[发明专利]基于网络结构和评论文本的推荐评分方法及装置

说明书

本发明实施例提供了一种基于网络结构和评论文本的推荐评分方法及装置，所述方法包括：确定多个样本用户中的目标用户，并确定多个样本商品中的目标商品；获取针对目标用户的第一类特征矩阵，以及针对目标商品的第二类特征矩阵；获取针对目标用户的第三类特征矩阵，以及针对目标商品的第四类特征矩阵；将针对目标用户的第一类特征矩阵和第三类特征矩阵、以及针对目标商品的第二类特征矩阵和第四类特征矩阵输入推荐网络模型，得到目标用户对目标商品的预测评分值。从而充分考虑了用户与商品之间的交互信息，包括评论文本信息以及评分信息，能够实现更加准确的预测用户对商品的购买期望。

技术领域

本发明涉及机器学习技术领域，特别是涉及一种基于网络结构和评论文本的推荐评分方法及装置。

背景技术

随着电子商务的发展，互联网公司能够提供大量的商品供用户选择，用户面对大量的商品很难做出选择。目前，主要使用推荐系统帮助用户进行选择。其中，推荐系统是使用深度学习的方法，利用用户对商品的购买信息对神经网络模型进行训练得到的系统。

利用推荐系统为用户推荐商品时，对于每个候选商品，将该用户对不同商品的购买信息，以及与该候选商品的被购买信息输入推荐系统，进而得到该用户对该候选商品的评分值，该评分值表示用户对商品的购买期望。推荐系统将评分值较高的候选商品推荐给用户。

由上可见，向用户推荐商品时，对候选商品的评分值起着重要的作用。

然而，目前的推荐系统仅是利用用户对商品的购买信息进行训练得到的。用户对商品的购买信息并不能完全表示用户与商品的交互信息，仅利用用户对商品的购买信息对神经网络模型进行训练，得到的推荐系统并不准确对候选商品进行评分，进而导致不能有效的帮助用户对商品做出选择。

发明内容

本发明实施例的目的在于提供一种基于网络结构和评论文本的推荐评分方法及装置，以提高预测用户对商品的评分的准确性。具体技术方案如下：

为了提高预测用户对商品的评分的准确性，本发明实施例提供了一种基于网络结构和评论文本的推荐评分方法，所述方法包括：

确定多个样本用户中的目标用户，并确定多个样本商品中的目标商品；

获取针对所述目标用户的第一类特征矩阵，以及针对所述目标商品的第二类特征矩阵；所述第一类特征矩阵和所述第二类特征矩阵均是根据所述多个样本用户对所述多个样本商品的评论文本信息确定的；

获取针对所述目标用户的第三类特征矩阵，以及针对所述目标商品的第四类特征矩阵；所述第三类特征矩阵和所述第四类特征矩阵均是根据所述多个样本用户对所述多个样本商品的购买网络结构信息确定的；

将针对所述目标用户的第一类特征矩阵和第三类特征矩阵、以及针对所述目标商品的第二类特征矩阵和第四类特征矩阵输入推荐网络模型，得到所述目标用户对所述目标商品的预测评分值；

其中，所述推荐网络模型为根据训练集训练得到的模型，所述训练集包括：针对每个样本用户的第一类特征矩阵、针对每个样本商品的第二类特征矩阵、针对每个样本用户的第三类特征矩阵、针对每个样本商品的第四类特征矩阵以及多个样本用户对多个样本商品的真实评分值。

可选的，针对所述目标用户的第一类特征矩阵和针对所述目标商品的第二类特征矩阵通过以下步骤确定：

获取所述多个样本用户对所述多个样本商品的多个评论文本信息；

对所述多个评论文本信息进行分词处理，得到每一评论文本信息的词向量；

根据所述目标用户的多个评论文本信息的词向量，确定针对所述目标用户的第一类特征矩阵；

根据所述目标商品的多个评论文本信息的词向量，确定针对所述目标商品的第二类特征矩阵。