[发明专利]一种数字信息推荐预测模型的训练方法和系统

权利要求书

1.一种数字信息推荐预测模型的训练方法，包括：

1)接收打分数据；

2)建立模型并利用所述打分数据训练所述模型，其中所述模型中包括打分时间段对用户的影响参数。

2.根据权利要求1所述的方法，其特征在于，所述模型还包括：打分时间段对用户偏差的影响参数。

3.根据权利要求1或2所述的方法，其特征在于，所述模型还包括：(r_uj-b_uj)的补偿参数，

其中r_uj表示已知的用户u对项目j打分的打分值，b_uj表示用户u对项目j打分的打分值相对于平均打分值的偏差，其中项目表示数字信息的类别的具体内容。

4.根据权利要求3所述的方法，其特征在于，所述(r_uj-b_uj)的补偿参数的系数为(|(R^k(i；u)|+1)^-1/2，

其中R^k(i；u)＝R(u)∩S^k(i)，其中R(u)是用户打分值已知的项目集合，S^k(i)表示与项目i最相似的k个项目的集合。

5.根据权利要求1或2所述的方法，其特征在于，所述模型还包括：隐式反馈。

6.根据权利要求5所述的方法，其特征在于，所述隐式反馈的系数为(|N^k(i；u)|+1)^-/2，

其中N^k(i；u)＝N(u)∩S^k(i)，其中N(u)是用户打过分的项目集合，S^k(i)表示与项目i最相似的k个项目的集合。

7.根据权利要求4或6所述的方法，其特征在于，所述S^k(i)是基于打分的项目相似集合、基于所述类别之间存在的关联关系的项目相似集合和基于内容的项目相似集合中的任意一个或任意二或三个的融合结果。

8.根据权利要求1或2所述的方法，其特征在于，所述步骤2)中所述建立模型是基于隐参数模型建立。

9.根据权利要求1或2所述的方法，其特征在于，所述步骤2)的所述训练是基于最小化损失函数来训练。

10.根据权利要求9所述的方法，其特征在于，所述最小化损失函数的求解是采用梯度下降法。

11.一种数字信息推荐预测模型的训练系统，包括：

接收模块，用于接收打分数据；

建模模块，用于建立模型并利用所述打分数据训练所述模型，其中所述模型中包括打分时间段对用户的影响参数。

12.根据权利要求11所述的系统，其特征在于，所述模型还包括：打分时间段对用户偏差的影响参数。

13.一种数字信息推荐方法，包括：

利用根据权利要求1至10任一项所述的方法训练的模型进行数字信息推荐。

14.一种数字信息推荐系统，用于利用根据权利要求1至11任一项所述的方法训练的模型进行数字信息推荐。