一種個性化推薦方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，具體地，涉及一種個性化推薦方法及裝置。
【背景技術(shù)】
[0002] 隨著信息技術(shù)的不斷發(fā)展，為了更好的服務(wù)于用戶，個性化推薦技術(shù)應(yīng)運而生，用 于為用戶提供符合其需求的個性化推薦內(nèi)容。通常，個性化推薦技術(shù)以用戶行為數(shù)據(jù)為基 礎(chǔ)，再結(jié)合一定的數(shù)據(jù)分析方法，為用戶生成個性化推薦內(nèi)容。
[0003] 具體地，用戶行為可以分為顯性行為和隱性行為。顯性行為可以是用戶直觀表明 的對物品的喜好程度，如用戶為物品進(jìn)行評分。隱性行為可以是用戶對物品執(zhí)行的操作動 作，如操作動作可以為瀏覽、購買、評價、收藏、轉(zhuǎn)發(fā)、點贊、下載等等。
[0004]在進(jìn)行個性化推薦時，如基于協(xié)同過濾算法實現(xiàn)的個性化推薦方案中，可以先利 用用戶對物品的評分值計算用戶之間的相似度，確定出與目標(biāo)用戶具有相同或相似興趣偏 好的鄰居用戶，再根據(jù)鄰居用戶對物品的評分值來預(yù)測目標(biāo)用戶對待推物品的評分值，進(jìn) 而將預(yù)測評分值較高的待推物品作為推薦內(nèi)容，發(fā)送給目標(biāo)用戶。其中，預(yù)測評分值較高可 以理解為超過了預(yù)設(shè)值。
[0005] 由此可知，用戶對物品的評分值在個性化推薦方案中起著至關(guān)重要的作用。對于 顯性行為來說，可以直接利用抓取到的用戶對物品的評分值，進(jìn)行個性化推薦。但是，對于 隱性行為來說，通常只能抓取用戶對物品所執(zhí)行操作動作的操作信息，如，操作動作為瀏 覽，則操作信息可體現(xiàn)為瀏覽時長;操作動作為購買，則操作信息可體現(xiàn)為購買次數(shù)，等等， 如何利用抓取到的操作信息，進(jìn)行個性化推薦，成為目前亟待解決的問題。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是提供一種個性化推薦方法及裝置，可以基于用戶對物品的隱性行 為，實現(xiàn)個性化推薦。
[0007] 本發(fā)明實施例提供了 一種個性化推薦方法，所述方法包括：
[0008] 獲取待測用戶對待測物品所執(zhí)行操作動作的當(dāng)前操作信息；
[0009] 獲取預(yù)測模型，所述預(yù)測模型用于表示操作信息與評分值間的對應(yīng)關(guān)系，通過對 樣本數(shù)據(jù)進(jìn)行訓(xùn)練獲得所述預(yù)測模型，所述樣本數(shù)據(jù)包括樣本用戶對樣本物品的樣本評分 值以及樣本用戶對樣本物品執(zhí)行的操作動作的樣本操作信息；
[0010] 利用所述預(yù)測模型，獲得所述當(dāng)前操作信息對應(yīng)的預(yù)測評分值；
[0011] 基于所述預(yù)測評分值，進(jìn)行個性化推薦。
[001 2]可選地，戶斤述預(yù)測模型為：y = θ^+θ^+Η. + θ?Χ?+Η. + θηΧη+θο ;
[0013] 其中，y表示評分值;Θ,表示第i個操作動作的權(quán)重值;Xl表示第i個操作動作的操作 信息；1 < i <n，n為操作動作的類型數(shù)目；θ〇為常量。
[0014] 可選地，所述對樣本數(shù)據(jù)進(jìn)行訓(xùn)練獲得所述預(yù)測模型，包括：
[0015] 獲取多組所述樣本數(shù)據(jù)；
[0016] 建立原始預(yù)測模型，并利用所述原始預(yù)測模型，獲得每組樣本數(shù)據(jù)中的樣本操作 信息對應(yīng)的預(yù)估值；
[0017] 建立損失函數(shù)，所述損失函數(shù)用于表示每組樣本數(shù)據(jù)中的樣本評分值與該組樣本 數(shù)據(jù)中的樣本操作信息對應(yīng)的預(yù)估值之間的偏差；
[0018] 調(diào)整所述原始預(yù)測模型，并在所述損失函數(shù)達(dá)到最小值時，獲得所述預(yù)測模型。
[0019] 可選地，所述損失函數(shù)為：
[0020]
[0021]其中，J(0)表示損失函數(shù);^表示第j組樣本數(shù)據(jù)中的樣本操作信息對應(yīng)的預(yù)估 值;W表示第j組樣本數(shù)據(jù)中的樣本評分值，1 < j <m，m為樣本數(shù)據(jù)的數(shù)目。
[0022]可選地，所述原始預(yù)測模型為：
[0023] y = θηχχ+θυχζ+.Η+θ??Χ?+.Η+θχηΧη+θχο,其中，0U表示第i個操作動作的初始權(quán)重 值;θιο表示初始常量;則
[0024] 所述調(diào)整所述原始預(yù)測模型，并在所述損失函數(shù)達(dá)到最小值時，獲得所述預(yù)測模 型，包括：
[0025] 通過以下公式調(diào)整所述原始預(yù)測模型中的θη: 02i = θη+α (zj-yj)Xji;其中，02i表示 對所述原始預(yù)測模型進(jìn)行一次調(diào)整后，第i個操作動作的調(diào)整后權(quán)重值;α表示學(xué)習(xí)速率； 由所述損失函數(shù)J(9)對θη求偏導(dǎo)獲得表示第j組樣本數(shù)據(jù)中的第i個操作動 作的樣本操作信息，1 < j <m，m為樣本數(shù)據(jù)的數(shù)目；
[0026] 判斷所述θ2ι是否使所述損失函數(shù)達(dá)到最小值，如果是，則將所述θ2ι確定為所述Θ,， 獲得所述預(yù)測模型；如果否，則在所述θ 2ι的基礎(chǔ)上，利用所述α和所述(zm )Xjl，調(diào)整獲得 所述預(yù)測模型。
[0027] 本發(fā)明實施例還提供了 一種個性化推薦裝置，所述裝置包括：
[0028] 操作信息獲取單元，用于獲取待測用戶對待測物品所執(zhí)行操作動作的當(dāng)前操作信 息；
[0029] 預(yù)測模型獲取單元，用于獲取預(yù)測模型，所述預(yù)測模型用于表示操作信息與評分 值間的對應(yīng)關(guān)系，通過對樣本數(shù)據(jù)進(jìn)行訓(xùn)練獲得所述預(yù)測模型，所述樣本數(shù)據(jù)包括樣本用 戶對樣本物品的樣本評分值以及樣本用戶對樣本物品執(zhí)行的操作動作的樣本操作信息；
[0030] 評分值獲得單元，用于利用所述預(yù)測模型，獲得所述當(dāng)前操作信息對應(yīng)的預(yù)測評 分值；
[0031 ]個性化推薦單元，用于基于所述預(yù)測評分值，進(jìn)行個性化推薦。
[0032] 可選地，所述預(yù)測模型獲取單元，具體用于獲取如下預(yù)測模型：
[0033] y = θιχι+θ2Χ2+· · · + θ?Χ?+· · · + θηχη+θ〇 ；
[0034] 其中，y表示評分值;θ,表示第i個操作動作的權(quán)重值;Χι表示第i個操作動作的操作 信息；1 < i <n，n為操作動作的類型數(shù)目；θ〇為常量。
[0035] 可選地，所述裝置還包括：
[0036] 樣本數(shù)據(jù)獲取單元，用于獲取多組所述樣本數(shù)據(jù)；
[0037] 模型建立單元，用于建立原始預(yù)測模型，并利用所述原始預(yù)測模型，獲得每組樣本 數(shù)據(jù)中的樣本操作信息對應(yīng)的預(yù)估值；
[0038] 損失函數(shù)建立單元，用于建立損失函數(shù)，所述損失函數(shù)用于表示每組樣本數(shù)據(jù)中 的樣本評分值與該組樣本數(shù)據(jù)中的樣本操作信息對應(yīng)的預(yù)估值之間的偏差；
[0039] 模型調(diào)整單元，用于調(diào)整所述原始預(yù)測模型，并在所述損失函數(shù)達(dá)到最小值時，獲 得所述預(yù)測模型。
[0040] 可選地，所述損失函數(shù)建立單元，具體用于建立如下?lián)p失函數(shù)：
[0041；
[0042] 其中，J(0)表示損失函數(shù);^表示第j組樣本數(shù)據(jù)中的樣本操作信息對應(yīng)的預(yù)估 值;W表示第j組樣本數(shù)據(jù)中的樣本評分值，1 < j <m，m為樣本數(shù)據(jù)的數(shù)目。
[0043] 可選地，所述模型建立單元，具體用于建立如下原始預(yù)測模型：
[0044] y = Θηχχ+Θυχζ+'Η+Θ??χ?+'Η+Θχηχη+Θ!。，其中，表示第i個操作動作的初始權(quán)重 值;θιο表示初始常量;則
[0045] 所述模型調(diào)整單元，具體用于通過以下公式調(diào)整所述原始預(yù)測模型中的θ1ι:θ2ι = 0ll+a(Zm)Xjl;其中，θ2ι表示對所述原始預(yù)測模型進(jìn)行一次調(diào)整后，第i個操作動作的調(diào)整 后權(quán)重值;a表示學(xué)習(xí)速率；（zm) Xjl由所述損失函數(shù)J(0)對θη求偏導(dǎo)獲得;Xjl表示第j組 樣本數(shù)據(jù)中的第i個操作動作的樣本操作信息，1 < j <m，m為樣本數(shù)據(jù)的數(shù)目；判斷所述θ2ι 是否使所述損失函數(shù)達(dá)到最小值，如果是，則將所述θ2ι確定為所述Θ