[发明专利]一种受众选择的方法及装置

权利要求书

1.一种受众选择的方法，其特征在于，包括：

基于多个用户访问行为产生的历史数据，生成用户访问对象观察矩阵和用户标签观察矩阵；其中，所述用户访问对象观察矩阵包括两个维度，其中一个维度为用户维度，另一维度为访问对象维度，所述用户访问对象观察矩阵中的任一元素用于表征该元素在用户维度上对应的用户针对该元素在访问对象维度上对应的访问对象产生的访问次数；所述用户标签观察矩阵包括两个维度，其中一个维度为用户维度，另一维度为标签维度，所述用户标签观察矩阵中的任一元素用于表征该元素在用户维度上对应的用户针对该元素在标签维度上对应的标签产生的访问次数；所述用户访问对象观察矩阵和所述用户标签观察矩阵均服从泊松Poisson分布；

根据所述用户访问对象观察矩阵和所述用户标签观察矩阵，计算用户潜在因子矩阵、访问对象潜在因子矩阵；其中，所述用户潜在因子矩阵包括用户维度和潜在因子维度，所述用户潜在因子矩阵中的任一元素用于表征该元素在用户维度上对应的用户与该元素在潜在因子维度上对应的潜在因子之间的关联程度；所述访问对象潜在因子矩阵包括访问对象维度和潜在因子维度，所述访问对象潜在因子矩阵中的任一元素用于表征该元素在访问对象上对应的访问对象与该元素在潜在因子维度上对应的潜在因子之间的关联程度；所述用户潜在因子矩阵与所述访问对象潜在因子矩阵在潜在因子维度上包含的元素的数目相同；

针对每一个目标访问对象，执行：根据所述用户潜在因子矩阵和所述访问对象潜在因子矩阵，计算各个用户和该目标访问对象的相似性；

根据获得的各个用户和该目标访问对象的相似性，对所述用户访问对象观察矩阵中未对该目标访问对象产生过访问次数的用户进行排序；

根据排序结果，为该目标访问对象选择推荐的用户。

2.如权利要求1所述的方法，其特征在于，所述根据所述用户访问对象观察矩阵和所述用户标签观察矩阵，计算用户潜在因子矩阵、访问对象潜在因子矩阵，包括：

根据所述用户访问对象观察矩阵和所述用户标签观察矩阵，分别生成与所述用户访问对象观察矩阵具有相同维度的用户访问对象期望矩阵，和与所述用户标签观察矩阵具有相同维度的用户标签期望矩阵；

其中，所述用户访问对象观察矩阵中的元素服从所述用户访问对象期望矩阵中的元素期望的泊松Poisson分布，所述用户标签观察矩阵中的元素服从所述用户标签期望矩阵中元素期望的Poisson分布；所述用户访问对象期望矩阵为用户潜在因子矩阵和访问对象潜在因子矩阵的乘积；所述用户标签期望矩阵为所述用户潜在因子矩阵和标签潜在因子矩阵的乘积；所述用户潜在因子矩阵服从伽马Gamma分布；

基于所述用户访问对象观察矩阵和所述用户标签观察矩阵均服从Poisson分布生成第一分布函数，以及基于所述用户潜在因子矩阵服从伽马Gamma分布生成第二分布函数，基于所述第一分布函数以及所述第二分布函数生成用户产生访问行为的概率函数，所述概率函数表示用户产生访问行为的概率；

根据生成的用户产生访问行为的概率函数，计算用户潜在因子矩阵、访问对象潜在因子矩阵。

3.如权利要求2所述的方法，其特征在于，所述基于所述第一分布函数以及所述第二分布函数，生成用户产生访问行为的概率函数，包括：

基于所述第一分布函数以及所述第二分布函数，采用最大似然估计的方法，获得似然函数，将获得的所述似然函数作为用户产生访问行为的概率函数。

4.如权利要求3所述的方法，其特征在于，所述根据生成的用户产生访问行为的概率函数，计算用户潜在因子矩阵、访问对象潜在因子矩阵，包括：

生成所述似然函数的对数函数，并对所述对数函数进行偏导计算，产生三个偏导函数；

对产生的三个偏导函数的N个维度分别进行多次乘法迭代，直至收敛，得到用户潜在因子矩阵、访问对象潜在因子矩阵、以及标签潜在因子矩阵；所述N为潜在因子维度包含的元素数目。

5.如权利要求4所述的方法，其特征在于，在所述乘法迭代的计算过程中，为用户潜在因子矩阵、访问对象潜在因子矩阵、以及标签潜在因子矩阵中的初始值赋大于0的随机值。