[發(fā)明專利]一種模型的更新方法、裝置及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201710775357.0
• 申請(qǐng)日: 2017-08-31
• 公開（公告）號(hào): CN107562875A
• 公開（公告）日: 2018-01-09
• 發(fā)明（設(shè)計(jì)）人: 王喆
• 申請(qǐng)（專利權(quán)）人: 北京麒麟合盛網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京國昊天誠知識(shí)產(chǎn)權(quán)代理有限公司11315
• 代理人: 許志勇

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種模型的更新方法、裝置及系統(tǒng)。

背景技術(shù)

隨著終端設(shè)備的普及，尤其是移動(dòng)終端設(shè)備的不斷發(fā)展，通過互聯(lián)網(wǎng)獲取其感興趣的資訊等信息已成為人們獲取信息的主要手段。為了提高用戶體驗(yàn)，通常，各資訊類等網(wǎng)站會(huì)設(shè)置有用戶的興趣模型，用于向該用戶推薦其感興趣的信息。

當(dāng)前，用戶的興趣模型通常是在離線或線下利用用戶的歷史數(shù)據(jù)生成的，具體地，采集與某用戶有關(guān)的歷史信息(如該用戶觀看過的視頻、查看過的新聞等)，然后，使用該歷史信息對(duì)預(yù)先建立的興趣模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的興趣模型。最后，將訓(xùn)練后的興趣模型投入到信息推薦的服務(wù)系統(tǒng)中，以使信息推薦的服務(wù)系統(tǒng)能夠基于訓(xùn)練后的興趣模型向用戶推薦其可能感興趣的信息。

然而，通常用戶閱讀行為缺乏連貫性，這樣，就使得用戶的關(guān)注點(diǎn)缺乏長期性和明確指向，容易隨時(shí)事熱點(diǎn)的變化而發(fā)生轉(zhuǎn)移，因此，使用離線或線下方式對(duì)用戶的興趣構(gòu)建(或訓(xùn)練)的模型只能捕捉用戶最主要的興趣方向，會(huì)導(dǎo)致推薦的信息的主題范圍過窄，限制了信息來源的途徑，降低了推薦的準(zhǔn)確率。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例的目的是提供一種模型的更新方法、裝置及系統(tǒng)，以實(shí)現(xiàn)以在線更新的方式更新興趣模型，使得后續(xù)在進(jìn)行信息推薦時(shí)，推薦結(jié)果可以更精準(zhǔn)匹配用戶當(dāng)前興趣焦點(diǎn)和閱讀場景，從而，推薦的信息的主題范圍更適合用戶需求，豐富了信息來源的途徑，提高了推薦的準(zhǔn)確率。

為解決上述技術(shù)問題，本申請(qǐng)實(shí)施例是這樣實(shí)現(xiàn)的：

本申請(qǐng)實(shí)施例提供的一種模型的更新方法，所述方法包括：

根據(jù)目標(biāo)用戶的興趣模型向所述目標(biāo)用戶推薦目標(biāo)候選信息；

獲取所述目標(biāo)用戶對(duì)所述目標(biāo)候選信息的第一行為反饋數(shù)據(jù)；

獲取基于影響關(guān)聯(lián)用戶的興趣數(shù)據(jù)，更新所述關(guān)聯(lián)用戶與所述目標(biāo)用戶之間的影響關(guān)系矩陣；所述關(guān)聯(lián)用戶為與所述目標(biāo)用戶建立有預(yù)定關(guān)聯(lián)關(guān)系的用戶；

分別根據(jù)所述第一行為反饋數(shù)據(jù)和所述影響關(guān)系矩陣，對(duì)所述目標(biāo)用戶的興趣模型進(jìn)行更新。

可選地，所述方法還包括：

基于所述目標(biāo)用戶的預(yù)定信息的內(nèi)容，對(duì)所述預(yù)定信息進(jìn)行特征提取，得到所述預(yù)定信息的內(nèi)容特征；

根據(jù)所述內(nèi)容特征構(gòu)建所述目標(biāo)用戶的興趣模型。

可選地，所述根據(jù)目標(biāo)用戶的興趣模型向所述目標(biāo)用戶推薦目標(biāo)候選信息，包括：

根據(jù)所述興趣模型，從候選信息庫中選取目標(biāo)候選信息；

將所述目標(biāo)候選信息推薦給所述目標(biāo)用戶。

可選地，所述根據(jù)所述興趣模型，從候選信息庫中選取目標(biāo)候選信息，包括：

根據(jù)所述興趣模型，計(jì)算所述候選信息庫中的每一項(xiàng)候選信息被推薦的先后順序的排序分?jǐn)?shù)；

根據(jù)所述被推薦的先后順序的排序分?jǐn)?shù)由大到小的順序選取預(yù)定數(shù)目的候選信息作為所述目標(biāo)候選信息。

可選地，所述被推薦的先后順序的排序分?jǐn)?shù)是根據(jù)所述候選信息庫中的每一項(xiàng)候選信息的預(yù)估反饋數(shù)據(jù)，以及目標(biāo)用戶隱含因子的預(yù)估置信區(qū)間和所述每一項(xiàng)候選信息的內(nèi)容隱含因子的預(yù)估置信區(qū)間，并通過權(quán)重的方式確定；

所述目標(biāo)用戶隱含因子和所述內(nèi)容隱含因子是基于所述興趣模型確定。

可選地，所述根據(jù)所述第一行為反饋數(shù)據(jù)，對(duì)所述目標(biāo)用戶的興趣模型進(jìn)行更新，包括：

通過預(yù)定的交替最小二乘法對(duì)所述目標(biāo)用戶與所述目標(biāo)候選信息之間的交互矩陣進(jìn)行矩陣分解，得到針對(duì)所述目標(biāo)候選信息的所述目標(biāo)用戶的興趣信息，其中，所述交互矩陣由所述目標(biāo)用戶對(duì)目標(biāo)候選信息的興趣關(guān)系確定；

針對(duì)所述目標(biāo)候選信息，獲取所述目標(biāo)用戶的預(yù)測興趣信息；

根據(jù)所述目標(biāo)用戶的興趣信息和預(yù)測興趣信息，對(duì)所述目標(biāo)用戶的興趣模型進(jìn)行更新。

可選地，所述根據(jù)所述目標(biāo)用戶的興趣信息和預(yù)測興趣信息，對(duì)所述目標(biāo)用戶的興趣模型進(jìn)行更新，包括：

獲取所述目標(biāo)用戶的興趣信息和預(yù)測興趣信息之間的誤差；

基于所述誤差，對(duì)所述目標(biāo)用戶的興趣模型進(jìn)行更新。

可選地，所述方法還包括：

根據(jù)所述第一行為反饋數(shù)據(jù)，更新所述影響關(guān)系矩陣；

根據(jù)更新后的影響關(guān)系矩陣，更新所述目標(biāo)用戶所影響的關(guān)聯(lián)用戶的興趣模型。

可選地，所述方法還包括：

根據(jù)預(yù)先存儲(chǔ)的所述目標(biāo)用戶與關(guān)聯(lián)用戶之間的關(guān)聯(lián)信息，構(gòu)建所述目標(biāo)用戶與關(guān)聯(lián)用戶之間的影響關(guān)系模型；

根據(jù)所述影響關(guān)系模型，確定所述目標(biāo)用戶與關(guān)聯(lián)用戶之間的影響關(guān)系矩陣。