[发明专利]一种用户隐式反馈的量化评分方法

权利要求书

1.一种用户隐式反馈的量化评分方法，其特征在于，包括以下步骤：

S1、收集用户对物品的操作行为信息，得到用户对物品的隐式反馈；所述用户对物品的操作行为信息包括用户对物品的操作行为类别及该行为发生的时间信息，所述操作行为类别由具体实施场景和领域经验所指定；

所述用户对物品的隐式反馈是指，用户对物品的非显式评分行为信息的集合；

S2、统计用户对物品的隐式反馈信息，计算每类隐式反馈行为的显著性系数及该隐式反馈行为的转化率，得到各类隐式反馈行为对应的初级评分；

所述隐式反馈行为的显著性系数是指，与相应类别的隐式反馈行为出现频数呈正相关关系的系数，该系数用于表示当前隐式反馈行为的转化率的置信程度；

所述隐式反馈行为的转化率是指，用户对物品做了相应隐式反馈行为的前提下，用户最终对该物品发生转化行为的概率；所述转化行为是指，用户完成一次商户所期望的行为；

S3、以用户为单位得到用户的隐式反馈集合，根据步骤S2中的隐式反馈行为的初级评分，对所述用户的隐式反馈集合中的物品进行降序排序，得到排序序列；

所述用户的隐式反馈集合是指，统计每个用户所操作过的所有物品及其对应的隐式反馈行为的集合；

S4、根据所述步骤S3的排序序列，利用评分学习模型计算排序序列中各序列位置所对应的物品的评分值，得到用户-物品的隐式反馈量化评分；序列位置是指序列排序序号。

2.根据权利要求1所述的用户隐式反馈的量化评分方法，其特征在于，所述隐式反馈行为的初级评分的计算步骤包括：

S2-1、统计各类隐式反馈行为下的用户-物品对的计数c_k，其中k为相应隐式反馈行为的类别；

S2-2、在S2-1中得到的用户-物品对的基础上，统计得到存在转化行为的用户-物品对的计数t_k；

S2-3、计算隐式反馈k的转化率，计算公式为t_k/c_k；

S2-4、计算隐式反馈行为的显著性系数α_k：

其中λ为显著水平指标，用于控制反馈计数c_k的权重，从而决定反馈计数c_k对显著性系数α_k影响的快慢；

S2-5、计算隐式反馈k的初级评分，其计算方法为该隐式反馈的转化率与其显著性系数α_k的乘积。

3.根据权利要求2所述的用户隐式反馈的量化评分方法，其特征在于，步骤S2-4中λ≤1，其值根据具体使用场景合理选择。

4.根据权利要求2所述的用户隐式反馈的量化评分方法，其特征在于，步骤S2-4中λ＝0.5。

5.根据权利要求1所述的用户隐式反馈的量化评分方法，其特征在于，步骤S3的具体方法为：

S3-1、依次检索用户隐式反馈集合中的每个物品及其对应的反馈行为的初级评分，若一个物品对应一个反馈行为，则该反馈行为的初级评分作为用户-物品的评分；若一个物品对应多个反馈行为，则将同一物品对应的多个隐式反馈行为按初级评分降序排序，选取其中初级评分最高的行为的初级评分作为用户-物品的评分；

S3-2、将每个用户对不同物品的用户-物品的评分进行降序排序；依次得到多个用户的用户-物品排序序列。

6.根据权利要求5所述的用户隐式反馈的量化评分方法，其特征在于，步骤S3-1中若初级评分降序排序过程中有多个并列最高评分，则保留所有的并列的行为的初级评分，选取并列的所有行为加入用户-物品排序序列。

7.根据权利要求5所述的用户隐式反馈的量化评分方法，其特征在于，步骤S3-2中若其中多个用户-物品的评分相同，则比较其初级评分计算过程中的转化率，若转化率也相同，则多个用户-物品在排序序列中具有相同的排序，其排序序号相同。