[发明专利]一种基于推荐系统的推荐模型生成方法及相关装置

权利要求书

1.一种基于推荐系统的推荐模型生成方法，其特征在于，包括：

将GLSLIM模型根据数据集进行准确率调参处理得到第一推荐模型，进行推荐结果计算得到第一结果目标函数；

将PLSA模型根据所述数据集进行召回率调参处理得到第二推荐模型，进行推荐结果计算得到第二结果目标函数；

将所述第一结果目标函数与所述第二结果目标函数进行融合处理得到融合目标函数，根据所述数据集进行平衡调参处理得到推荐模型。

2.根据权利要求1所述的推荐模型生成方法，其特征在于，所述将GLSLIM模型根据数据集进行准确率调参处理得到第一推荐模型，进行推荐结果计算得到第一结果目标函数包括：

在第一预设范围内取多个用户个性化权重参数；

将每个所述用户个性化权重参数带入到所述GLSLIM模型中，根据所述数据集进行计算得到多个第一推荐结果；

将每个所述第一推荐结果进行计算得到多个准确率，选取所述准确率最大的所述用户个性化权重参数设置为所述GLSLIM模型的最终用户个性化权重参数，得到所述第一推荐模型；

将所述第一推荐模型进行推荐结果计算得到所述第一结果目标函数。

3.根据权利要求2所述的推荐模型生成方法，其特征在于，所述将PLSA模型根据所述数据集进行召回率调参处理得到第二推荐模型，进行推荐结果计算得到第二结果目标函数包括：

在第二预设范围内取多个类别参数；

将每个所述类别参数带入到所述PLSA模型中，根据所述数据集进行计算得到多个第二推荐结果；

将每个所述第二推荐结果进行计算得到多个召回率，选取所述召回率最大的所述类别参数设置为所述PLSA模型的最终类别参数，得到所述第二推荐模型；

将所述第二推荐模型进行推荐结果计算得到所述第二结果目标函数。

4.根据权利要求1至3任一项所述的推荐模型生成方法，其特征在于，所述将所述第一结果目标函数与所述第二结果目标函数进行融合处理得到融合目标函数，根据所述数据集进行平衡调参处理得到推荐模型包括：

将所述第一结果目标函数与所述第二结果目标函数通过r＝α*r₁+(1-α)*r₂进行融合得到融合目标函数r；其中，所述第一结果目标函数为r₁，所述第二结果目标函数为r₂；

在第三预设范围内取多个推荐结果占比参数α；

将每个所述推荐结果占比参数α带入到所述融合目标函数r中进行计算得到多个目标函数值；

将每个所述目标函数值进行推荐综合指标计算，得到多个推荐综合指标；

选取所述推荐综合指标最大的所述参数α值设置为所述融合目标函数r的最终参数α值，得到最优目标函数r；

将所述最优目标函数r进行推导计算得到所述推荐模型。

5.一种基于推荐系统的推荐模型生成装置，其特征在于，包括：

第一推荐模型处理模块，将GLSLIM模型根据数据集进行准确率调参处理得到第一推荐模型，进行推荐结果计算得到第一结果目标函数；

第二推荐模型处理模块，将PLSA模型根据所述数据集进行召回率调参处理得到第二推荐模型，进行推荐结果计算得到第二结果目标函数；

最优推荐模型获取模块，将所述第一结果目标函数与所述第二结果目标函数进行融合处理得到融合目标函数，根据所述数据集进行平衡调参处理得到推荐模型。

6.根据权利要求5所述的推荐模型生成装置，其特征在于，所述第一推荐模型处理模块包括：

第一参数获取单元，用于在第一预设范围内取多个用户个性化权重参数；

第一推荐结果计算单元，用于将每个所述用户个性化权重参数带入到所述GLSLIM模型中，根据所述数据集进行计算得到多个第一推荐结果；

第一选取参数单元，用于将每个所述第一推荐结果进行计算得到多个准确率，选取所述准确率最大的所述用户个性化权重参数设置为所述GLSLIM模型的最终用户个性化权重参数，得到所述第一推荐模型；

第一目标函数获取单元，用于将所述第一推荐模型进行推荐结果计算得到所述第一结果目标函数。