趣的對象，進而進行個性化推薦。

近些年來，Adomavicius和Tuzhilin等人指出，把上下文信息融入推薦系統將有利于提高推薦精確度，并提出被廣泛引用的上下文感知推薦系統(context-aware recommender systems，CARS)的概念，上下文信息例如可以是用戶選擇項目的時間，地點、心情等上下文的條件等。

現有技術采用多維向量模型表示上下文信息來進行推薦。具體而言，在上下文的條件下，利用皮爾遜(Pearson)相關系數計算所有用戶對同一項目的偏好相似度，再根據偏好相似度的計算結果將項目推薦給相似度高的用戶。

然而，上下文相關維度太多時會造成數據稀疏的問題，換句話說，在所有的用戶中，只有很少的用戶對同一項目具有偏好。因此在數據稀疏的情況下，利用Pearson相關系數進行計算通常不能獲得較高準確度，進而影響推薦的準確度，如果要提高準確度，要進行很復雜的計算過程。

發明內容

本發明的實施例提供了一種推薦項目的方法和裝置，能夠在進行上下文推薦時，既能保證推薦的準確度又能有效地降低計算的復雜性。

第一方面，提供了一種方法，包括：確定N個偏好值，N個偏好值中的每個偏好值指示：多個用戶中的目標用戶在X個上下文類型指示的條件下，對多個項目中的目標項目的選擇偏好程度；根據N個偏好值，確定偏好值張量，其中，偏好值張量具有X+2個維度，X+2個維度為：基于多個項目確定的一個維度、基于多個用戶確定的一個維度以及X個上下文維度，其中， X個上下文類型中的第x個上下文類型具有i_x個選項，在X個上下文維度中，第x個上下文維度是基于第x個上下文類型的i_x個選項確定的，偏好值張量中包括分別基于N個偏好值確定的N個元素，偏好值張量包含的元素個數大于N，X和N均為正整數，x的取值從1到X；根據偏好值張量，確定 X+2個矩陣因子，其中，X+2個矩陣因子一一對應于X+2個維度，X+2個矩陣因子中每個矩陣因子的秩小于偏好值張量的秩，X+2個矩陣因子的積用于逼近偏好值張量；根據X+2個矩陣因子中的至少一個矩陣因子進行項目推薦。

結合第一方面，在第一方面的第一種可能的實現方式中，根據偏好值張量，確定X+2個矩陣因子，包括：根據N個差值的平方確定誤差函數；通過對誤差函數進行迭代計算，確定X+2個矩陣因子；其中，X+2個矩陣因子的積為偏好值張量的逼近張量，偏好值張量的全部元素與逼近張量的全部元素一一對應，N個差值分別為N個偏好值元素在逼近張量中對應的N個元素與N個偏好值元素的差。

結合第一方面的第一種可能的實現方式，在第一方面的第二種可能的實現方式中，通過對誤差函數進行迭代計算，確定X+2個矩陣因子，包括：獲取X+1個矩陣因子以及預設的特征向量個數；通過以預定迭代次數的迭代計算，根據X+1個矩陣因子以及預設的特征向量個數，確定至少一個特征向量；根據至少一個特征向量確定剩余的矩陣因子，使得誤差函數的值小于預定迭代閾值。

結合第一方面的第一種或第二種可能的實現方式，在第一方面的第三種可能的實現方式中，該方法還包括：確定權重張量，權重張量包括N個元素， N個元素分別為與N個差值一一對應的N個權值，根據N個差值的平方確定誤差函數，包括：通過對N個權值對N個差值的平方和進行加權，確定誤差函數。

結合第一方面、第一方面的第一種至第三種中的任一種可能的實現方式，在第一方面的第四種可能的實現方式中，根據X+2個矩陣因子中的至少一個矩陣因子進行項目推薦，包括：從X+2個矩陣因子中，確定與當前項目推薦相關的多個矩陣因子；根據多個矩陣因子相乘的結果，確定待推薦項目的排序；根據對待推薦項目的排序和預定的排序加權的結果，進行項目推薦。

結合第一方面、第一方面的第一種至第四種中的任一種可能的實現方式，在第一方面的第五種可能的實現方式中，在確定N個偏好值之前，該方法還包括：確定M個偏好值，其中M大于N；根據上下文類型項目相關度以及用戶項目相關度，預過濾M個偏好值，得到N個偏好值。