[发明专利]一种模型的更新方法、装置及系统

权利要求书

1.一种模型的更新方法，其特征在于，所述方法包括：

根据目标用户的兴趣模型向所述目标用户推荐目标候选信息；

获取所述目标用户对所述目标候选信息的第一行为反馈数据；

获取基于影响关联用户的兴趣数据，更新所述关联用户与所述目标用户之间的影响关系矩阵；所述关联用户为与所述目标用户建立有预定关联关系的用户；

分别根据所述第一行为反馈数据和所述影响关系矩阵，对所述目标用户的兴趣模型进行更新。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述目标用户的预定信息的内容，对所述预定信息进行特征提取，得到所述预定信息的内容特征；

根据所述内容特征构建所述目标用户的兴趣模型。

3.根据权利要求1或2所述的方法，其特征在于，所述根据目标用户的兴趣模型向所述目标用户推荐目标候选信息，包括：

根据所述兴趣模型，从候选信息库中选取目标候选信息；

将所述目标候选信息推荐给所述目标用户。

4.根据权利要求3所述的方法，其特征在于，所述根据所述兴趣模型，从候选信息库中选取目标候选信息，包括：

根据所述兴趣模型，计算所述候选信息库中的每一项候选信息被推荐的先后顺序的排序分数；

根据所述被推荐的先后顺序的排序分数由大到小的顺序选取预定数目的候选信息作为所述目标候选信息。

5.根据权利要求4所述的方法，其特征在于，所述被推荐的先后顺序的排序分数是根据所述候选信息库中的每一项候选信息的预估反馈数据，以及目标用户隐含因子的预估置信区间和内容隐含因子的预估置信区间，并通过权重的方式确定；

所述目标用户隐含因子和所述内容隐含因子是基于所述兴趣模型确定。

6.根据权利要求1所述的方法，其特征在于，所述根据所述第一行为反馈数据，对所述目标用户的兴趣模型进行更新，包括：

通过预定的交替最小二乘法对所述目标用户与所述目标候选信息之间的交互矩阵进行矩阵分解，得到针对所述目标候选信息的所述目标用户的兴趣信息，其中，所述交互矩阵由所述目标用户对目标候选信息的兴趣关系确定；

针对所述目标候选信息，获取所述目标用户的预测兴趣信息；

根据所述目标用户的兴趣信息和预测兴趣信息，对所述目标用户的兴趣模型进行更新。

7.根据权利要求6所述的方法，其特征在于，所述根据所述目标用户的兴趣信息和预测兴趣信息，对所述目标用户的兴趣模型进行更新，包括：

获取所述目标用户的兴趣信息和预测兴趣信息之间的误差；

基于所述误差，对所述目标用户的兴趣模型进行更新。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述第一行为反馈数据，更新所述影响关系矩阵；

根据更新后的影响关系矩阵，更新所述目标用户所影响的关联用户的兴趣模型。

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：

根据预先存储的所述目标用户与关联用户之间的关联信息，构建所述目标用户与关联用户之间的影响关系模型；

根据所述影响关系模型，确定所述目标用户与关联用户之间的影响关系矩阵。

10.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述第一行为反馈数据，更新预先存储的第一行为反馈数据对应的目标候选信息的内容热度统计数据。

11.一种模型的更新装置，其特征在于，所述装置包括：

推荐模块，用于根据目标用户的兴趣模型向所述目标用户推荐目标候选信息；

反馈获取模块，用于获取所述目标用户对所述目标候选信息的第一行为反馈数据；

矩阵更新模块，用于获取基于影响关联用户的兴趣数据，更新所述关联用户与所述目标用户之间的影响关系矩阵；所述关联用户为与所述目标用户建立有预定关联关系的用户；

模型更新模块，用于分别根据所述第一行为反馈数据和所述影响关系矩阵，对所述目标用户的兴趣模型进行更新。