[发明专利]一种对评分矩阵中的未知评分进行预测的方法及装置

权利要求书

1.一种对评分矩阵中的未知评分进行预测的方法，所述方法包括：

初始化第一矩阵与第二矩阵；其中，所述第一矩阵由每个用户对应的潜在偏好向量组成，所述第二矩阵由每个物品对应的潜在偏好向量组成；针对任一用户与任一物品，该用户对应的潜在偏好向量与该物品对应的潜在偏好向量的乘积表征该用户对该物品的偏好评分的预测值；

迭代执行以下步骤，直至满足指定条件：

以减小预设的损失函数的函数值为目标，根据所述第一矩阵、所述第二矩阵、评分矩阵以及用户社交数据，调整所述第一矩阵与所述第二矩阵；其中，所述评分矩阵中各已知评分的实际值与预测值越接近，所述损失函数的函数值越小；所述第一矩阵表征的各用户之间的关联关系与所述用户社交数据表征的各用户之间的关联关系越相似，所述损失函数的函数值越小；

若确定满足指定条件，则基于所述第一矩阵与所述第二矩阵，得到所述评分矩阵中的各未知评分的预测值。

2.如权利要求1所述的方法，用户社交数据存储于社交服务方设备；

根据所述第一矩阵、所述第二矩阵、评分矩阵以及用户社交数据，调整所述第一矩阵与所述第二矩阵，具体包括：

预测方设备基于与所述社交服务方设备约定的同态加密算法，根据所述第一矩阵、所述第二矩阵、评分矩阵以及所述用户社交数据，调整所述第一矩阵与所述第二矩阵；

其中，所述预测方设备无权获取所述用户社交数据的明文。

3.如权利要求1所述的方法，所述第一矩阵的各列向量为各用户分别对应的潜在偏好向量，所述第二矩阵的各列向量为各物品分别对应的潜在偏好向量。

4.如权利要求3所述的方法，所述用户社交数据，具体包括：

用户社交关系矩阵S；其中，S中的元素s_ik用于表征用户i与用户k之间的关联关系，用户i与用户k之间的关联关系越强，s_ik越大；

所述损失函数具体如下：

其中，L表示损失函数，r_ij表示评分矩阵R中已知的用户i对物品j的偏好评分，u_i表示第一矩阵U中对应于用户i的潜在偏好向量，v_j表示第二矩阵V中对应于物品j的潜在偏好向量，为正则项。

5.如权利要求4所述的方法，根据所述第一矩阵、所述第二矩阵、评分矩阵以及用户社交数据，调整所述第一矩阵与所述第二矩阵，具体包括：

将所述第一矩阵U、所述第二矩阵V、所述评分矩阵R以及用户社交关系矩阵S代入所述损失函数对应的第一梯度公式，得到第一梯度，并基于梯度下降法，根据所述第一梯度对所述第一矩阵进行调整；以及，将所述第一矩阵U、所述第二矩阵V、评分矩阵R代入所述损失函数对应的第二梯度公式，得到第二梯度，并基于梯度下降法，根据所述第二梯度对所述第二矩阵进行调整；

其中，所述第一梯度公式是以所述第一矩阵为变量，对所述损失函数求偏导数得到的；所述第二梯度公式是以所述第二矩阵为变量，对所述损失函数求偏导数得到的；

所述第一梯度公式如下：

其中，m为各用户的数量，1_m为维度值皆为1的m维向量；

所述第二梯度公式如下：

6.如权利要求5所述的方法，所述用户社交关系矩阵存储于社交服务方设备；

将所述第一矩阵U、所述第二矩阵V、所述评分矩阵R以及用户社交关系矩阵S代入所述损失函数对应的第一梯度公式，得到第一梯度，具体包括：

预测方设备基于与所述社交服务方设备约定的同态加密矩阵乘法，得到U*S以及U*diag(S*1_m)；其中，所述预测方设备无权获取所述用户社交关系矩阵S的明文；

将所述第一矩阵U、所述第二矩阵V、所述评分矩阵R、U*S以及U*diag(S*1_m)代入所述损失函数对应的第一梯度公式，得到第一梯度。