[发明专利]对象评估值的预测方法及系统、推荐方法及系统

权利要求书

1.一种对象评估值的预测方法，其特征在于，所述预测方法包括：

建立数据库；所述数据库用于存储用户数据和对象数据；

从所述用户数据中查询目标用户参数，从所述对象数据中查询目标对象参数和对象评估值，并根据所述目标用户参数、所述对象评估值和所述目标对象参数构建用户特征向量、对象特征向量和对象评分矩阵；

对所述用户特征向量、所述对象特征向量和所述对象评分矩阵进行加噪声处理；

将经过加噪声处理的所述用户特征向量、所述对象特征向量和所述对象评分矩阵作为训练样本训练aSDAE模型，得到协同过滤模型；

所述协同过滤模型的输出参数包括用户隐含因子向量和对象隐含因子向量；

所述用户隐含因子向量和所述对象隐含因子向量的乘积用于预测用户对对象的评估值。

2.如权利要求1所述的对象评估值的预测方法，其特征在于，训练所述aSDAE模型的过程中，模型参数满足高斯分布；和/或，所述aSDAE模型的每层的输出结果满足高斯分布或Dirac delta分布。

3.如权利要求1所述的对象评估值的预测方法，其特征在于，基于贝叶斯最大似然理论构建训练所述aSDAE模型的目标函数。

4.如权利要求1所述的对象评估值的预测方法，其特征在于，所述aSDAE模型包括用户aSDAE模型和对象aSDAE模型模型；

所述用户隐含因子向量为所述用户aSDAE模型的中间层的输出结果与第一误差之和；

所述对象隐含因子向量为所述对象aSDAE模型的中间层的输出结果与第二误差之和；

所述第一误差和所述第二误差均服从高斯分布。

5.如权利要求1-4中任意一项所述的对象评估值的预测方法，其特征在于，对所述用户特征向量、所述对象特征向量和所述对象评分矩阵进行加噪声处理的步骤之前，还包括：

对所述用户特征向量、所述对象特征向量和所述对象评分矩阵进行预处理，使所述用户特征向量、所述对象特征向量和所述对象评分矩阵均满足高斯分布。

6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的对象评估值的预测方法。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的对象评估值的预测方法的步骤。

8.一种推荐方法，其特征在于，所述推荐方法包括：

利用如权利要求1-5中任一项所述的对象评估值的预测方法预测经过加噪声处理的用户特征向量、对象特征向量和对象评分矩阵的用户隐含因子向量和对象隐含因子向量；

计算所述用户隐含因子向量和所述对象隐含因子向量的乘积，并将对象按照所述乘积由高至低的顺序进行排序；

将排序靠前的若干对象推荐给用户。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求8所述的推荐方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求8所述的推荐方法的步骤。