潜在因子混合推荐方法、装置、设备及计算机存储介质制造方法及图纸

本发明专利技术公开了一种潜在因子混合推荐方法、装置、设备及计算机存储介质，潜在因子混合推荐方法包括：当经过预处理后的数据集满足预设混合推荐条件时，根据所述数据集构建目标账户对应的目标参考矩阵，其中，所述目标参考矩阵包括用户评论矩阵、用户评分矩阵和商品评论矩阵；根据预设的潜在因子全局模型和所述目标参考矩阵进行模型训练，以得到第一评分；获取所述数据集中所有用户子集对应的子参考矩阵，并根据预设的潜在因子局部模型和各所述子参考矩阵进行模型训练，以得到第二评分；根据所述第一评分和所述第二评分计算推荐评分，并根据所述推荐评分进行数据推荐。本发明专利技术提高了推荐系统的推荐精度。

【技术实现步骤摘要】
潜在因子混合推荐方法、装置、设备及计算机存储介质
本专利技术涉及数据处理
，尤其涉及一种潜在因子混合推荐方法、装置、设备及计算机存储介质。
技术介绍
推荐系统把用户的要求以及兴趣偏好信息和候选物品的特征进行比较匹配，同时使用相应的推荐算法进行过滤筛选，挖掘出用户潜在喜欢的物品，然后推送给用户。传统的推荐系统所应用的推荐模型通常为所有用户构建一个全局模型，虽然能够较好地捕获用户间的全局信息，但不同用户群体内部往往会形成各自独特的行为方式，全局模型中相同或者相似的物品在所有人群中的相似度都是非常接近的，难以发现不同用户子集中物品相似度的差异，难以捕捉用户偏好，推荐效果一般，推荐精度低。
技术实现思路
本专利技术的主要目的在于提供一种潜在因子混合推荐方法、装置、设备及计算机存储介质，旨在解决如何提高推荐系统的推荐精度的技术问题。为实现上述目的，本专利技术提供一种潜在因子混合推荐方法，包括以下步骤：当经过预处理后的数据集满足预设混合推荐条件时，根据所述数据集构建目标账户对应的目标参考矩阵，其中，所述目标参考矩阵包括用户评论矩阵、用户评分矩阵和商品评论矩阵；根据预设的潜在因子全局模型和所述目标参考矩阵进行模型训练，以得到第一评分；获取所述数据集中所有用户子集对应的子参考矩阵，并根据预设的潜在因子局部模型和各所述子参考矩阵进行模型训练，以得到第二评分；根据所述第一评分和所述第二评分计算推荐评分，并根据所述推荐评分进行数据推荐。可选地，根据预设的潜在因子全局模型和所述目标参考矩阵进行模型训练，以得到第一评分的步骤，包括：确定所述目标参考矩阵中的用户潜在因子和单词潜在因子，并计算所述用户潜在因子和所述单词潜在因子的第一乘积；获取所述单词潜在因子对应单词的重要性特征，并根据所述第一乘积和所述重要性特征计算第一优化参数；将所述第一优化参数输入至预设的潜在因子全局模型进行模型训练，基于所述模型训练的训练结果确定第一评分。可选地，获取所述单词潜在因子对应单词的重要性特征的步骤，包括：确定所述单词潜在因子对应单词在所述目标账户对应的特征文档中出现的次数；将所述次数输入至预设的指数函数公式进行计算，以得到所述单词潜在因子对应单词的重要性特征。可选地，根据预设的潜在因子局部模型和各所述子参考矩阵进行模型训练，以得到第二评分的步骤，包括：依次遍历各所述用户子集，确定遍历的用户子集对应的子参考矩阵，并将所述子参考矩阵输入至所述潜在因子全局模型进行模型训练，以得到所述遍历的用户子集对应的第三评分；计算各所述用户子集对应的第三评分之间的平均评分，并将所述平均评分输入至预设的潜在因子局部模型进行模型训练，以得到第二评分。可选地，根据所述第一评分和所述第二评分计算推荐评分的步骤，包括：确定所述第一评分对应的第一权重，并根据所述第一权重计算所述的第二评分对应的第二权重；计算所述第一权重和所述第一评分的第三乘积，并计算所述第二权重和所述第二评分的第二乘积，计算所述第二乘积和所述第三乘积的第一和值，并将所述第一和值作为推荐评分。可选地，确定所述第一评分对应的第一权重的步骤，包括：确定所述数据集中所述目标账户对应的评分数目，并将所述评分数目、所述第一评分和所述第二评分输入至预设的动态加权公式进行计算，以得到所述第一评分对应的第一权重。可选地，当经过预处理后的数据集满足预设混合推荐条件时的步骤之前，包括：计算预设的用户子集数目和预设数值之间的第二和值，并计算所述第二和值和预设的方面数目之间的第四乘积；获取经过预处理后的数据集中的用户数目，若所述第四乘积小于所述用户数目，则确定经过预处理后的数据集满足预设混合推荐条件。此外，为实现上述目的，本专利技术还提供一种潜在因子混合推荐装置，包括：构建模块，用于当经过预处理后的数据集满足预设混合推荐条件时，根据所述数据集构建目标账户对应的目标参考矩阵，其中，所述目标参考矩阵包括用户评论矩阵、用户评分矩阵和商品评论矩阵；模型训练模块，用于根据预设的潜在因子全局模型和所述目标参考矩阵进行模型训练，以得到第一评分；获取模块，用于获取所述数据集中所有用户子集对应的子参考矩阵，并根据预设的潜在因子局部模型和各所述子参考矩阵进行模型训练，以得到第二评分；推荐模块，用于根据所述第一评分和所述第二评分计算推荐评分，并根据所述推荐评分进行数据推荐。此外，为实现上述目的，本专利技术还提供一种潜在因子混合推荐设备，潜在因子混合推荐设备包括存储器、处理器及存储在存储器上并可在处理器上运行的潜在因子混合推荐程序，潜在因子混合推荐程序被处理器执行时实现如上述的潜在因子混合推荐方法的步骤。此外，为实现上述目的，本专利技术还提供一种计算机存储介质，计算机存储介质上存储有潜在因子混合推荐程序，潜在因子混合推荐程序被处理器执行时实现如上述的潜在因子混合推荐方法的步骤。本专利技术通过在预处理后的数据集满足预设混合推荐条件时，根据数据集建立目标参考矩阵，并根据潜在因子全局模型和目标参考矩阵进行模型训练，得到第一评分，由于目标参考矩阵包括用户评论矩阵、用户评分矩阵和商品评论矩阵，从而实现了从多维度考虑用户的偏好，提高了后续进行推荐的精度，并且会根据潜在因子局部模型对各个用户子集对应的子参考矩阵进行训练，得到第二评分，再根据第一评分和第二评分计算推荐评分，根据推荐评分进行数据推荐，从而实现了从全局和局部两个角度进行评估推荐，提高了推荐系统的推荐精度。附图说明图1是本专利技术实施例方案涉及的硬件运行环境的终端\装置结构示意图；图2为本专利技术潜在因子混合推荐方法第一实施例的流程示意图；图3为本专利技术潜在因子混合推荐装置的装置模块示意图；图4为本专利技术潜在因子混合推荐方法中全局模型的示意图；图5为本专利技术潜在因子混合推荐方法中局部模型的示意图；图6为本专利技术潜在因子混合推荐方法中混合模型的示意图。本专利技术目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，图1是本专利技术实施例方案涉及的硬件运行环境的终端结构示意图。本专利技术实施例终端为潜在因子混合推荐设备。如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1本文档来自技高网...

【技术保护点】
1.一种潜在因子混合推荐方法，其特征在于，所述潜在因子混合推荐方法包括以下步骤：/n当经过预处理后的数据集满足预设混合推荐条件时，根据所述数据集构建目标账户对应的目标参考矩阵，其中，所述目标参考矩阵包括用户评论矩阵、用户评分矩阵和商品评论矩阵；/n根据预设的潜在因子全局模型和所述目标参考矩阵进行模型训练，以得到第一评分；/n获取所述数据集中所有用户子集对应的子参考矩阵，并根据预设的潜在因子局部模型和各所述子参考矩阵进行模型训/n练，以得到第二评分；/n根据所述第一评分和所述第二评分计算推荐评分，并根据所述推荐评分进行数据推荐。/n

【技术特征摘要】
1.一种潜在因子混合推荐方法，其特征在于，所述潜在因子混合推荐方法包括以下步骤：
当经过预处理后的数据集满足预设混合推荐条件时，根据所述数据集构建目标账户对应的目标参考矩阵，其中，所述目标参考矩阵包括用户评论矩阵、用户评分矩阵和商品评论矩阵；
根据预设的潜在因子全局模型和所述目标参考矩阵进行模型训练，以得到第一评分；
获取所述数据集中所有用户子集对应的子参考矩阵，并根据预设的潜在因子局部模型和各所述子参考矩阵进行模型训
练，以得到第二评分；
根据所述第一评分和所述第二评分计算推荐评分，并根据所述推荐评分进行数据推荐。


2.如权利要求1所述的潜在因子混合推荐方法，其特征在于，所述根据预设的潜在因子全局模型和所述目标参考矩阵进行模型训练，以得到第一评分的步骤，包括：
确定所述目标参考矩阵中的用户潜在因子和单词潜在因子，并计算所述用户潜在因子和所述单词潜在因子的第一乘积；
获取所述单词潜在因子对应单词的重要性特征，并根据所述第一乘积和所述重要性特征计算第一优化参数；
将所述第一优化参数输入至预设的潜在因子全局模型进行模型训练，基于所述模型训练的训练结果确定第一评分。


3.如权利要求2所述的潜在因子混合推荐方法，其特征在于，所述获取所述单词潜在因子对应单词的重要性特征的步骤，包括：
确定所述单词潜在因子对应单词在所述目标账户对应的特征文档中出现的次数；
将所述次数输入至预设的指数函数公式进行计算，以得到所述单词潜在因子对应单词的重要性特征。


4.如权利要求1所述的潜在因子混合推荐方法，其特征在于，所述根据预设的潜在因子局部模型和各所述子参考矩阵进行模型训练，以得到第二评分的步骤，包括：
依次遍历各所述用户子集，确定遍历的用户子集对应的子参考矩阵，并将所述子参考矩阵输入至所述潜在因子全局模型进行模型训练，以得到所述遍历的用户子集对应的第三评分；
计算各所述用户子集对应的第三评分之间的平均评分，并将所述平均评分输入至预设的潜在因子局部模型进行模型训练，以得到第二评分。


5.如权利要求1所述的潜在因子混合推荐方法，其特征在于，所述根据所述第一评分和所述第二评分计算推荐评分的步骤，包括：
确定所述第一评分对应的第一权重，并...

【专利技术属性】
技术研发人员：王琴瑶，浦贵阳，程平，陈进利，张总天，
申请(专利权)人：中移杭州信息技术有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：浙江;33