[发明专利]一种推荐结果生成方法以及装置

权利要求书

1.一种推荐结果生成方法，其特征在于，包括：

获取用户在至少2种应用平台上的行为记录；

根据所述行为记录生成用户特征；

获取目标应用平台的目标业务的属性特征，所述目标业务为所述用户使用过的业务；

根据所述用户特征以及所述属性特征生成联合特征；

根据所述联合特征生成样本集；

根据所述样本集得到逻辑回归模型；

根据所述逻辑回归模型计算待推荐业务的概率，所述待推荐业务为所述目标应用平台上的待推荐业务；

根据所述待推荐业务的概率大小生成推荐结果。

2.根据权利要求1所述的方法，其特征在于，所述获取用户在至少2种应用平台上的行为记录包括：

获取预置时段内所述用户在所述至少2种应用平台上的行为记录。

3.根据权利要求2所述的方法，其特征在于，所述根据所述样本集得到逻辑回归模型，包括：

从所述样本集中按照预置比例抽取出正、负样本构成训练样本集；

对所述训练样本集进行训练得到所述逻辑回归模型。

4.根据权利要求3所述的方法，其特征在于，所述对所述训练样本集进行训练得到所述逻辑回归模型，包括：

构造如下对数损失函数：

$J\left(\mathrm{\θ}\right)=-\frac{1}{m}\[\underset{i=1}{\overset{m}{\Σ}}{y}^{\left(i\right)}\log h_{\mathrm{\θ}}\left(x^{\left(i\right)}\right)+(1-y^{\left(i\right)})log(1-h_{\mathrm{\θ}}(x^{\left(i\right)}\left)\right)\];$

其中，x⁽ⁱ⁾为所述训练样本集中的第i个样本，所述m为训练样本数目，

根据梯度下降法计算出θ，令θ＝β，获得所述逻辑回归模型：

$p^{\′}(x,\mathrm{\β})=\frac{1}{1+e^{-{\mathrm{\β}}^{T}x}};$

其中，β^Tx＝β₁·x₁+β₂·x₂+...+β_k·x_k，β＝(β₁，β₂...β_k)为所述逻辑回归模型参数，P'为所述待推荐业务的概率。