[发明专利]一种模型的更新方法、装置及系统

说明书

技术领域

本申请涉及计算机技术领域，尤其涉及一种模型的更新方法、装置及系统。

背景技术

随着终端设备的普及，尤其是移动终端设备的不断发展，通过互联网获取其感兴趣的资讯等信息已成为人们获取信息的主要手段。为了提高用户体验，通常，各资讯类等网站会设置有用户的兴趣模型，用于向该用户推荐其感兴趣的信息。

当前，用户的兴趣模型通常是在离线或线下利用用户的历史数据生成的，具体地，采集与某用户有关的历史信息(如该用户观看过的视频、查看过的新闻等)，然后，使用该历史信息对预先建立的兴趣模型进行训练，得到训练后的兴趣模型。最后，将训练后的兴趣模型投入到信息推荐的服务系统中，以使信息推荐的服务系统能够基于训练后的兴趣模型向用户推荐其可能感兴趣的信息。

然而，通常用户阅读行为缺乏连贯性，这样，就使得用户的关注点缺乏长期性和明确指向，容易随时事热点的变化而发生转移，因此，使用离线或线下方式对用户的兴趣构建(或训练)的模型只能捕捉用户最主要的兴趣方向，会导致推荐的信息的主题范围过窄，限制了信息来源的途径，降低了推荐的准确率。

发明内容

本申请实施例的目的是提供一种模型的更新方法、装置及系统，以实现以在线更新的方式更新兴趣模型，使得后续在进行信息推荐时，推荐结果可以更精准匹配用户当前兴趣焦点和阅读场景，从而，推荐的信息的主题范围更适合用户需求，丰富了信息来源的途径，提高了推荐的准确率。

为解决上述技术问题，本申请实施例是这样实现的：

本申请实施例提供的一种模型的更新方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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所述每一项候选信息的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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。