[發明專利]回答者推薦模型的訓練方法、推薦方法及電子設備

在審

• 申請號: 202010767815.8
• 申請日: 2020-08-03
• 公開（公告）號: CN111881282A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 陳卓;袁璽明;杜軍威;葛艷;李涵;姜偉豪;魏銳
• 申請（專利權）人: 青島科技大學
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06N20/20
• 代理公司: 北京力致專利代理事務所(特殊普通合伙) 11900
• 代理人: 周厚民

1.一種回答者推薦模型的訓練方法，其特征在于，包括：

獲取樣本評分矩陣以及未獲得財富值的數據集；其中，所述未獲得財富值的數據集包括回答者特征以及問題特征；

利用所述未獲得財富值的數據集對回答者推薦模型中的DeepFM模塊進行訓練，以填充所述樣本評分矩陣；

將填充后的所述樣本評分矩陣輸入所述回答者推薦模型中的矩陣分解模塊分解所述樣本評分矩陣，得到回答者矩陣以及問題矩陣；

基于所述回答者矩陣與所述問題矩陣，預測所述問題對應的回答者；

利用所述評分預測值與所述問題對應的目標評分值，對所述DeepFM模塊以及所述矩陣分解模塊的參數進行更新，確定所述回答者推薦模型。

2.根據權利要求1所述的訓練方法，其特征在于，所述基于所述回答者矩陣以及所述問題矩陣，預測所述問題對應的回答者，包括：

計算所述回答者矩陣與所述問題矩陣的乘積，確定所述問題對應的各個回答者的評分預測值。

3.根據權利要求2所述的訓練方法，其特征在于，所述利用所述評分預測值與所述問題對應的目標評分值，對所述DeepFM模塊以及所述矩陣分解模塊的參數進行更新，確定所述回答者推薦模型，包括：

獲取各個所述問題對應的實際財富值、回答獲得的平均財富值、回答獲得的最大財富值、回答獲得的最小財富值；

基于各個所述問題對應的實際財富值、回答獲得的平均財富值、回答獲得的最大財富值、回答獲得的最小財富值，計算各個所述問題回答獲得的財富值；

利用各個所述問題回答獲得的財富值、所述DeepFM模塊的填充結果、所述樣本評分矩陣以及填充后的所述樣本評分矩陣，計算損失函數，以更新所述DeepFM模塊的填充結果，確定所述回答者推薦模型。

4.根據權利要求3所述的訓練方法，其特征在于，所述各個所述問題回答獲得的財富值采用如下公式計算：

其中，為所述各個所述問題回答獲得的財富值；x為所述實際財富值；μ為所述回答獲得的平均財富值；x_max為回答獲得的最大財富值；x_min為回答獲得的最小財富值。

5.根據權利要求3所述的訓練方法，其特征在于，所述損失函數采用如下公式計算：

其中，r_ij為所述樣本評分矩陣中第i行第j列的評分值；為填充后的所述樣本評分矩陣中第i行第j列的評分值；d為所述DeepFM模塊的填充結果與真實結果之間的均方誤差；c表示所述問題是否為所述DeepFM模塊的預測結果，取值為0或1；λ為正則化系數；P為所述回答者矩陣；Q為所述問題矩陣。

6.根據權利要求1-5中任一項所述的訓練方法，其特征在于，所述訓練方法還包括：

獲取測試集；

將所述測試集輸入所述回答者推薦模型中，得到預測結果；

基于所述預測結果，確定是否需要對所述回答者推薦模型中的參數進行再次更新。

7.一種回答者推薦方法，其特征在于，包括：

獲取目標問題的特征以及多個回答者的特征，以得到初始評分矩陣；

對所述目標問題的特征以及多個回答者的特征進行編碼，并將編碼結果輸入至回答者推薦模型中的DeepFM模塊中，對所述初始評分矩陣進行填充，得到評分矩陣；

將所述評分矩陣輸入至所述回答者推薦模型中的矩陣分解模塊中分解所述評分矩陣，得到回答者矩陣以及問題矩陣；

基于所述回答者矩陣以及所述問題矩陣，確定所述目標問題對應的目標回答者。

8.根據權利要求7所述的回答者推薦方法，其特征在于，所述基于所述回答者矩陣以及所述問題矩陣，確定所述目標問題對應的目標回答者，包括：

計算所述回答者矩陣與所述問題矩陣的乘積，得到各個所述回答者回答所述目標問題對應的評分值；

將最高的所述評分值對應的回答者，確定為所述目標回答者。